隨著技術(shù)的進(jìn)步，功能磁共振成像（fMRI）已成為腦疾病、認(rèn)知神經(jīng)科學(xué)等領(lǐng)域的重要研究手段。思影科技緊隨潮流，推出了一系列fMRI數(shù)據(jù)處理培訓(xùn)課程，廣受相關(guān)領(lǐng)域研究者們的好評。在解決研究者們學(xué)習(xí)需求的同時，科研合作也變得日趨重要。為此，思影科技推出fMRI數(shù)據(jù)處理服務(wù)，以更好地協(xié)助解決大家面臨的科研問題，如感興趣請聯(lián)系楊曉飛siyingyxf或18983979082（微信號）進(jìn)行咨詢，電話：18580429226
一、數(shù)據(jù)質(zhì)量檢查
好數(shù)據(jù)是好結(jié)果的前提，思影科技會對您的數(shù)據(jù)進(jìn)行細(xì)致的檢查，提高科研結(jié)果的嚴(yán)謹(jǐn)性。
主要包括：掃描參數(shù)檢查，包括TR、體素大小、掃描時長等參數(shù)，確保參數(shù)合適與統(tǒng)一；圖像偽跡檢查，包括鬼影、變形、信號spike等；其他檢查，包括前n個時刻的圖像是否穩(wěn)定、圖像是否缺損等。對于可能發(fā)現(xiàn)的數(shù)據(jù)質(zhì)量問題，思影將提供合適的參考意見。也可幫助客戶進(jìn)行掃描參數(shù)的設(shè)計。
圖示：典型偽跡
二、數(shù)據(jù)預(yù)處理
不同的數(shù)據(jù)分析有不同的預(yù)處理要求，思影科技會根據(jù)您的需求確定合適的預(yù)處理步驟，最大程度降低數(shù)據(jù)噪聲。
主要包括：
時間層校正（slice timing），通過插值等數(shù)學(xué)方法保證一個掃描周期內(nèi)各層掃描時間的統(tǒng)一，以滿足后續(xù)處理的要求；
頭動校正（head motion correction/ realign），評估被試頭動狀況，并調(diào)整因此造成的不同時刻的圖像錯位；
空間標(biāo)準(zhǔn)化（spatial normalization），通過一步/兩步配準(zhǔn)法，將被試功能圖像配準(zhǔn)到標(biāo)準(zhǔn)腦模板，以保證所有被試圖像對齊，便于后續(xù)統(tǒng)計；
空間平滑（spatial smoothing），以高斯平滑核進(jìn)行空間卷積，降低空間標(biāo)準(zhǔn)化造成的圖像噪聲。
其他降噪步驟：消除線性趨勢（detrend），消除由于機(jī)器發(fā)熱、脈搏等因素造成的信號漂升；濾波（filtering）,過濾高頻、超低頻的噪聲信號；回歸噪聲協(xié)變量（nuisance regression），消除白質(zhì)、腦脊液、頭動參數(shù)等的影響；Scrubbing，消除全腦信號/頭動過大的時間點(diǎn)的數(shù)據(jù)的影響。
注：預(yù)處理步驟需根據(jù)后續(xù)分析的指標(biāo)做適當(dāng)?shù)恼{(diào)整，包括增刪步驟，調(diào)換步驟順序等；對于預(yù)處理過程中發(fā)現(xiàn)的不合格被試（頭動過大、空間標(biāo)準(zhǔn)化失敗等），也將給您提供及時反饋。
三、常規(guī)靜息態(tài)fMRI指標(biāo)分析
常規(guī)指標(biāo)可以反映大腦基本的活動狀況、腦區(qū)間的聯(lián)系強(qiáng)度等，一些腦疾病患者，在這些常規(guī)指標(biāo)上便可能產(chǎn)生異常的變化。
（1） 指標(biāo)計算。主要包括：
低頻振幅（ALFF/fALFF），可反映大腦局部活動強(qiáng)度；局部一致性（ReHo），可反映大腦局部BOLD信號的一致性；
功能連接（FC），可反映腦區(qū)間的功能聯(lián)系強(qiáng)度；
體素鏡像同倫連接（VMHC），可反映左右半球?qū)?cè)腦區(qū)間的聯(lián)系等。以上功能指標(biāo)可進(jìn)行合適的標(biāo)準(zhǔn)化處理，如除均值標(biāo)準(zhǔn)化、z-score標(biāo)準(zhǔn)化、Fisher’s z變換等。
功能連接密度（FCD），用以衡量大腦每個位點(diǎn)（體素）與其他位點(diǎn)（體素）之間的聯(lián)系程度。
注：功能指標(biāo)包括但不限于上面描述；不同的指標(biāo)具有不同的標(biāo)準(zhǔn)化方式，通常只選擇其中一至兩種。
