前言

時隔多年，再次上線，重新經(jīng)營csdn。自讀研以來，不是干飯就是擺爛，實在頹廢，能重新開始寫博客，已然不易。在這里立下flag，爭取以后每周都能寫點什么東西，一來鍛煉文筆，二來記錄學(xué)習(xí)歷程
我的研究方向與功能磁共振成像fMRI有關(guān)，此前從未接觸過該領(lǐng)域，完全是從小白做起。經(jīng)過幾個月的學(xué)習(xí)，雖然還是一頭霧水，但大體上能明白它能做些什么。為方便今后學(xué)習(xí)，便進(jìn)行了如下簡單的知識點歸納和整理

一、fMRI基礎(chǔ)
二、fMRI數(shù)據(jù)預(yù)處理
三、fMRI數(shù)據(jù)分析
四、腦網(wǎng)絡(luò)連接分析

一、fMRI基礎(chǔ)

1、腦疾病：阿爾茲海默癥AD、輕度認(rèn)知障礙MCI、孤獨(dú)癥譜系障礙ASD、抑郁癥MDD、多動癥ADHD、偏頭痛、帕金森綜合癥、精神分裂、癲癇等

2、腦成像技術(shù)：計算機(jī)斷層掃描CT、腦磁成像圖MEG、腦電圖EEG、正電子斷層成像PET、功能磁共振成像fMRI、單電子斷層掃描SPECT、磁共振成像MRI

3、腦區(qū)分布及其功能

• 額葉：包括中央前回、背外側(cè)額上回、額中回，影響智力、認(rèn)知能力、情緒管理與行為管理

• 海馬：位于丘腦和顳葉之間，影響人類進(jìn)行長時間學(xué)習(xí)，如對聲音、光有關(guān)事件的處理分析、情緒調(diào)節(jié)處理

• 右梭狀回：位于顳葉，影響面孔識別能力

• 頂葉：包括中央后回、頂上回、楔前葉，影響人類整合信息的能力，如語言信息

• 頂上回：影響檢索某些之前發(fā)生過的情景能力

• 楔前葉：影響某些高級認(rèn)知功能，如感知語言的能力，處理自我相關(guān)信息的能力，對場景信息進(jìn)行記憶的能力

• 顳中：位于顳葉，影響感知能力與內(nèi)心和精神活動的能力

• 顳極:顳中回：顳極一部分，影響對幽默語言、事件的感知理解能力、對情感和社會的加工能力

• 小腦：影響神經(jīng)反射能力和保持身體平衡的能力

4、功能磁共振成像fMRI

（1）簡介：通過測量生物體內(nèi)部神經(jīng)元活動與周圍血液內(nèi)氧氣水平的變化，結(jié)合磁振造影技術(shù)得到生物體功能結(jié)構(gòu)的一種成像技術(shù)。由于是根據(jù)血氧水平依賴進(jìn)行的腦功能成像技術(shù)，也常稱為基于BOLD信號的腦功能核磁共振成像技術(shù)BOLD-fMRI

（2）原理

• 磁共振成像：大多數(shù)原子核具有自旋特性，且其自旋軸隨機(jī)排列，若外加一個磁場，自旋軸會從無序狀態(tài)變成有序狀態(tài)，并最終達(dá)到平衡。此時，若在外界再加上一定頻率的RF脈沖，它將會引起原子核和這個磁場的共振效應(yīng)，導(dǎo)致低能級躍遷，即核磁共振現(xiàn)象。當(dāng)RF脈沖被撤銷時，原子核的自旋軸會回到原來的狀態(tài)，并且釋放能力，該過程稱為弛豫，弛豫分為垂直弛豫(T1)和水平弛豫(T2)。磁共振成像有兩種，一種是結(jié)構(gòu)像，是對大腦內(nèi)各部分特定原子核的磁共振信號的收集；另一種是功能像，是對BOLD信號的采集

