fMRI脑影像特征提取——静息态与任务态，ALFF/fALFF和ReHo（Dpabi，Rest1.8）

| 图源

  任务态和静息态是大脑的两种状态，前者主要是指大脑在执行记忆、识别以及运动等具体任务时的状态，静息态则是指大脑不执行具体认知任务、保持安静、放松、清醒时的状态，是大脑所处的各种复杂状态中最基础和最本质的状态。任务态fMRI分析有非常悠远的历史，而静息态fMRI自1995年biswal教授及其同事率先报告静息态fMRI具有生理意义后，越来越多的人进入了静息态的研究领域。任务态fMRI主流的分析方法是模型驱动（GLM+HRF），也可以引用静息态fMRI分析方法。静息态fMRI分析方法是数据驱动的，常见的有功能连接（FC）分析——上篇文章介绍，局部一致性（ReHo）分析，低频波动振幅（ALFF）分析——本文介绍。FC、ReHo、ALFF都是描述fMRI影像非常有用的特征。

  原创不易，转载请注明出处

copyright © 意疏：https://blog.csdn.net/sinat_35907936/article/details/118264261。初学小白，如有错误，还望不吝指出。

---

任务态与静息态

---

  任务态和静息态是大脑的两种状态，前者主要是指大脑在执行记忆、识别以及运动等具体任务时的状态，静息态则是指大脑不执行具体认知任务、保持安静、放松、清醒时的状态，是大脑所处的各种复杂状态中最基础和最本质的状态¹。研究表明，在大脑消耗的全部能量中，静息态的能量消耗，要远远高于与任务相关的神经元代谢增加，如果只研究任务态，那我们获取的关于大脑的知识将是非常有限的²。所以，自1995年biswal教授及其同事³率先报告静息态fMRI具有生理意义后，越来越多的人进入了静息态的研究领域。

  任务态fMRI（task-fMRI），就是在大脑执行具体任务时的fMRI影像，其基于很强烈的模型假设，即在特定实验任务刺激的情况下，相对于没有该实验任务刺激（基线baseline——往往是静息态）时，某些大脑区域的fMRI（BOLD）信号会发生显著变化（激活），且信号变化符合HRF函数。在采集task-fMRI数据之前，需要精细的实验设计——需要知道任务是什么，基线是什么，任务什么时候开始，持续多长时间，任务与基线交替几次等等，实验设计是task-fMRI的灵魂。如图1²上面那幅图所示的就是一个睁眼闭眼任务的简单实验设计范式，睁眼是任务（这里不知道有木有给被试看什么东西，比如动画片什么的），闭眼是基线，它们开始的时间，持续的时间，交替次数都可以从图中看到。

  task-fMRI之所以需要精细的实验设计，首先是因为它是模型驱动的，如果实验设计都很粗糙，做出来的结果可能也粗糙，其次就是在采集task-fMRI数据时，基线数据和任务数据是交替混在一起的，在分析task-fMRI数据时，我们需要准确的时间信息才能用基于模型（GLM，广义线性（回归）模型+HRF）的数据分析方法，分别得到每个体素的fMRI（BOLD）信号与任务信号（睁眼闭眼任务中为：0 1 0 1 0 1 0 1 0 1 0）和基线信号（睁眼闭眼任务中为：1 0 1 0 1 0 1 0 1）的相似程度${\beta }_1{\beta }_{}$