使用spm预处理fMRI数据

新手学习，记录学习笔记，欢迎交流~

1.基本概念

Volume（容积/体积）/frame/time point（因为4d文件是包含时间的，可以称为时间点）/scan/一个TR即一帧(frame)采集到的图像称为一个volume，每一帧图像都是一个3D全脑

TR：重复时间，即得到一个完整大脑所需时间

TA：一次全脑扫描中，最后一层与第一层的时间间隔；

TA=TR-（TR/扫描层数）

slice timing：扫描层数。扫描大脑是一层一层扫描的，通常是隔层扫描，因为信号可能会受到相邻层的影响，所以需要隔层扫，比如先扫1 3 5 7再倒回去扫2 4 6 8层这样。然后再把这些层重建成一个完整的3D大脑。

Run/Session： 一次4D-fMRI数据采集，整个4D-fMRI的采集时间；推荐参数：至少6分钟，8分钟及以上最优。一般静息态是1个，如果是任务态，那么可能中途要休息一次分两次扫描，session就是2个。

Reference slice：时间层校正的参考层，也就是TR/2对应的层数

时间层校正后的文件带有a开头，表示校正后。

2.预处理流程--NARWSDCF

N：格式转换，把存储原始fMRI信息的数据转换为NIFTI格式

A：时间层校正，变为a开头文件

R：realign--estimate&res头动校正：统计分析需要假设每个体素在各个时间点都对应大脑的同一个位置。头动校正是去除头动的干扰

W：分为一步配准和两步配准，这里是两步配准：

·normalize--estimate&write空间标准化：将个体的BOLD图像转化到标准空间

·coregister配准：把高分辨率、高灰质/白质对比度的T1像配准到BOLD空间，结构像与功能像配准

·segement：分割灰质，白质和脑脊液

S：smooth：空间平滑

D：detrend去除线性趋势：去除大时间尺度上，非神经活动引起的BOLD信号的偏移

C：nuisance coviriates regression 回归协变量

F：filter 滤波：滤出BOLD信号所处的频率段的数据。目的是降噪。BOLD信号所处0.01~0.08hz
然后

（1）首先是格式转换：使用dcm2niigui，将原始数据文件夹整个拖进去

 

或者使用microGL（既可看图又可转换文件）

 

（2）第二步是A：时间层校正，

打开spm，点击slice timing--data--点击session

 导入进nii文件，注意把右下角的1换为inf（无限的意思），然后右键--select all

（可以提前把matlab的路径设置成存放文件的路径，这样方便选择）

 

frame：1  --第一帧的图像 ，一般写成inf（无穷，可以包含所有的图像）

filter旁边的白色长空格可以输入文件名来筛选文件

选完点done

扫描层数：33层 

 

 填写TA

扫描顺序：1是首项，2是步长，33是尾项；两个等差数列之间用空格隔开（会自动判断是否结束）。翻译过来就是1 3 5 7层 ... 2 4 6 8层...这样的扫描顺序

参考层：中间层的层数（第33层）

 填好了然后点绿色的符号开run！

（3）R：realign 头动校正

 

双击

 

只筛选以a为开头的文件（上一步生成的时间校正后的文件）

文件选中就可以运行了。Num passes 后面的register to mean：选中to fist 与第一张图象对齐，to mean，就是与平均的对齐

 处理完一共多了这三个文件，txt的Rotation parameter：头动参数；看它有没有超过2的（控制）但spm不做处理，只有原始数据，一般不会人工手动筛选。（用restplus可以自动筛选）

（4）W:两步配准法

    一步配准法（EPI配准）：个体fMRI---线性+非线性--->标准空间fMRI（Normalize(Est&Wri)）
    两步配准法（T1配准）（EPI distortion）：
    1.个体T1---线性---->配准到个体fMRI的个体T1（Coregister(Estimate))
    2.配准到个体fMRI的个体T1--->线性+非线性---->个体到标准空间的形变场（Segment）--形变场记录了卷纸是如何变成和抽纸一样形状的过程
    3.个体fMRI---应用第二步的形变场--->标准空间fMRI（Normaliz&Write）

根据情况选择不同的配准法，这里介绍两步配准法

T1选为source image 

 

voxel改为3 3 3

 

设置bounding box边界框：固定值，代表生成文件图像整体的范围是多少

然后点segment（也可以先选，之后来设置这些参数）

再选择normalise

 

点dependency

 

 

 

修改boundingbox和体素3 3 3

 

Run

生成wra开头的文件 

（5）平滑

把上一步的文件wra开头的导入，平滑核6 6 6（体素的2-3倍，一般就用2倍） 

 run

得到swra开头文件

剩下几步用restplus做（实际上上述步骤都可以用restplus批量处理）

Restplus

Set path--add with subfolders-添加restplus的文件夹

打开pipeline

Matlab切路径到restplus

 

work directory选择所用文件的上一级文件夹

EPI directory选择功能像，T1 directory选择T1的文件夹（原始数据） 

其中，2和5可选可不选

每一项的参数根据自己实际需要来调整即可（略）