• BOLD功能成像：當(dāng)大腦受到外界刺激時，神經(jīng)元需要更多的氧氣支撐它的活動，該過程會導(dǎo)致相關(guān)腦區(qū)的BOLD信號明顯高于其他區(qū)域，并且T2增加，使得對應(yīng)腦區(qū)的BOLD信號相對于未刺激前有明顯的增強(qiáng)。BOLD信號可以看做是神經(jīng)活動與血液動力學(xué)響應(yīng)函數(shù)HRF卷積的結(jié)果，但是它相較于神經(jīng)活動存在數(shù)秒延遲，不能直接體現(xiàn)大腦神經(jīng)活動，而是通過測量局部血氧水平間接反映神經(jīng)活動
  

（3）特點

• 優(yōu)點：無侵入性、無創(chuàng)傷性、無放射性、無副作用、安全性高、可重復(fù)采集、采集過程簡單、高空間分辨率、高時間分辨率、可精確定位、成像清晰、可顯示腦功能激活區(qū)的部位、大小、范圍和解剖位置

• 缺點：操作環(huán)境苛刻，現(xiàn)場觀察較為困難、BLOD機(jī)制的延遲性和滯后性會對實驗結(jié)果準(zhǔn)確性造成影響、受磁場不均勻性容易導(dǎo)致較小的腦部組織無法正常顯示

（4）應(yīng)用：心理和生理疾病、大腦認(rèn)知等領(lǐng)域

二、fMRI數(shù)據(jù)預(yù)處理

1、fMRI數(shù)據(jù)：4維數(shù)據(jù)，包括3維空間信息和1維時間信息。目前大都采用回?fù)芷矫嫦盗谐上馝PI方法采集fMRI功能像，采集的基本參數(shù)有重復(fù)時間TR、回波時間TE、層數(shù)Slice、空間分辨率、采集時間等。由于EPI采集速度快，導(dǎo)致時間分辨率低，還會出現(xiàn)信噪比較低的問題。雖然fmri數(shù)據(jù)空間分辨率高，但隨著其增加，體素逐漸變小，會降低信噪比，故體素一般設(shè)定為3×3×3mm

• 重復(fù)時間TR：脈沖序列相鄰的兩次執(zhí)行的時間間隔，表示掃描一個完整大腦所需要的時間

• 回波時間TE：表示第一個射頻脈沖到回波信號產(chǎn)生所需要的時間

• 層數(shù)（slice number）：掃描大腦獲得的總層數(shù)

• 體積（volume）：一個重建好的大腦就是一個volume

• 時間點(Time Point)：通常一個volume就是一個時間點

• 體素（voxel）：一個體素就是一個單位，大腦被分成了許多小方塊就是許多體素，通常功能像的分辨率為3mm×3mm×3mm

• 感興趣區(qū)（ROI）：即感興趣的腦區(qū)

2、公開數(shù)據(jù)集

• ADNI：阿爾茨海默病神經(jīng)影像學(xué)計劃（https://adni.loni.usc.edu/）
• ABIDE：自閉癥腦圖像數(shù)據(jù)集（http://fcon_1000.projects.nitrc.org/indi/abide/）
• Openneuro：包含正常被試、精神分裂癥、雙極型、情感障礙、多動癥等數(shù)據(jù)集（https://openneuro.org）

3、軟件包

• SPM：基于matlab的功能函數(shù)，主要用于分析腦成像數(shù)據(jù)序列，適用于fMRI、PET、EEG和MEG的數(shù)據(jù)分析，分析處理包括數(shù)據(jù)預(yù)處理和統(tǒng)計分析兩個部分（https://www.fil.ion.ucl.ac.uk/spm/software/download/）

• DPARSF：基于SPM的用于處理分析fMRI數(shù)據(jù)的工具包，給出所有數(shù)據(jù)預(yù)處理操作和一些常用數(shù)據(jù)分析處理功能，能夠?qū)崿F(xiàn)多功能的自動化處理和批處理功能（http://rfmri.org/DPARSF）

