為更好地幫助到想要利用神經(jīng)影像做科研的客戶們，拓展思影科技的業(yè)務(wù)范圍,思影科技推出腦結(jié)構(gòu)磁共振（sMRI）成像數(shù)據(jù)處理業(yè)務(wù)。如感興趣請聯(lián)系楊曉飛siyingyxf或18983979082（微信號）進行咨詢，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，我們會對您的數(shù)據(jù)進行細(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，包括體素大小、層厚等參數(shù)，確保參數(shù)合適與統(tǒng)一；圖像偽跡檢查，包括鬼影、變形等；其他檢查，包括圖像是否缺損、圖像原點位置等。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。也可幫助客戶進行掃描參數(shù)的設(shè)計。 

二、基于體素的形態(tài)學(xué)測量分析（VBM）     

基于先進的圖像分割/配準(zhǔn)算法，可以為您精確計算多種體積指標(biāo)。     

主要包括：     

1.組織分割。基于DARTEL方法，將結(jié)構(gòu)像分割為灰質(zhì)、白質(zhì)、腦脊液。     

2.空間標(biāo)準(zhǔn)化、調(diào)制。將灰質(zhì)、白質(zhì)、腦脊液圖像配準(zhǔn)到標(biāo)準(zhǔn)腦模板空間；隨后基于配準(zhǔn)生成的形變場，對圖像進行調(diào)制，生成灰質(zhì)體積、白質(zhì)體積等指標(biāo)圖；不經(jīng)過調(diào)制，可生成灰質(zhì)密度、白質(zhì)密度等指標(biāo)圖。除此之外，也可計算灰質(zhì)總體積、白質(zhì)總體積、顱內(nèi)總體積、灰質(zhì)總體積/顱內(nèi)總體積比值、白質(zhì)總體積/顱內(nèi)總體積比值等綜合指標(biāo)。

圖示. VBM計算流程（組織分割、空間標(biāo)準(zhǔn)化）

3.統(tǒng)計分析（體素水平）。對于上述指標(biāo)，可根據(jù)實驗設(shè)計進行統(tǒng)計分析，可選：雙樣本T檢驗、單因素方差分析、雙因素方差分析等。此外，在適當(dāng)?shù)膱鼍?，可進行多重比較校正，如FDR校正、FWE校正等，也可基于TFCE方法進行校正。   

4.基于ROI的相關(guān)分析。基于特定的腦圖譜（如AAL Atlas）提取指標(biāo)值，在ROI水平進行參數(shù)檢驗；選取適當(dāng)?shù)母信d趣腦區(qū)（可根據(jù)上述統(tǒng)計分析的結(jié)果提?。?，與臨床行為量表進行相關(guān)性分析。    

5.結(jié)果可視化。根據(jù)結(jié)果形式，可繪制渲染視圖、散點圖等。
三、基于表面的形態(tài)學(xué)測量分析（SBM）     

基于表面的皮層指標(biāo)計算，也可以精確地實現(xiàn)。     

主要包括：     

1.組織分割與皮層重建。對結(jié)構(gòu)像進行分割，并重建皮層。     

2.皮層指標(biāo)計算。主要有：       

1) 常規(guī)皮層指標(biāo)，包括皮層厚度、曲率等；       

2)復(fù)雜度指標(biāo)，包括局部回指數(shù)、腦溝深度、分形維度等指標(biāo)。

圖示.組織分割、皮層重建、皮層指標(biāo)。

3.統(tǒng)計分析（頂點水平）。可基于實驗設(shè)計進行參數(shù)檢驗（包括T檢驗與方差分析，參考VBM統(tǒng)計）?？稍谶m當(dāng)場景進行多重比較校正，包括Monte Carlo Simulation等。      

4.基于ROI的統(tǒng)計分析。基于表面分割腦圖譜（如DK Atlas）提取指標(biāo)值，在ROI水平進行參數(shù)檢驗；根據(jù)統(tǒng)計分析（頂點水平）的結(jié)果確定感興趣區(qū)域，提取感興趣區(qū)域的指標(biāo)，與臨床行為量表進行相關(guān)性分析。      

5.結(jié)果可視化。根據(jù)結(jié)果形式，可繪制渲染視圖、散點圖等。注：數(shù)據(jù)處理過程中，會檢查圖像分割、皮層重建狀況；如有必要，會進行手工修正。

四、結(jié)構(gòu)協(xié)變網(wǎng)絡(luò)     

如果您關(guān)注腦發(fā)育相關(guān)或者進程緩慢的腦疾病，結(jié)構(gòu)協(xié)變網(wǎng)絡(luò)是一種具有潛力與可解釋性的分析方法。       

主要包括：       

1. 結(jié)構(gòu)協(xié)變網(wǎng)絡(luò)的構(gòu)建。基于特定的腦圖譜（如AAL Atlas），在同一群組被試內(nèi)計算腦區(qū)之間結(jié)構(gòu)指標(biāo)值（如灰質(zhì)體積、皮層厚度等）的協(xié)同變化關(guān)系，生成協(xié)變網(wǎng)絡(luò)矩陣。

