[转载]静息态fMRI、DTI、VBM

[转载]静息态fMRI、DTI、VBM

(2014-06-19 19:00:15)

转载▼

标签： 转载

分类： fMRI-EEG

原文地址：静息态fMRI、DTI、VBM作者：426l

一、 简介 1、静息态fMRI数据处理学习内容 BOLD-fMRI技术自1990年发明至今，已经成为研究人脑功能的不可替代的手段。但20年来，除了少数单位将BOLD-fMRI用于协助脑病变术前功能定位，基本上未用于临床实践。近几年来，由于数据分析方法的进步，静息态fMRI正在被越来越多地用于临床基础研究。与PET或SPECT相比较，静息态fMRI有较好的时间分辨率、不需要注射放射性药物；与EEG相比，静息态fMRI有较好的空间分辨率；与任务状态fMRI相比较，静息态fMRI简单方便、可重复性好。这些优点，使得静息态fMRI具有较好的临床应用前景。静息态fMRI已经被用于各种神经精神疾病的研究，如癫痫、Parkinson 氏病、Alzheimer氏病、精神分裂症、抑郁症、儿童注意缺陷多动障碍、创作后应激障碍、自闭症以及脑肿瘤的术前功能定位等等。 事实上，所谓静息态（resting-state），只是状态（states）的一种而已，研究者可以根据自己的需要，设计各种各样的状态（states），比如情绪激发状态、成瘾者的渴求状态、针灸的“得气”状态等等。这几种特殊的状态，往往不适合用传统的block设计或事件相关设计。这种状态fMRI（state-fMRI）可以大大拓宽实验设计的范式。State-fMRI数据处理，与传统的block设计或事件相关设计的数据处理也有很大不同。除了脑疾病研究，Resting-state-或state-fMRI也正在被越来越多地用于认知科学的研究以及针灸的研究，甚至被用于神经系统之外的研究，如肝、肾、四肢等。 本部分主要内容包括： 1) 使用REST DICOM Sorter整理原始数据。 2) 使用SPM对数据进行预处理。 3) 使用REST对数据进行去线性趋势、滤波等操作，以及使用REST进行Functional Connectivity (FC)，Regional Homogeneity (ReHo)，Amplitude of Low-Frequency Fluctuation (ALFF)和Fractional ALFF (fALFF)计算。 4) 使用DPARSF进行批处理分析(从DICOM数据到预处理，再到FC，ReHo，ALFF，fALFF结果)。 5) 使用REST和DPARSF去除协变量，提取感兴趣区(ROI)或AAL脑区的时间序列。 6) 使用SPM和REST(Release 100506新增内容)进行统计分析。 7) 使用REST Slice Viewer查看结果，设定cluster size，制作ROI mask，保存图片用于发表。 8) 多重比较校正：Monte Carlo模拟与Bonferroni、FDR、FWE校正的区别，以及REST AlphaSim的使用。 9) REST Image Calculator的使用。 10) 其他功能：.nii数据的转换，REST读写接口的使用。 2、 DTI数据处理学习内容 DTI作为一种新型的磁共振技术，是目前最常用的非侵入性研究大脑白质结构的技术手段。利用DTI的各种扩散属性指标如FA， ADC值，可以了解大脑白质结构的完整性信息；通过纤维跟踪技术可以对大脑白质纤维束进行重建和可视化，研究不同脑区之间的解剖连接和神经环路，从而进一步揭示大脑的结构和功能信息。由于其无创性和基于活体研究的特点，DTI已经广泛地应用于各种神经精神疾病，如精神分裂症，阿尔茨海默症，多发性硬化和抑郁症等的研究。众多研究表明神经精神疾病都伴随着脑白质的异常变化，这对于认识疾病的发病机理和病变机制有重要意义。 本部分的培训内容主要分为以下几个方面： 1) DTI数据的预处理（数据格式转换，图像质量检查，涡流校正）  2) 利用DTIStudio软件进行各种扩散属性指标的解算 3) 利用DTIStudio软件进行纤维跟踪，可视化，以及定量分析 3、VBM数据处理学习内容 VBM (Voxel Based Morphometry)是一种基于体素的针对脑组织结构的形态学测量方法。它通过计算磁共振图像（主要是高分辨率的结构扫描图像）中脑的灰质/白质的变化来定量分析不同群体脑结构的特征和脑组织成分的差异，从而替代了传统上人工勾画感兴趣区域（ROI）的方法，提高了测量的准确性和可重复性，能够准确、全面评价不同群体脑的神经解剖变化。目前，这种分析方法已经广泛应用于精神分裂症，阿尔茨海默症，抑郁症等多种神经精神科疾病的研究。 本部分的培训内容主要分为以下几个方面： 1) VBM基本介绍，包括VBM的基本原理，分析过程中采用的SPM8的Dartel Tools，New Segment和VBM8－Toolbox的介绍 2) VBM脑结构图像的预处理，包括图像的分割，标化和平滑及其相关的参数选择 3) VBM的统计学分析基本流程以及结果的展示