ALFF
REHO
voxel-wise FC
ROI-wise FC
FCD
圖示：常規(guī)功能指標(biāo)ALFF、ReHo、voxel-wise FC、ROI-wise FC、FCD的計算（依次序展示）
（2） 統(tǒng)計。
根據(jù)客戶的實驗設(shè)計，采用合適的統(tǒng)計方法。主要包括：T檢驗，包括單樣本T檢驗、雙樣本T檢驗、配對T檢驗等；方差分析（ANOVA），包括單因素方差分析、重復(fù)測量方差分析、雙因素方差分析、多因素方差分析等；相關(guān)分析，功能指標(biāo)與臨床/心理量表的相關(guān)性分析與檢驗。
多重比較校正，包括：體素水平（voxel-level）的FWE/FDR校正，團(tuán)簇水平（cluster-level）的FWE/FDR校正，高斯隨機(jī)場（GRF）校正，Alphasim校正等。
（3）結(jié)果可視化。可選：切片視圖（slice view），將結(jié)果以不同視角分層面展示；渲染視圖（render view），將結(jié)果以3D立體化的方式展示。
圖示：切片視圖（左）與渲染視圖（右）
注：統(tǒng)計方法與可視化方法可根據(jù)您的要求進(jìn)行選擇。
四、Task-fMRI數(shù)據(jù)處理：
如果您更關(guān)注給定任務(wù)的情況下，受試者的大腦會如何反應(yīng)，腦區(qū)間的聯(lián)系會產(chǎn)生何種變化，那么，思影提供的任務(wù)態(tài)數(shù)據(jù)分析，是您的不二之選。
（1）激活分析。基于您的任務(wù)態(tài)實驗設(shè)計，構(gòu)建一般線性模型（GLM），設(shè)定合適的對比矩陣，查看由任務(wù)激活的腦區(qū)。組水平統(tǒng)計：包括T檢驗、方差分析、相關(guān)分析等，可進(jìn)行多重比較校正（參考常規(guī)fMRI指標(biāo)統(tǒng)計）。
（2）生理心理交互分析（PPI）。基于您的任務(wù)態(tài)實驗設(shè)計，分析不同狀態(tài)下感興趣腦區(qū)間聯(lián)系的變化。
（3）有效連接分析。可分析激活腦區(qū)間的因果聯(lián)系。主要包括：動態(tài)因果模型分析（DCM），基于Friston等人提出的動態(tài)因果模型，并結(jié)合您的實驗假設(shè)，刻畫激活腦區(qū)之間的因果、促進(jìn)/抑制關(guān)系；格蘭杰因果分析（GCA），基于多變量自回歸模型（MVAR），刻畫激活腦區(qū)之間的因果關(guān)系。
圖示：動態(tài)因果模型（DCM）
（4）任務(wù)態(tài)MVPA分析。基于機(jī)器學(xué)習(xí)方法，對神經(jīng)狀態(tài)進(jìn)行解碼。主要包括：基于SVM、LDA等模型的解碼；表征相似性分析（RSA）等。主要進(jìn)行的是分類問題的解決，由于RSA分析和MVPA分析對于實驗設(shè)計有著比較高的要求，建議如果想做此類分析，在實驗設(shè)計前與我們聯(lián)系，幫助您從更好的數(shù)據(jù)處理角度出發(fā)，進(jìn)行實驗設(shè)計的處理和優(yōu)化。
圖示：MVPA解碼分析示例
圖示：MVPA分析方法的流程示意圖
圖示：RSA分析方法的流程示意圖
（5）結(jié)果可視化（參考常規(guī)fMRI指標(biāo)可視化）
圖示：RSA可視化例子
五、獨(dú)立成分分析（ICA）
默認(rèn)模式網(wǎng)絡(luò)（DMN）的發(fā)現(xiàn)，推動了fMRI領(lǐng)域的研究。獨(dú)立成分分析這種數(shù)據(jù)驅(qū)動的方法，為大家打開了一個看待腦功能活動的新視角。
（1）獨(dú)立成分分解。基于Infomax等算法，將大腦活動分解成一系列子網(wǎng)絡(luò)（比如默認(rèn)模式網(wǎng)絡(luò)、執(zhí)行控制網(wǎng)絡(luò)等）。
圖示：基于ICA分解出的部分獨(dú)立成分
（2）ICA空間分析。提取被試的感興趣的獨(dú)立成分（比如DMN），比較差異。組水平統(tǒng)計可選：T檢驗、方差分析；并進(jìn)行多重比較校正（參考常規(guī)fMRI指標(biāo)可視化）。
