fMRI介绍:
低分辨率的功能像要与高分辨率的解剖像叠加融合,或配准到已知的空间解剖结构中表现出来是FMRI数据处理和分析的主要任务
Fmri原始数据是以dicom数据格式存在的压缩文件,解压后,得到原始文件。原始文件以“IMA”下为后缀。对于功能像(fMRI)的数据,有多少个TR就有多少个IMA图像文件,即每个IMA文件就是一个完整的volume;MRI数据也是一个完整的volume
FMRI预处理:
-
头部运动的校正是一个理想的单体 (Subject)单模态(Modality)配准,常基于刚体运动模型,迭代计算平移、旋转参数,使参考图像(通常为时间序列的第一幅)与后续序列图像之间的不匹配程度最小化,实现所有时间序列图像的配准。
-
配准(Registration)。低分辨率的EPI功能图像经常需要叠加在高分辨率的解剖图像上进行功能区的辨认,通过配准功能激活映射图和解剖图像实现。因Ghost效应及磁敏感效应导致EPI图像的几何及强度变形,需要对变形的图像进行反卷积(Unwrapping)校正。这是一个单体多模态配准。
2015年 IEEE 13th European Signal Processing Conference
Bayesian maximum a posterior DOA estimator based on Gibbs sampling
-
归一化(Normalize)。将检测的功能激活区准确地映射到高分辩率的解剖结构图上是fMRI可视化的关键,功能激活映射图根本不含任何解剖信息,无法和解剖图配准,但功能映射图和功能图像可共享同样坐标系统,故可以先把功能图像与解剖图像配准,将得到的变换应用于功能映射图与解剖像之间。把空间校正产生的平均图像(Mean image)或配准好的解剖图像与预先设计好的标准解剖空间的模板图像(Template image)的卷积参数应用于每一个断层图像(Slice image)。这样就可以保证不同样本、不同模态的图像数据在相同的坐标系统进行评价。对于单样本分析,可以不归一化到标准空间,而是到单独创建的模板上;对于脑占位或梗塞等脑结构明显受损的样本图像,务必不能归一化到正常的模板上,自动算法的线性和非线性转换过程中会抹除所有受损部位的特有信息,使归一失败,对于这样的样本,除了用单独创建的模板外,还可以采用有偿函数遮盖(Cost-function Masking)技术对病变部位进行遮盖处理,然后再归一化到标准空间中以资比较 。归一化的本质是一个多体多模态配准。
常用数据集:
project: ABIDE 自闭症脑成像数据集
数据集一共提供了:这些站点已聚集并公开共享了539名患有ASD和573个典型对照者的神经影像数据。这1112个数据集由结构MRI数据(sMRI)和静止状态功能MRI数据(rs-fMRI)以及大量的表型信息组成。
ABIDE项目网址: ABIDE
常见功能分区方法:
Nilearn完成ICA功能分区: ICA