• MRIcro：大腦功能圖像分析和查看軟件。用于查看和分析fMRI數(shù)據(jù)，包括調(diào)整不同時間點，查看相應(yīng)的圖像，設(shè)置閾值劃分高信號值與低信號值，并可視化展示（http://www.mricro.com）

• BrainNet Viewer：基于圖論的腦網(wǎng)絡(luò)繪制工具，可以將腦網(wǎng)絡(luò)中的節(jié)點和邊以圖的形式展示，并結(jié)合大腦的結(jié)構(gòu)圖像，直觀地展示腦網(wǎng)絡(luò)中節(jié)點在大腦地位置分布情況，以及節(jié)點之間的連接情況。它不僅僅支持體素級別的大腦表層體積繪制，還支持各種常用的劃分模板作為節(jié)點的位置繪制(http://www.nitrc.org/projects/bnv/)

• FSL：功能齊全的 fMRI、MRI及 DTI數(shù)據(jù)分析工具(http://www.fmrib.ox.ac.uk/fsl/)

• WFU_PickAtlas：集人腦功能區(qū)定位與生成人腦 ROI模板于一體的軟件包(http://fmri.wfubmc.edu/)

4、fMRI數(shù)據(jù)預(yù)處理：對實驗獲取到的影像數(shù)據(jù)進(jìn)行一系列的校正、去噪、去除不必要的失真

• 格式轉(zhuǎn)換：將DICOM文件轉(zhuǎn)換為NIFIT格式

• 剔除時間點：為盡可能消除被試狀態(tài)波動的影響，一般會將被試的前5個或前10個時間點的數(shù)據(jù)剔除

• 時間層校正(Slice Timing)：由于對一個volume是逐層掃描的，這使得掃描到的圖像之間存在一定的時間差，無法在同一個時間點獲取全腦體素信號。所以需要對不同層的時間進(jìn)行校正，以消除采集時刻不同帶來的差異，即將每一個3維MRI數(shù)據(jù)的每一個slice數(shù)據(jù)校正到同一個時間點上

• 頭動校正(Realignment)：由于信號采集過程中，被試的呼吸、心跳等到來頭部晃動難以避免，這會導(dǎo)致掃描到的體素位置發(fā)生變化，造成檢測結(jié)果不準(zhǔn)確。所以通過剛體變換技術(shù)，將時間序列中采集到的圖像和參考時間點進(jìn)行配準(zhǔn)，使得圖像近鄰不發(fā)生移動或控制其移動范圍在一定的閾值內(nèi)

• 圖像配準(zhǔn)(Registrarion)：由于功能圖像分辨率較低，難以分析腦區(qū)的具體信息。所以將低分辨率的功能圖像配準(zhǔn)到高分辨率的解剖圖上，可以使得不同成像之間具有可比性

• 空間標(biāo)準(zhǔn)化(Normalization)：由于不同被試的大腦形狀和結(jié)構(gòu)存在差異，這使得獲取的影像數(shù)據(jù)不在同一個空間中，對后續(xù)的實驗和分析無意義。所以需將采集到的不同被試的大腦圖像映射到同一個MNI空間，消除大腦形狀不同帶來的差異，使得被試之間具有可比性

• 空間平滑(Smooth)：由于數(shù)據(jù)采集過程中存在許多不可抗外因?qū)е伦罱K采集到的數(shù)據(jù)與真實數(shù)據(jù)存在一定的偏差，影響最終的分析結(jié)果。所以需要對數(shù)據(jù)進(jìn)行平滑處理，能夠消除配準(zhǔn)、標(biāo)準(zhǔn)化等帶來的細(xì)微誤差，有助于滿足統(tǒng)計推斷過程中的高斯隨機(jī)場要求，提高數(shù)據(jù)的信噪比和參數(shù)統(tǒng)計檢驗的有效性

