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