（3）FNC/dFNC分析。以獨(dú)立成分為單位，計算獨(dú)立成分之間的功能連通性?？蛇M(jìn)行：聚類分析，將獨(dú)立成分之間的連接狀態(tài)聚類成幾個類別，來分析其動態(tài)特性，包括平均居留時間（MDT）、狀態(tài)個數(shù)、狀態(tài)轉(zhuǎn)換次數(shù)、狀態(tài)轉(zhuǎn)移矩陣等；連邊分析，比較特定狀態(tài)下的連邊差異。
圖示：獨(dú)立成分之間的FNC
（4）結(jié)果可視化。ICA空間分析結(jié)果可視化參考常規(guī)fMRI指標(biāo)可視化；FNC結(jié)果可使用圈狀圖可視化。
六、腦連接組（腦網(wǎng)絡(luò)）數(shù)據(jù)分析
研究者們越來越認(rèn)識到，大腦是一個整體，而認(rèn)識這個整體的一種方式，是把大腦視為由不同節(jié)點(diǎn)構(gòu)成的腦網(wǎng)絡(luò)。
（1）靜息態(tài)功能腦網(wǎng)絡(luò)的構(gòu)建。基于適當(dāng)?shù)哪X圖譜（如AAL atlas），計算所有腦區(qū)間的功能連接，構(gòu)建腦網(wǎng)絡(luò)。
（2）圖論指標(biāo)分析。圖論（graph theory）是分析腦連接組的有力數(shù)學(xué)工具，圖論指標(biāo)可以刻畫腦網(wǎng)絡(luò)的整體行為或者局部行為?？梢杂嬎愕膱D論指標(biāo)有：
全局指標(biāo)：小世界屬性（small-world）、最短路徑（shortest length）、集聚系數(shù)（clustering coefficient）、全局效率（global efficiency）、局部效率（local efficiency）、同配性（assortativity）、同步性（synchronization）、層級性（hierarchy）等。
局部指標(biāo)：節(jié)點(diǎn)效率（nodal efficiency）、節(jié)點(diǎn)局部效率（nodal local efficiency）、節(jié)點(diǎn)度中心性（nodal degree centrality）、節(jié)點(diǎn)介中心性（nodal betweenness centrality）、節(jié)點(diǎn)集聚系數(shù)(nodal clustering coefficient)、節(jié)點(diǎn)最短路徑（nodal shortest length）等。
（3）連邊分析:
1. 直接比較不同群體的腦連接組的差異，基于NBS校正方法，可以識別異常的腦網(wǎng)絡(luò)連通成分；
2. Rich-club分析，分析腦網(wǎng)絡(luò)是否具備Rich-club屬性，挑選出腦網(wǎng)絡(luò)中的核心腦區(qū)，計算核心腦區(qū)、非核心腦區(qū)內(nèi)部及其之間的連接強(qiáng)度；
3. 模塊化連邊分析，將腦網(wǎng)絡(luò)劃分為若干個內(nèi)部聯(lián)系緊密的模塊，計算模塊間的連接強(qiáng)度。
圖示：小世界屬性、模塊化分析、Rich-Club分析
（4）動態(tài)腦網(wǎng)絡(luò)分析。通過加窗的方式，構(gòu)建隨時間變化的動態(tài)腦網(wǎng)絡(luò)。后續(xù)可進(jìn)行：聚類分析，將腦網(wǎng)絡(luò)聚類為若干個狀態(tài)，可分析特定狀態(tài)的組間差異，也可分析狀態(tài)指標(biāo)，如平均居留時間（MDT）、狀態(tài)個數(shù)、狀態(tài)轉(zhuǎn)換次數(shù)、狀態(tài)轉(zhuǎn)移矩陣等；頻譜分析，分析動態(tài)腦網(wǎng)絡(luò)的頻譜能量活動。
圖示：動態(tài)腦網(wǎng)絡(luò)構(gòu)建與聚類
（5）多層網(wǎng)絡(luò)分析。主要包括：圖論指標(biāo)變異分析，可分析圖論指標(biāo)的波動變化程度，衡量其隨時間是否穩(wěn)定；多層網(wǎng)絡(luò)的模塊化、切換狀況等。
圖示：多層網(wǎng)絡(luò)分析——圖論指標(biāo)的變異
（6）統(tǒng)計。上述圖論指標(biāo)可以進(jìn)行統(tǒng)計分析（T檢驗/方差分析/相關(guān)分析等），必要時進(jìn)行多重比較校正（FWE/FDR校正等）。
