近年來，血氧水平依賴性磁共振腦功能成像(Blood oxygenation level-dependent functional magnetic resonance imaging, BOLD-fMRI)技術(shù)得到極快的發(fā)展，除了與掃描硬件、掃描技術(shù)的進步有關(guān)外，更得力于以圖形圖像等計算機科學(xué)為核心的相關(guān)學(xué)科的支持：圖像數(shù)據(jù)的后處理技術(shù)成為fMRI中的關(guān)鍵環(huán)節(jié)

一、功能圖像數(shù)據(jù)的性質(zhì)

功能磁共振數(shù)據(jù)包括解剖（結(jié)構(gòu)）像和功能像兩類。解剖像采用高分辨的T1、T2及FSPGR三維成像方式。功能像的處理是fMRI數(shù)據(jù)處理的關(guān)鍵。因為腦皮層活動瞬息變化，相應(yīng)要求足夠快的成像序列對某一個刺激任務(wù)造成的皮層活動進行記錄，并且要有對腦血氧代謝的產(chǎn)物——脫氧血紅蛋白產(chǎn)生的T2*縮短效應(yīng)敏感，EPI(Echo planar Imaging)、FLASH(Fast Low Angle Shot)等序列可以滿足這兩個條件，現(xiàn)在大都采用EPI序列采集fMRI功能像。

EPI于頻率編碼上采用一系列反向梯度，通過一次激發(fā)產(chǎn)生建成一幅MR圖像的所有信號，基于小角度激發(fā)的GRE-EPI(Gradient echo- Echo planar Imaging)技術(shù)，在很短的TR時間內(nèi)得到一系列（數(shù)幅至數(shù)十幅）圖像。每次采集得到的圖像組成一個腦體積(Volume)，相應(yīng)要求在fMRI實驗組塊(Epoch/block Paradigm)設(shè)計時，每個組塊的時間必須為TR時間的整數(shù)倍。實際的血流動力相應(yīng)是一個緩慢的過程，任務(wù)激發(fā)后信號經(jīng)過一個小的下降期開始上升，4-8秒達到高峰然后緩慢下降，11-14秒恢復(fù)。在事件相關(guān)設(shè)計(Event-related Paradigm)時，如果不考慮兩（次）任務(wù)間的相互作用，需要保證間隔時間大于一次響應(yīng)時間 。但也有研究顯示短的刺激間隔時間對統(tǒng)計結(jié)果并無多大影響 。（見圖1）。

EPI序列以極快的采集速度，在一個數(shù)分鐘的實驗(Session)中，產(chǎn)生數(shù)百至數(shù)千幅圖像，幾十個不同時間的腦體積成為EPI圖像的時間序列(Time-series Image)。快速以犧牲圖像的分辨率為代價，典型的EPI圖像采集矩陣為64×64，提高采集矩陣會延長采樣時間并且導(dǎo)致更嚴重的圖像幾何變形。除此之外，EPI序列圖像對外在磁場環(huán)境的影響十分敏感，微弱的BOLD信號會伴有大量的干擾成分。較突出的問題有：

掃描過程中的頭部運動的影響。雖然可以采取各種物理方法加以限制，但頭部的運動還是難以完全消除，其副作用遠不止于功能像與結(jié)構(gòu)像疊加融合時的不匹配。頭部微小的運動會使激活體素位置改變而造成真正功能信號的改變，場強為1.5 Tesla時，BOLD信號本身只有0.5-2.0％，但通常兩個相鄰體素的信號差都大于10％，大腦邊緣的甚至達到70％。而且頭部運動可能是激活相關(guān)的規(guī)律性運動，將導(dǎo)致激活區(qū)的完全錯誤，嚴重影響實驗的結(jié)果。

易感性偽影。由于梯度磁場的高速切換產(chǎn)生的MR設(shè)備導(dǎo)體表面強度的渦流，人體頭部組織磁敏感性的差別，尤其是靠近副鼻竇等含有空氣的空腔時，導(dǎo)致局部磁場不均勻，將使重建的EPI圖像在相位編碼的方向上產(chǎn)生幾何變形，使功能區(qū)不準確。

掃描設(shè)備和生理運動產(chǎn)生的噪聲干擾，多屬高頻噪聲。生理運動包括呼吸、心跳等，特別是這些運動與任務(wù)相關(guān)時，對BOLD信號的檢出影響更大。同時，由于BOLD效應(yīng)是血流調(diào)節(jié)，激活區(qū)域信號的改變速率有限，生理自發(fā)活動會引起熱噪聲和高時間頻率的波動、掃描硬件的不穩(wěn)可以產(chǎn)生低頻漂移。

