MRI脑影像分析从哲学到技术：一文搞懂VBM预处理基本原理（全网最详细解析）

最新推荐文章于 2025-05-11 22:23:26 发布

漆比特

最新推荐文章于 2025-05-11 22:23:26 发布

阅读量2.9w

点赞数 123

分类专栏： MRI脑影像分析从哲学到技术再到点点点文章标签： VBM 脑影像分析 sMRI VBM预处理高斯平滑

本文链接：https://blog.csdn.net/sinat_35907936/article/details/110087260

版权

VBM(基于体素的形态学方法)是一种分析大脑结构差异的技术。通过对MRI图像进行空间归一化、偏置场校正、分割、调制和平滑等预处理步骤，实现大脑组织的自动化分割和统计分析。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在这里插入图片描述

基于体素的形态学方法（voxel-based morphometry, VBM），是分析大脑解剖学（结构）差异最常用方法之一。其通过给大脑volume逐体素打标签（分类）的方式来进行组织分割（segmentation），过程高度自动化，比传统的基于ROI先验假设的分析方式（manual ROI tracing）得到的结果，更加具有 稳定性和可重复性。

VBM分析基于（高分辨率）MRI脑部扫描图像（一般用T1加权图像），涉及的预处理步骤主要包括：空间归一化（spatial normalisation——分割和比较的前提），偏置场校正(bias field correction——降低相同组织的亮度值差异，有利于组织分割)，分割（ segmentation），调制（modulation——把空间归一化过程中产生的变形场（ deformation field）作用到分割结果上，使其中保留原来个体的组织体积）平滑（smoothing ——去噪，弥补分割缺陷，便于统计分析），流程如上图，图源¹。

以下内容，主要源于笔者对NBAlab卢家峰老师的教学视频和PPT的理解性整理和大量的阅读拓展，初学小白一枚，如有错误之处，还望不吝指出。

原创不易，转载请注明出处。

copyright©意疏：https://blog.csdn.net/sinat_35907936/article/details/110087260

空间归一化（spatial normalisation）

为什么要空间归一化——哲学

1、VBM组织分割时，需要使用不同组织的组织概率图（Tissue probability maps，TPM）来作为分割的先验，具体细节见后文。而这些TPMs都是被归一化（配准）到了一个公共模板上了的，所以使用VBM来进行组织分割前提就是，将被试的脑袋归一化到公共模板上。另外，单样本统计分析常常是和一个标准进行比较，而这些标准也是配准到了公共模板的。

2、不同的人，脑袋大小形状都不一样，不同次的扫描，脑袋的摆放位置也不一样，如图1所示，图源¹。而多样本统计分析寻找局部解剖结构变化的显著性，往往只是通过对应位置值相减，再通过假设检验来得到的。

也就是说，如果所有被试的图像相同空间坐标对应的解剖位置不基本一致，即没有一致性，那相减得到的并不是对应组织结构的变化，差异是没有意义的，无法进行进一步组水平统计分析。所以需要让所有被试的脑袋在不失皮质特征差异的前提下，都对齐到公共模板上，以校正大脑整体形状和解剖位置的差异。让不同的被试，不同的扫描之间具有可比性或者一致性。

MRI脑影像：大脑形状位置差异