圖示.結(jié)構(gòu)協(xié)變網(wǎng)絡(luò)的構(gòu)建、分析流程

2.圖論分析。基于圖論數(shù)學(xué)工具，計算：1)全局屬性，包括小世界屬性、全局效率、特征路徑長度、集聚系數(shù)、局部效率等；2)局部屬性，包括節(jié)點度、介數(shù)、節(jié)點效率、節(jié)點局部效率等。  

3.統(tǒng)計分析。對上述圖論指標(biāo)進行置換檢驗，探究不同群組之間協(xié)變網(wǎng)絡(luò)特性的差異。     

4.結(jié)果可視化。根據(jù)結(jié)果形式，可繪制矩陣圖、曲線圖等。 

五、皮層下區(qū)域體積分析     

尺度更小的分析，如海馬、杏仁核的亞區(qū)分割，如今也可以實現(xiàn)。      

主要包括：     

1. 海馬亞區(qū)分割與體積分析。主要包括：海馬亞區(qū)的分割；海馬亞區(qū)的體積提?。缓ｑR亞區(qū)體積的統(tǒng)計檢驗。

圖示.海馬亞區(qū)分割

2.杏仁核亞區(qū)分割與體積分析。主要包括：杏仁核亞區(qū)的分割；杏仁核亞區(qū)的體積提??；杏仁核體積的統(tǒng)計檢驗。

圖示. 杏仁核亞區(qū)分割

3.結(jié)果可視化。根據(jù)結(jié)果形式，繪制bar圖、點狀圖等。

六、皮下結(jié)構(gòu)shape分析

      皮下體積分析有時候不能檢測到該皮下結(jié)構(gòu)某部位萎縮或膨脹，shape分析有助于檢測到更細(xì)微的皮下結(jié)構(gòu)變化。

        主要包括

       1、用FSL軟件分割皮下結(jié)構(gòu)（包括海馬、杏仁核、丘腦、蒼白球、殼核等），重構(gòu)皮下核團表層，在表層上做基于頂點的shape統(tǒng)計分析。

2、結(jié)果的可視化顯示
七、結(jié)構(gòu)-DTI指標(biāo)聯(lián)合分析     

白質(zhì)的彌散特征，可以和結(jié)構(gòu)指標(biāo)一起分析。     

1.皮層下結(jié)構(gòu)分割/DTI指標(biāo)分析。主要包括：皮層下結(jié)構(gòu)的分割；結(jié)構(gòu)圖像-DTI圖像的配準(zhǔn)；皮層下各腦區(qū)（ROI）DTI指標(biāo)值的提取；基于ROI的統(tǒng)計分析。     

2.結(jié)構(gòu)指標(biāo)與DTI指標(biāo)的相關(guān)性分析。主要包括：感興趣區(qū)域內(nèi)DTI指標(biāo)的提?。唤Y(jié)構(gòu)指標(biāo)-DTI指標(biāo)的相關(guān)性分析。

圖示.胼胝體FA值與皮層厚度的相關(guān)性。

3.結(jié)果可視化。依據(jù)結(jié)果形式繪制bar圖、渲染視圖等。 

八、靈活的統(tǒng)計策略     

如果您的實驗有特殊設(shè)計或需求，我們可以為您提供靈活的統(tǒng)計策略，盡可能地尋找有意義的結(jié)果。     

1.結(jié)構(gòu)指標(biāo)的縱向分析。主要包括：被試特定模板的構(gòu)建；結(jié)構(gòu)指標(biāo)的計算；縱向數(shù)據(jù)結(jié)果的統(tǒng)計。     

2.SurfStat統(tǒng)計。前述皮層指標(biāo)，可使用SurfStat軟件統(tǒng)計；借助該軟件的統(tǒng)計模型及多重比較校正工具，以期得到更具解釋性的結(jié)果。

九、基于結(jié)構(gòu)指標(biāo)機器學(xué)習(xí)     

熱門的機器學(xué)習(xí)方法，可以幫助您尋找潛在的結(jié)構(gòu)影像生物標(biāo)記。

1.MVPA分析。基于常見的結(jié)構(gòu)指標(biāo)，構(gòu)建機器學(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。常見的結(jié)構(gòu)指標(biāo)包括：灰質(zhì)體積、皮層厚度等（前述其他指標(biāo)也可利用）；常見的機器學(xué)習(xí)模型包括：支持向量機（SVM）、線性判別分析（LDA）、Logistic回歸、隨機森林（Random Forest）、RVR、Elastic Net等。

2.基于ROI的結(jié)構(gòu)指標(biāo)特征的分類/回歸。提取感興趣腦區(qū)的結(jié)構(gòu)指標(biāo)值作為特征，進行特征過濾后，基于上述模型實現(xiàn)分類/回歸。

3.結(jié)果可視化。MVPA分析可以提供權(quán)重圖，以展示對分類/回歸貢獻較大的腦區(qū)；基于ROI的分類/回歸可以提供bar圖。

十、定制化分析       

尊重您的要求，我們可以嘗試實現(xiàn)您獨特的想法。

圖示.工程師在討論

          1.分析方法可定制。思影科技可根據(jù)您提供的模板文獻，基于您的實驗數(shù)據(jù)，實現(xiàn)文獻中使用的數(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)。

微信掃碼或者長按選擇識別關(guān)注思影