N/2偽影或鬼影(N/2 ghosts)，由于不準確的采集時序和不均勻的靜磁場，k空間交替的回波呈獻一定的相位差，以方向相反頻率讀出梯度交替MR信號奇、偶回波的EPI序列，信號經(jīng)傅立葉變換重建后出現(xiàn)沿相位編碼方向的成對假影。是EPI圖像質(zhì)量受損的最大原因。

EPI圖像數(shù)據(jù)的大量、低分辨率及干擾因素嚴重等特點決定了（1）務(wù)必除去與BOLD信號相關(guān)的干擾信號，提高信噪比。（2）大量時間序列的四維EPI圖像，要通過轉(zhuǎn)化為三維的形式表現(xiàn)出來。（3）通過合適的算法把真正的BOLD信號提取出來。（4）低分辯率的功能像要與高分辨率的解剖像疊加融合，或配準到已知的空間解剖結(jié)構(gòu)中加以表現(xiàn)。是fMRI數(shù)據(jù)處理和分析的主要任務(wù)。可分為數(shù)據(jù)的處理、分析和結(jié)果的呈示（見圖2）。

二、功能圖像數(shù)據(jù)的處理

校正(Re-alignment)。
頭部運動的校正是一個理想的單體 (Subject)單模態(tài)(Modality)配準，常基于剛體運動模型，迭代計算平移、旋轉(zhuǎn)參數(shù)，使參考圖像（通常為時間序列的第一幅）與后續(xù)序列圖像之間的不匹配程度最小化，實現(xiàn)所有時間序列圖像的配準。三維空間校正選用三個方向的平移與三個坐標軸的旋轉(zhuǎn)6個參數(shù)對頭部剛體模型進行描述；三維配準時還需要考慮每個腦體積中（TR時間內(nèi)）頭部運動的影響，以二維配準方法分別校正每一幅圖像。Friston強調(diào)了基于自動回歸移動平均模型(Autoregistration Moving Average ,ARMA)的重要性，可以消除對象自旋激勵歷史中的運動影響。

此外還必需注意在EPI多層采集過程中，同腦體積中每層采集時間的輕微差異（數(shù)十毫秒）。在組塊設(shè)計實驗時，由于每個任務(wù)組塊時間持續(xù)時間較長（數(shù)秒至數(shù)十秒），可以不考慮這些時間差異；但在事件相關(guān)設(shè)計時，任務(wù)激發(fā)的時間性要求高，就必需對每層采集的不同時間差異進行校正，保證組成每個腦體積的數(shù)十層圖像在相同時間內(nèi)完成。常采用Sinc 法插值。

通常每一個實驗采集數(shù)百至數(shù)千幅圖像，大量的數(shù)據(jù)使校正過程非常耗時，某些機器附帶商業(yè)軟件為了提高處理速度，達到實時效果，而舍棄此步驟。快速運動校正算法的開發(fā)對實時成像（Real-time imaging）十分有意義 。

配準(Registration)。低分辨率的EPI功能圖像經(jīng)常需要疊加在高分辨率的解剖圖像上進行功能區(qū)的辨認，通過配準功能激活映射圖和解剖圖像實現(xiàn)。因Ghost效應(yīng)及磁敏感效應(yīng)導(dǎo)致EPI圖像的幾何及強度變形，需要對變形的圖像進行反卷積(Unwrapping)校正。這是一個單體多模態(tài)配準。J. Asbnrner等提出聯(lián)合頭部尺寸和形態(tài)的貝葉斯最大后估計量(Bayesian Maximum a posterior estimator, MAP)方法，利用中間圖像實現(xiàn)多種類型的功能數(shù)據(jù)和解剖數(shù)據(jù)的精確配準。但如果進行數(shù)據(jù)的空間歸一化，這些變形也都可解決。

