使用 DPABI 进行 rs-fMRI 预处理的完整流程

yuzhounh

已于 2025-04-26 09:35:26 修改

阅读量131

点赞数

文章标签： DPABI rs-fMRI fMRI 预处理 SPM

于 2025-04-26 09:33:28 首次发布

原文链接：https://metaso.cn/s/HjzT7SF

版权

以下是DPABI软件中rs-fMRI预处理的完整流程及其关键要素的详细说明：

一、DPABI软件基础配置

安装与启动
- 下载DPABI工具箱（支持Windows 10 Pro、MacOS、Linux），将其路径添加到MATLAB环境变量中，输入命令dpabi启动图形界面。
- 支持独立运行（无需MATLAB）或通过Docker容器执行批处理脚本。
版本特性
- DPABI V5.1及以上版本整合了AAL3脑模板和BrainImageNet模块，支持基于结构影像的性别预测和阿尔茨海默病分类。
- 新增DPABISurf模块（基于表面的分析）和fMRIPrep后端，优化了多会话数据处理。

二、rs-fMRI预处理核心流程

1. 数据准备

格式转换：将原始DICOM格式转换为NIfTI格式（支持3D或4D文件），确保数据兼容性。
剔除初始时间点：去除前5-10个时间点（通常前10个），消除磁场不均匀性和被试适应期的干扰。

2. 时间层校正（Slice Timing Correction）

目的：校正因层间采集时间差异导致的信号错位。
参数设置：需输入重复时间（TR）、层数（如32层）、扫描顺序（如隔层升序/降序），并指定参考层（通常为中间层）。

3. 头动校正（Realignment）

方法：采用刚体变换对齐所有时间点到第一帧图像，生成头动参数（平移X/Y/Z，旋转Roll/Pitch/Yaw）。
质量控制：排除头动过大被试（平移>2-3 mm，旋转>2-3°），计算帧位移（Frame Displacement, FD）和平均FD（阈值通常为FD < 0.2-0.5）。

4. 结构像（T1）处理

配准与分割：将T1像与功能像配准，分割为灰质（GM）、白质（WM）、脑脊液（CSF），用于后续去噪。
标准化：将结构像配准至MNI标准空间，提高跨被试一致性。

5. 空间标准化（Normalization）

方法：使用EPI模板或T1像的DARTEL算法，将功能像映射到MNI空间，重采样体素（如3×3×3 mm³）。
质量控制：检查标准化后的脑区对齐情况（如灰质边界与模板匹配度）。

6. 空间平滑（Smoothing）

参数：高斯核半高宽（FWHM）通常为4-8 mm（如6 mm），平衡信噪比与空间细节。
例外情况：生成ReHo（Regional Homogeneity）图时省略平滑步骤。

7. 无关变量回归（Nuisance Regression）

协变量：回归24个头动参数（Friston模型）、全脑平均信号、WM信号、CSF信号及线性漂移。
去线性漂移：消除设备或生理因素引起的基线漂移。

8. 滤波（Bandpass Filtering）

频带范围：保留低频振荡信号（通常0.01-0.10 Hz），部分研究选择0.01-0.08 Hz以减少高频噪声。
ALFF/fALFF处理：计算低频振幅（ALFF）时需保留滤波步骤。

三、质量控制指标

头动参数：平移（X/Y/Z）和旋转（Roll/Pitch/Yaw）的均方根（RMS）及最大位移。
帧位移（FD） ：逐帧头动指标，用于排除头动过大的时间点或被试。
信号噪声比（SNR） ：评估预处理后信号质量，高SNR表示低噪声干扰。
空间标准化检查：通过QC界面可视化配准效果，确保脑区与MNI模板对齐。
协变量回归效果：通过时间序列相关性分析验证噪声信号（如WM/CSF）的去除效果。

四、操作注意事项

数据组织：需按标准目录结构存放功能像（FunImg）和结构像（T1Img），避免路径错误。
参数灵活性：平滑核大小、滤波频带等参数需根据研究目的调整（如临床研究可能选择更宽松的头动阈值）。
批处理与并行计算：支持Docker脚本或MATLAB并行处理，提升大规模数据效率。

五、后续分析模块

功能连接（FC） ：基于预处理数据计算脑区间的相关性。
局部一致性（ReHo） ：分析体素局部邻域的时间序列同步性。
ALFF/fALFF：量化低频振荡振幅，反映脑区自发活动强度。
VMHC（Voxel-Mirrored Homotopic Connectivity） ：评估半球间镜像体素的功能连接。

六、常见问题与解决

格式错误：将4D NIfTI文件转换为3D格式以避免预处理中断。
配准失败：检查T1像与功能像的分辨率差异，必要时手动调整配准参数。
滤波选择：ALFF分析需保留滤波步骤，而ReHo计算可能省略。

七、总结

DPABI通过高度自动化的图形界面和标准化流程，显著降低了rs-fMRI预处理的复杂性，同时提供灵活的参数设置和严格的质量控制工具。其整合的BrainImageNet模块和DPABISurf扩展，进一步支持多模态分析与临床转化研究。用户需根据实验设计调整参数，并通过QC指标确保数据可靠性，为后续统计分析奠定基础。