（7）結(jié)果可視化。根據(jù)不同的分析方法，選擇合適的可視化方法：bar圖、點(diǎn)線圖、圈狀圖、Muxviz多層網(wǎng)絡(luò)可視化等。
注：本節(jié)中的動態(tài)腦網(wǎng)絡(luò)分析與dFNC分析類似，但尺度更小、更精細(xì)。
七、多模態(tài)數(shù)據(jù)融合分析
隨著磁共振領(lǐng)域研究的不斷增多，單一模態(tài)的分析已不具備足夠的說服力，基于多模態(tài)數(shù)據(jù)的分析，可能使您的研究脫穎而出，受到同行的認(rèn)可和青睞。
（1）多指標(biāo)耦合分析。基于回歸模型，分析不同模態(tài)指標(biāo)的耦合程度（如前述常規(guī)fMRI指標(biāo)與腦血流的耦合）。
（2）典型相關(guān)分析（CCA）。基于多模態(tài)CCA框架（mCCA），融合功能磁共振（fMRI）、結(jié)構(gòu)磁共振（sMRI）、腦電（EEG）等模態(tài)數(shù)據(jù)，估計出一系列融合成分，并對成分做統(tǒng)計分析。
圖示：多模態(tài)數(shù)據(jù)融合模型(mCCA)
注：其他模態(tài)的指標(biāo)計算，請關(guān)注思影科技其他模態(tài)的數(shù)據(jù)處理業(yè)務(wù)介紹。
八、腦影像機(jī)器學(xué)習(xí)分析
醫(yī)學(xué)研究人員想知道，哪些神經(jīng)影像生物標(biāo)記，可以幫助區(qū)分病人/健康人？認(rèn)知研究人員想知道，哪些腦區(qū)的指標(biāo)可以區(qū)分不同的心理狀態(tài)？基于腦影像的機(jī)器學(xué)習(xí)分析，或許可以幫助大家找到答案。
（1）基于體素的MVPA分析。基于常見的功能指標(biāo)，構(gòu)建機(jī)器學(xué)習(xí)模型，實現(xiàn)對不同群組的分類以及對量表得分的預(yù)測。常見的功能指標(biāo)包括：ALFF、ReHo、FC等；常見的機(jī)器學(xué)習(xí)模型包括：支持向量機(jī)（SVM）、線性判別分析（LDA）、Logistic回歸、隨機(jī)森林（Random Forest）、RVR、Elastic Net等。
（2） 基于腦網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)分析。基于腦連接組數(shù)據(jù)，同樣可以提供上述分類/回歸分析（參見（1））。此外，思影科技可以提供腦網(wǎng)絡(luò)特有的預(yù)測模型，即CPM分析。
（3）結(jié)果可視化。基于體素的MVPA分析可以提供權(quán)重圖，以展示對分類/回歸貢獻(xiàn)較大的腦區(qū)；基于腦網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)分析可以提供點(diǎn)線圖和圈狀圖。
注：功能指標(biāo)、機(jī)器學(xué)習(xí)模型包括但不限于上面描述。
九、定制化分析
閱讀了一篇經(jīng)典論文，在大呼過癮的同時，是否期望把先進(jìn)的方法組合應(yīng)用在自己的研究？思影科技可以為您提供定制化分析服務(wù)。
（1）分析方法可定制。思影科技可根據(jù)您提供的模板文獻(xiàn)，基于您的實驗數(shù)據(jù)，實現(xiàn)文獻(xiàn)中使用的數(shù)據(jù)分析方法。此外，未列出的分析方法，只要在思影科技的能力范圍內(nèi)，盡力實現(xiàn)您的想法。
（2）分析代碼可定制。在沒有現(xiàn)有的軟件適用于您的數(shù)據(jù)分析需求時，思影科技會與您協(xié)商，通過編寫代碼實現(xiàn)您的想法，并提供代碼的完整實現(xiàn)。
如對思影課程感興趣也可微信號siyingyxf或18983979082咨詢。覺得有幫助，給個轉(zhuǎn)發(fā)，或許身邊的朋友正需要。請直接點(diǎn)擊下文文字即可瀏覽思影科技其他課程及數(shù)據(jù)處理服務(wù)，歡迎報名與咨詢，目前全部課程均開放報名，報名后我們會第一時間聯(lián)系，并保留名額。
更新通知：第二十八屆磁共振腦影像基礎(chǔ)班（重慶，已確定）
更新通知：第十屆腦影像機(jī)器學(xué)習(xí)班（已確定）
更新通知：第十二屆磁共振彌散張量成像數(shù)據(jù)處理班（已確定）
第六屆任務(wù)態(tài)fMRI專題班（預(yù)報名，南京）