歸一化(Normalize)。將檢測的功能激活區(qū)準確地映射到高分辯率的解剖結(jié)構(gòu)圖上是fMRI可視化的關(guān)鍵，功能激活映射圖根本不含任何解剖信息，無法和解剖圖配準，但功能映射圖和功能圖像可共享同樣坐標系統(tǒng)，故可以先把功能圖像與解剖圖像配準，將得到的變換應(yīng)用于功能映射圖與解剖像之間。把空間校正產(chǎn)生的平均圖像(Mean image)或配準好的解剖圖像與預(yù)先設(shè)計好的標準解剖空間的模板圖像(Template image)的卷積參數(shù)應(yīng)用于每一個斷層圖像(Slice image)。這樣就可以保證不同樣本、不同模態(tài)的圖像數(shù)據(jù)在相同的坐標系統(tǒng)進行評價。對于單樣本分析，可以不歸一化到標準空間，而是到單獨創(chuàng)建的模板上；對于腦占位或梗塞等腦結(jié)構(gòu)明顯受損的樣本圖像，務(wù)必不能歸一化到正常的模板上，自動算法的線性和非線性轉(zhuǎn)換過程中會抹除所有受損部位的特有信息，使歸一失敗，對于這樣的樣本，除了用單獨創(chuàng)建的模板外，還可以采用有償函數(shù)遮蓋（Cost-function Masking）技術(shù)對病變部位進行遮蓋處理，然后再歸一化到標準空間中以資比較 。歸一化的本質(zhì)是一個多體多模態(tài)配準。

Talairach and Tournoux系統(tǒng)是最經(jīng)典的標準解剖系統(tǒng) ，數(shù)據(jù)來自于實體解剖，Talairach and Tournoux系統(tǒng)和Brodmann’s分區(qū)之間的對應(yīng)關(guān)系現(xiàn)在已頗為詳知，文獻資料十分豐富。加大拿McGill 大學(xué)Montreal Neurological Institute建立的MNI系統(tǒng)，采用305例正常人的MR腦掃描，經(jīng)過映射到Talairach and Tournoux獲得，如著名的軟件SPM99，標準模板即采用MNI系統(tǒng)。MNI系統(tǒng)尚無與Brodmann’s分區(qū)的對應(yīng)信息資料，MNI系統(tǒng)腦模較Talairach and Tournoux系統(tǒng)稍大，雖然有的使用者把二者對等使用，但最好采取一定的方法進行坐標點互換 。

由于全局的腦血流改變以及掃描硬件不穩(wěn)定，時間序列圖像的平均圖像的平均信號強度隨時間發(fā)生與功能活動無關(guān)的改變，使得每次刺激的響應(yīng)不在同一水平，減少了統(tǒng)計檢測功能激活信息效果。需要調(diào)整每一副圖像使其平均值等于全局的平均值，即時間序列的歸一化。

平滑(Smooth)。

對于硬件不穩(wěn)及生理運動產(chǎn)生的干擾信號，可以通過平滑消除：空間平滑減小MR圖像隨機噪聲、提高信噪比與功能激活數(shù)據(jù)的檢測能力。通過將fMRI數(shù)據(jù)與一個三維高斯函數(shù)進行卷積積分形成一個濾波器，濾波器的平滑范圍可用高斯核(Gaussian kernel)的全寬半高(FWHM)來表示。理論上高斯核應(yīng)該與反應(yīng)區(qū)的尺度一樣，但要保證高斯核一定要大于一個體素的尺度，否則將造成數(shù)據(jù)再采樣，使內(nèi)在分辯下降。信噪比較低時，采用較寬的濾波器，檢測到的激活區(qū)覆蓋較大的范圍。多樣本對比的樣本間分析時， FWHM也要大一些（8mm），以使各樣本數(shù)據(jù)能夠投射到共同的功能解剖像上，減少樣本間差異。濾波器雖然可以有效地濾掉特定頻率的噪聲，也會犧牲一部分頻率相當?shù)恼嬲鼴OLD信號。

對于時間序列信號的低頻漂移，可以采用與BOLD信號波形相似的濾波器（FWHM＝2.8mm），對每個體素的時間序列進行時間平滑；如果用短TR采集功能像，可用頻帶抑制或最小均方適應(yīng)濾波器去除與呼吸心跳相關(guān)的生理噪聲。提高反應(yīng)體素時間過程的信噪比，增加統(tǒng)計檢測信號的能力。

此外，雖然真正的BOLD信號主要源于激活腦組織的毛細血管中的血氧代謝的貢獻，但由于大血管的流空流入效應(yīng)，在非激活區(qū)也有大量的脫氧血紅蛋白流入，造成信號增高，稱為“流入性偽影”，出現(xiàn)在較多引流靜脈的皮層區(qū)域。低場強機器的偽信號更嚴重，提高場強可以減少這種大血管效應(yīng)，SE-EPI序列也可以減少流入效應(yīng)，對于單層EPI成像，通過增加射頻翻轉(zhuǎn)脈沖的作用時間可以限制血流敏感性。但多層EPI則無法滿足每層足夠長的翻轉(zhuǎn)脈沖時間。有學(xué)者通過加權(quán)各種組織的統(tǒng)計參數(shù)圖T對比來減少其影響 。