三、fMRI數(shù)據(jù)分析

1、實驗設(shè)計

• Block設(shè)計模式：設(shè)計方案簡單，操作便捷，獲取的BOLD信號較強(qiáng)，數(shù)據(jù)處理較為容易，但無法獲得block內(nèi)單次刺激的BOLD信號的時間曲線

• Event-related設(shè)計模式：可以探測單個刺激所引起的平均BOLD曲線，同時獲得較高信噪比的信號數(shù)據(jù)，但實驗設(shè)計較為復(fù)雜，數(shù)據(jù)處理較為不便

• Resting-state設(shè)計模式：不需要被試做任何認(rèn)知任務(wù)或者進(jìn)行任何額外的思考，實驗設(shè)計不復(fù)雜，重點是保持放松狀態(tài)，排除外界刺激的情況下通過采集被試大腦BOLD磁共振圖像，選取合適的ROI提取有意義的時間序列，反應(yīng)采集過程中大腦體素的信號強(qiáng)度變化情況，最終得到一條隨時間呈現(xiàn)特定規(guī)律和組織方式漲落的時間序列曲線

• Tasking-state設(shè)計模式：被試在實驗過程中會受到實驗所設(shè)置的或執(zhí)行任務(wù)所致的外界刺激，采集到的是人腦神經(jīng)活動所引起的血氧水平改變圖像

2、研究分類

• 功能分離：人類不同的特定活動所激發(fā)的大腦區(qū)域是不重疊的，大腦的不同區(qū)域有不同的功能，負(fù)責(zé)不同的活動，不需要與其他腦區(qū)進(jìn)行合作

• 功能整合：人類的行為和認(rèn)知不僅僅是某一個單獨(dú)的功能支撐，而是由整個大腦相互協(xié)作來完成的

3、評估指標(biāo)：ROC曲線、偏斜度分析、相關(guān)性方差分析

四、腦網(wǎng)絡(luò)連接分析

4.1 功能連接

1、簡介：功能連接研究功能協(xié)調(diào)的大腦網(wǎng)絡(luò)之間的信息處理和傳遞，能夠反映特定時間下腦區(qū)之間的交流方式和內(nèi)容，為研究不同腦區(qū)之間的信息傳輸和分工合作提供了方法。它衡量的是腦區(qū)之間的相關(guān)性，不具有方向性，一般通過計算大腦不同區(qū)域的信號來反映腦區(qū)之間關(guān)系的強(qiáng)弱。功能連接只能顯示功能連通性，并不表示兩個腦區(qū)之間存在因果關(guān)系，甚至兩個腦區(qū)之間也沒有任何直接聯(lián)系?？梢杂酶鞣N模態(tài)的數(shù)據(jù)和分析方法來評估功能連通性，如任務(wù)態(tài)fMRI數(shù)據(jù)分析特定任務(wù)刺激的功能連通性，靜息態(tài)fMRI數(shù)據(jù)的時間序列相關(guān)性來評估大腦中的功能連接

2、靜態(tài)功能連接SFC：能夠測量大腦中自發(fā)性BOLD信號在不同大腦區(qū)域之間的時間相關(guān)性，并假設(shè)具有相關(guān)活動的區(qū)域會形成功能網(wǎng)絡(luò)，認(rèn)為腦區(qū)之間的功能連接是不隨時間的變化而變化的。常用的研究方法包括模型驅(qū)動法、數(shù)據(jù)驅(qū)動法和功能網(wǎng)絡(luò)連接分析法

（1）模型驅(qū)動法：適用于實驗設(shè)計參數(shù)都非常確定的數(shù)據(jù)，可以比較方便和準(zhǔn)確地獲取與實驗任務(wù)相關(guān)地腦激活區(qū)域，但往往需要大量的空間域或時間域上的先驗知識和假設(shè)作為基礎(chǔ)。常用方法有相關(guān)分析法CCA、一致性分析法CA和統(tǒng)計參數(shù)圖分析法SPM等，其中相關(guān)分析法和一致性分析法需要ROI的精確定位先驗信息，而統(tǒng)計參數(shù)圖分析需要關(guān)于刺激模式的先驗信息，這些會限制從全局角度獲得腦功能連接網(wǎng)絡(luò)

