使用 Python 对大脑成像数据进行可视化分析

简介

大脑是人类目前所知的最复杂的器官，为了很好的了解大脑这个器官，我们做了很多努力，核磁共振成像 (Magnetic Resonance Image,MRI) 技术就是其中的重要突破，通过 MRI 的方式，我们可以获得大脑的一些数据。

近年来，随着机器学习的兴起，医学数据与机器学习结合使用的情况越来越多，而要有效的使用好医学数据，其前提就是处理好这些数据，本文内容会重点介绍如何使用 Python 来处理与分析这些脑成像数据，不会涉及过多医学知识。

sMRI 与 fMRI

脑成像相关的数据可以去 SPM 网站中下载，SPM 的含义是统计参数映射 (Statistical Paramtric Mapping)，MRI 生成的数据其实就是一种参数映射数据，当然，更加方便的是在工作公众号中回复 data3 获得相应的数据与 jupyter 代码文件。

下载后，其中有 4 个文件，其中 README 开头的为描述文件，fM00223 为功能性核磁共振 (funciton MRI,fMRI) 成像数据，sM00223 为结构性核磁共振 (structural MRI, sMRI) 成像数据。通过描述文件可知，这些数据是一个人躺在 MRI 机器上听「双音节词」时大脑的成像数据。

为了方便理解后面数据处理的内容，有必要理解 sMRI 与 fMRI 是什么以及两者的差异。

结构性核磁共振 (sMRI)

因为人的体内存有大量的水分子，而水分子中还有氢原子，sMRI 其实就是利用氢原子来成像，这意味着人身体中的内脏、软组织等含有高水分与脂肪的器官会被清楚的扫描出来，而大脑就是这样的一个器官，通过 sMRI 可以清晰的看到大脑中的密集结构与大量细节，但 sMRI 的成像无法观察到大脑的运动情况，即无法判断那些部位目前是比较活跃的，只能给出大脑的结构细节。

如下图，科学家利用 sMRI 对人体腹腔进行成像，从图可以看出，腹腔的结构很明显。

功能性核磁共振 (fMRI)

为了弥补 sMRI 的缺陷，fMRI 应运而出，fMRI