三、功能數(shù)據(jù)的分析

在數(shù)據(jù)預(yù)處理之后，采用適當?shù)乃惴ò颜嬲拇砑せ畹南笏靥崛〕鰜?#xff0c;即功能數(shù)據(jù)的分析。在最先的fMRI研究中 ，僅采用圖像相減的簡單方法來演示任務(wù)依賴的腦區(qū)域。這是基于心理學(xué)的Pure insertion假說的認知相減(Cognition Subtraction)原理，用任務(wù)狀態(tài)的圖像減去控制狀態(tài)的圖像，差值圖像高的灰度值反應(yīng)的就是任務(wù)產(chǎn)生的有效活動區(qū)。這種方法對判別活動和非活動體素的閾值設(shè)置太過草率，并且對運動相關(guān)的效應(yīng)以及其它未知原因干擾特別敏感。更可靠的腦圖是采用參數(shù)和非參數(shù)檢驗的方法。
常用的有零假設(shè)t檢驗，基于每個體素計算，加權(quán)平均信號差異，t值大于設(shè)定的閾值（如p=0.05）的體素認為是激活，常以偽彩的形式表現(xiàn)出來。相關(guān)系數(shù)法腦圖中，每個體素都與線性交叉相關(guān)系數(shù)r值有關(guān)，此系數(shù)表示時間序列的體素信號強度與參考函數(shù)的相關(guān)性，測定的是時間序列過程中體素的灰階值與期望的氧代謝反應(yīng)間的關(guān)系，相關(guān)性大于設(shè)定閾值的體素認為是激活。此外還有F檢驗，z檢驗等。從統(tǒng)計的觀點來看，這些參數(shù)檢驗可以認為是廣義線性模型(General Linear Model ,GLM)的特例。GLM是由K.J. Friston和其同事用作PET數(shù)據(jù)處理時開發(fā)的一個標準的統(tǒng)計工具，可以將所有感興趣和非感興趣的因素都包含于設(shè)計矩陣，如果能夠充分考慮時間序列間的時間空間自相關(guān)，可以用于fMRI數(shù)據(jù)的分析。

假設(shè)檢驗時，首先構(gòu)建關(guān)于某一統(tǒng)計量的統(tǒng)計參數(shù)映射圖，計算每個體素反應(yīng)的時間過程與參考函數(shù)之間的線性相關(guān)系，根據(jù)檢驗的顯著性水平確定一個閾值，對零假設(shè)進行檢驗，通過閾值化統(tǒng)計參數(shù)映射圖判別激活與非激活。構(gòu)建統(tǒng)計映射參數(shù)圖時，重要的是每個體素的灰度水平時間過程與期望的血流動力函數(shù)相似程度。通常選用血流動力相應(yīng)的脈沖函數(shù)與一個理想的on-off函數(shù)的卷積積分作為參考函數(shù)，所以準確地建立血流動力相應(yīng)模型十分重要。目前已提出多種建立血流動力相應(yīng)模型的方法。如Bandettini的傅立葉頻譜分析技術(shù)、Bullmore的正、余弦波的線性組合擬合實驗數(shù)據(jù)等。

上述方法最主要的問題是如何選擇閾值分隔統(tǒng)計參數(shù)映射圖，來確定激活與非激活體素。確定合適的未校正的單象素顯著性閾值非常困難，低的閾值可以增加激活檢出的敏感性，但將非激活區(qū)作為激活區(qū)的可能性增大，增加檢測結(jié)果的假陽性率。并且GLM方法對每個體素進行假設(shè)檢驗，變成多假設(shè)(Multiple Comparisons)檢驗，總體腦體素的檢驗將導(dǎo)致更多錯誤率。為了控制假陽性，常用Boferroni法校正，但過于保守，導(dǎo)致檢出率下降。采用高斯隨機理論(Gaussian Random Field)，可以保證體素以上水平多假設(shè)時假陽性的發(fā)生，需要采用相同高斯核對圖像進行平滑，以保證數(shù)據(jù)逼進高斯分布。對這樣的數(shù)據(jù)，K.J. Friston提出檢驗的等級理論，可分為集合(Set)水平、聚類(Cluster)水平和體素(Voxel)水平，雖然增強了統(tǒng)計能力，但降低了空間分布特性。也可認為真正激活的體素相鄰聚類的超過閾值的可能性也較大，用聯(lián)合強度閾值與聚類尺寸閾值分隔統(tǒng)計參數(shù)映射圖法，在降低假陽性發(fā)生的同時又不降低統(tǒng)計能力。蒙特卡羅仿真技術(shù)不需很多假設(shè)，但較耗時。

