在上篇的结尾我说“其实我还有很多地方不是特别明白”,秉持着做学问应当有深究到底的精神,我昨晚通过查各种资料、问GPT等方式,基本上解决了我的困惑。虽然我知道,这只是一个很小的知识,把它理解地很透彻对我即时能力的提升帮助不是很大,但是我相信,正是这些一个又一个小知识的掌握,让小白成为更优秀的小白。
我不明白的第一个点在于:MNI标准模板到底是什么,它是怎么得到的?
解答:MNI标准模板本质上就是一个标准的MRI像。MNI的建立过程大致可以理解为:研究者先采集了一批健康被试(假设有n个)的MRI像,然后以一个MRI像为基准,把剩下的n-1个MRI像都通过放大、缩小、拉伸等操作放到基准MRI像上,然后把这n个MRI像做平均,就得到了MNI标准模板。(GPT说MNI模板长这个样子,仅供参考吧:
那么问题又来了,以哪个MRI像为基准呢?
解答:在最初的MNI标准模板建立之前,有研究者用一位60岁女性的脑解剖结构建立了第一个3D大脑模板,名字叫做Talairach模板,这个模板和MNI模板类似,也是由X Y Z三个维度组成,但是参考框架和坐标点有所不同。第一个MNI标准模板在建立的过程中,使用的基准就是Talairach模板。之后再建立新的MNI标准模板的时候,就是以第一个MNI标准模板为基准了~
最后一个问题,收到了fNIRS数据,到底怎么把fNIRS的空间标准化(又可以叫做映射)到标准MNI空间中?
这其实就是上篇文章所说的”概率配准方法“,这个方法的大致过程我理解,不理解的点在于,为什么要在空间标准化之前先收集n个被试的MRI像(每个MRI像中都标记了5个颅骨参考点以及10-20参考系统参考点,这些MRI像被标准到MNI空间),然后把这n个被试的MRI像配准到标准的MNI空间,然后再测量要做空间标准化的被试(假设有m个)的光极、测量通道的三维坐标,将其分别映射到n个被试的MRI像中……
目前我对这个问题的理解是(问了我做近红外的师姐):首先,我们有感兴趣的脑区,然后利用光极去测感兴趣脑区的血液动力学活动,那么我们怎么知道我们的光极放对了位置呢,也就是说,我们怎么知道光极的位置确实是属于感兴趣脑区的呢?所以在正式实验之前,我们需要先做好帽子,然后把帽子戴到被试头上,去扫被试的MRI结构像,看一看光极和测量通道所在的MNI坐标,看看它是不是在感兴趣的脑区。其次呢,
MNI标准空间模板里没有标注10-20参考系统的参考点,我们没有参考点可以将m个被试的脑解剖映射到MNI标准空间中,所以,先收集n个被试的MRI像(并且每个MRI像中都标记了5个颅骨参考点和10-20参考系统参考点)应该是起到了个中介、桥梁作用,将m个被试和MNI标准模板联系起来。
此时我们再来回顾一下“概率配准方法”:
①收集n个健康被试的MRI像,在MRI像中标记出5个颅骨参考点和10-20参考系统参考点,然后将n个MRI像配准(其实就是放大、缩小、拉伸等操作)到标准MNI模板中。
②对于m个被试,每个被试都测量其5个颅骨参考点、21个10-20参考系统参考点的三维坐标,将分别映射到n个已经配准到标准MNI模板的MRI像中,达成“将被试的fNIRS帽子虚拟地放置在n个被试头上”的效果。最终的结果就是,每个被试的5+21=26个参考点分别得到了n个MNI坐标,分别将26个参考点的n个MNI坐标平均,就可以得到每个被试每个参考点的MNI坐标。
但是这个方法有点繁琐,m个被试,每个被试都用三维定位仪定位26个参考点的三维坐标,工作量太大了。所以在正式实施的过程中,研究者可能会对此过程进行简化:①收几个典型被试的MRI像,看做好的帽子的光极对应的MNI坐标在不在感兴趣脑区,以及两个被试的MNI坐标差别大不大,如果不在或者差别较大,就接着调,调好之后再进行下一步骤;②收集m个被试的fNIRS数据,不再对每个被试测26个参考点的三维坐标,直接假设m个被试的fNIRS帽子虚拟地戴在典型被试头上,也就是,m个被试的头和典型被试的头长得一模一样,m个被试的MNI坐标和典型被试的MNI坐标也完全一样。最后报告的时候,报告的MNI坐标就是典型被试的MNI坐标。