• 相關(guān)分析法CCA：通過相關(guān)系數(shù)分析兩個腦區(qū)之間的相關(guān)程度，當(dāng)相關(guān)系數(shù)大于某一設(shè)定的閾值時，則認(rèn)為這兩個腦區(qū)之間存在功能連通性。常用的度量方法有皮爾森相關(guān)、對數(shù)似然相似度和互信息。以皮爾森相關(guān)為例，它的分析流程為（1）確定ROI所包含的大腦區(qū)域或體素的位置（2）獲取ROI的時間序列（3）利用皮爾森相關(guān)系數(shù)計算ROI和腦區(qū)之間對應(yīng)的系數(shù)（4）對得到的相關(guān)系數(shù)做進(jìn)一步分析。該方法的缺點是需要根據(jù)神經(jīng)認(rèn)知的先驗知識人工選取種子點/ROI，ROI的選擇具有偶然性和隨意性

• 一致性分析法CA：將時間域內(nèi)的時間過程之間的互相關(guān)性轉(zhuǎn)換到了在頻譜域內(nèi)相應(yīng)的功率譜之間的一致性分析。能夠在一定程度上消除互相關(guān)分析方法易受生理噪聲影響的不足，但是該方法仍然受制于種子點或感興趣區(qū)的隨意性選擇帶來的影響

• 統(tǒng)計參數(shù)圖分析法SPM：以腦功能成像數(shù)據(jù)的每個體素為基本單位，逐體素進(jìn)行統(tǒng)計分析，以得到某個顯著性水平下的腦功能激活圖，并以此為基礎(chǔ)計算出某些（或全部）激活區(qū)的生理信號時間變化或任務(wù)相關(guān)曲線

（2）數(shù)據(jù)驅(qū)動法：多變量分析方法，無需依賴任何實驗?zāi)Ｐ偷姆治龇椒?，常用方法有主成分分析法、?dú)立成分分析法和聚類分析法

• 主成分分析法PCA：根據(jù)最大方差提取出數(shù)據(jù)的主要成分，再利用主要成分進(jìn)行特征提取和分類預(yù)測工作。通常利用維數(shù)小于原始數(shù)據(jù)的基向量，使得原始高維數(shù)據(jù)能夠投影到低維空間，實現(xiàn)降維目的，從而去除數(shù)據(jù)中的冗余值，消除數(shù)據(jù)噪聲，減少數(shù)據(jù)的特征維度，并在剩余維度中保留原始數(shù)據(jù)的特征信息

• 獨(dú)立成分分析法ICA：從信號盲源分析中發(fā)展而來的一門有效的成分分析技術(shù)。利用混合矩陣和獨(dú)立的成分矩陣表示實驗數(shù)據(jù)，有效的成分可以被認(rèn)為是一個網(wǎng)絡(luò)。所得的成分往往對其進(jìn)行z_score轉(zhuǎn)換，z分?jǐn)?shù)越高則對應(yīng)體素之間的功能連接更強(qiáng)。該方法不會預(yù)先定義ROI，而是通過原數(shù)據(jù)分離出多個成分，然后計算成分之間的功能連接

• 聚類分析方法CA：根據(jù)某種相似性規(guī)則(歐氏距離、皮爾森距離)，將相似性的體素聚集在一起，從而形成多個代表不同腦功能連接網(wǎng)絡(luò)的聚類，通常將聚類獲得的每一類稱為大腦的一個狀態(tài)。常用的方法有模糊聚類FCA、層次聚類HC和仿射聚類APC