前面提到的體素依賴方法只適用于時間參數(shù)已明確知道的任務(wù)設(shè)計的實驗數(shù)據(jù)分析，對于未知刺激任務(wù)時間的實驗，如睡眠、癲癇放電等自發(fā)生理活動的數(shù)據(jù)分析時，將無法應(yīng)用。這類實驗的數(shù)據(jù)可采用主成分分析(Principal Component Analysis, PCA)和獨立成分分析(Independent Component Analysis, ICA)等多變量分析，將fMRI數(shù)據(jù)分解成正交的空間成分或具有不同時間過程的獨立的成分，提取包含于時間序列圖像中的功能信息，不需要任何血流動力學(xué)響應(yīng)的時間過程數(shù)據(jù)及皮層幅度的先驗假設(shè)，其實驗設(shè)計也就無需依賴任何實驗?zāi)Ｐ?#xff08;如組塊或事件相關(guān)）。 故體素依賴的單變量方法又稱模式驅(qū)動(paradigm driven)，相應(yīng)多變量分析稱數(shù)據(jù)驅(qū)動(data driven)分析模式。PCA通過檢測隨實驗條件變化的開始一部分空間特征模式的時間形式，確定與反應(yīng)有關(guān)的功能系統(tǒng)的分布特征，側(cè)重于描述功能系統(tǒng)的分布而不是定位，用于探索各功能區(qū)之間的相互聯(lián)系。ICA通過提取一系列空間獨立的空間模型，相比PCA更側(cè)重空間定位，最適合于探索一個新假說模型的發(fā)生而非已知假設(shè)的檢驗。如fMRI對藥物作用、睡眠、饑餓感的中樞機制研究等 ，近來有把時間聚類分析(Temporal Clustering Analysis) 用于無EEG聯(lián)合的癲癇灶定位研究中 。PCA和ICA的缺點是對于大部分的不同成分的數(shù)據(jù)相關(guān)性難以給出一個生理解釋。

四、功能磁共振數(shù)據(jù)可視化方法

fMRI數(shù)據(jù)經(jīng)過處理和分析，以直觀的形式表現(xiàn)出來，以方便結(jié)果觀察和引用。除了解剖像與映射參數(shù)圖疊加外，還可采用大腦皮層重建，提供關(guān)于大腦皮層表面解剖結(jié)構(gòu)和幾何特性，依此對反應(yīng)的功能區(qū)進行皮層定位。對標準T1解剖像進行灰白質(zhì)及腦脊液成分分隔(Segment)，行皮層解剖重建。在功能磁共振的視網(wǎng)膜腦圖(Retinotopic map)技術(shù)中 ，把枕葉的腦溝腦回結(jié)構(gòu)展開，在平面圖像上進行評價。有許多重建方法，如基于體素方、2D輪廓重建方法等，重要的是保持皮層的解剖拓撲結(jié)構(gòu)。

現(xiàn)在普遍采用Brodmann’s 分區(qū)對腦功能區(qū)定位，由于腦皮層結(jié)構(gòu)的特異性，除了初級運動及感覺皮層區(qū)域較恒定外，其它功能區(qū)與解剖關(guān)系之間變異普遍存在，除非對神經(jīng)解剖以及Talairach and Tournoux系統(tǒng)很熟悉，一般都難以在肉眼下對反應(yīng)區(qū)進行功能定位。如前所述，把個體腦圖歸一化標準腦結(jié)構(gòu)之后，就可以方便地對反應(yīng)區(qū)坐標點按Brodmann’s分區(qū)進行確認，也有專業(yè)的軟件自動處理 。

以上簡單介紹了fMRI數(shù)據(jù)處理與分析的原理及方法。這些步驟的實現(xiàn)均靠軟件根據(jù)不同算法完成。專業(yè)軟件多種多樣，但方法和步驟都基本相同。國際較為通用的功能影像軟件有綜合的處理分析軟件，如英國倫敦大學(xué)神經(jīng)影像科學(xué)系Wellcome實驗室的SPM(Statistical Parametric Mapping)系列軟件以及MCW AFNI(Medical College of Wisconsin Analysis of Functional Neuroimages)軟件等。以及專項功能處理的軟件，如圖像瀏覽、格式轉(zhuǎn)換的MRIcro軟件

(http://www.psychology.nottingham.ac.uk/staff/cr1/mricro.html)、運動校正的AIR軟件(http://bishopw.loni.ucla.edu/AIR3/)等。很多是開放的免費軟件，可以在相關(guān)的網(wǎng)站上查詢下載

總結(jié)

以上是生活随笔為你收集整理的FMRI数据分析与处理的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。