（3）功能網(wǎng)絡(luò)連接分析法FNC：綜合數(shù)據(jù)驅(qū)動和模型驅(qū)動。和基于ROI的方法類似，但該方法還能反映出腦區(qū)和腦區(qū)之間的連接隨時間的變化帶來的差異。計算步驟為（1）用獨(dú)立成分分析法提取出被試的獨(dú)立成分（2）用時空回歸等多種方法分解出成分的時間序列（3）計算每個網(wǎng)絡(luò)成分時間序列的平均（4）計算網(wǎng)絡(luò)之間的功能連接

3、動態(tài)功能連接DFC：功能連接具有特殊的時間動態(tài)性，這種動態(tài)性能夠捕獲靜態(tài)功能連接檢測不到的信息，更能反映功能連接的時間特性，揭示腦區(qū)之間的信息交流。常用的方法有滑動窗口法和無窗口法

（1）滑動窗口法

• 步驟：（1）確定每個滑動窗口的長度(30s-60s為宜)和步長（2）計算每個窗口所包含的體素之間或腦區(qū)之間時間序列的相關(guān)系數(shù)（3）對相關(guān)系數(shù)進(jìn)行z分?jǐn)?shù)并作為窗口的功能連接矩陣(對稱矩陣)（4）取出每個窗口功能連接矩陣上(下)三角并將其轉(zhuǎn)換為列向量，將這些列向量按行拼接成一個功能連接矩陣（5）對所有窗口進(jìn)行K均值聚類，獲得動態(tài)功能網(wǎng)絡(luò)連接的穩(wěn)定模式

• 局限性：窗口長度不同將導(dǎo)致研究結(jié)果的不同。窗口太短，窗口所包含的數(shù)據(jù)就十分有限，計算得到的連接不夠穩(wěn)定，難以準(zhǔn)確表示一段時間內(nèi)的動態(tài)功能連接；窗口太長，則接近于靜態(tài)功能連接，無法反映動態(tài)功能連接的時間特性

（2）無窗口方法：能夠有效解決窗口長度缺乏統(tǒng)一標(biāo)準(zhǔn)的問題，但依舊需要進(jìn)行更深入的探索。常用的方法有時頻分析，即讓觀測窗口與時間進(jìn)程的頻率相適應(yīng)

4.2 有效連接

1、簡介：衡量一個腦區(qū)的活動是否會因為另一個腦區(qū)的活動的變化而變化，特點是動態(tài)性和因果性，在靜息態(tài)下能反映無外界刺激的情況下大腦內(nèi)部的信息流向，同時考慮節(jié)點之間的相互影響。有效連接具有方向性，它不僅考慮時間因素，還考慮腦區(qū)之間信息的傳遞方向，常用方法有格蘭杰因果模型GCM和動態(tài)因果方程模型DCM。使用有效連接可以提取更多大腦網(wǎng)絡(luò)的特征，從而提高腦網(wǎng)絡(luò)研究的深度

2、方法

• 格蘭杰因果分析GCA：不需要事先假定研究區(qū)域間存在解剖連接即可在全腦水平進(jìn)行因果分析，形成GCM模型，且選擇ROI較為方便。缺點是無法很好的識別變量間的弱耦合至中耦合關(guān)系，容易受到噪聲影響

• 交叉收斂映射CCM：以狀態(tài)空間重構(gòu)理論以及 Takens嵌入理論為理論基礎(chǔ)，利用變量的重構(gòu)空間之間的微分同胚特點，通過重構(gòu)空間的相互預(yù)測來判斷變量之間的因果關(guān)系。更加適用于類似于人腦的不可分離的動態(tài)系統(tǒng)

4.3 復(fù)雜網(wǎng)絡(luò)

1、圖論：分析復(fù)雜網(wǎng)絡(luò)的有效工具，為量化復(fù)雜系統(tǒng)的結(jié)構(gòu)提供了一個強(qiáng)大的數(shù)據(jù)結(jié)構(gòu)框架，為分析復(fù)雜系統(tǒng)的拓?fù)涮匦蕴峁┝藴?zhǔn)確的方法和指標(biāo)

2、拓?fù)鋵傩苑治?/strong>