静息态功能磁共振数据分析工具包使用手册
核磁共振图谱分析软件的使用说明讲课文档
动鼠标点击delete 即可。完全读取后，可在coupling contants 窗口选copy 复制偶合信息到其他文档中用于分析。
第十八页，共25页。
图上加注
在工具栏中用鼠标按下按钮 ，在画面上出现add text
窗口，在其中输入注释，选好字型、大小和修饰及位置等后，用鼠 标左键点击OK，注释即显示在谱图上。此时注释外围有框，表 示注释仍处于活动状态，移动鼠标到注释框上，按下鼠标左键 可拖动注释框到指定的位置，松开左键，移鼠标到其他位置再 击鼠标左键，则注释的外框消失，此注释完成。若修改或删除 已完成的注释，则要将鼠标移到要修改的注释上，待鼠标指针 变成手掌时，此时也表示该注释处于活动状态，击鼠标右键后 选编辑或删除，当然此时也可用鼠标移动其位置。
第十四页，共25页。
读取两峰间化学位移值和差值
用鼠标按下按钮
，鼠标指针成十字线，移动十字
线到指定的峰，按下鼠标左键，在画面上出现info view 窗口，
其中显示该峰的化学位移或频率（可在其中选定），再用鼠标移动
十字线到指定的第二个峰，按下鼠标左键，则在info view 窗口显
示该峰的化学位移或频率及与第一个峰的差值。若要保存此信息，
据 可 用 鼠 标 左 键 点 击 工 具 栏 files 按 钮 ， 在 其 下 拉 菜 单 中 选
exportfile ， 格 式 可 选 ASCII 或 metafile 。 建 议 分 别 用 ASCII 和
metafile 两种格式存谱和输出数据。
第二十三页，共25页。
在其它文档和程序中的应用
则谱图叠合在一起。移动鼠
标选中要调整的吸收曲线（当前活动的曲线若不是希望的
zhanghan_功能磁共振数据处理-北京2012+
变量编辑窗口
可以自由对变量内容进行编辑。 类似SPSS，EXCEL界面。 自由的复制粘贴。
变量太大内存不够了怎么办？
Workspace内储存“变量”。变量不会存在硬盘里，存在计算机内存中。 可以向windows里一样浏览变量，双击则打开变量。 内存中的数据，一旦关闭Matlab，不可恢复。 可以通过save命令，将workspace的数据转入Working directory中，以写 入硬盘的方式存起来。 load命令则相反。 注意：Workspace的数据，如删除需要用clear XXX删除，如只写clear， 将全删。
1
2012/5/12
各种脑成像数据分析软件
• SPM (我用的最多，Windows/Linux，基于 Matlab，适合处理任务fMRI数据) • REST/DPARSF(A) (臧玉峰团队， Windows/Linux，基于 基于Matlab，静息态 静息态fMRI 分析工具，富含各种fMRI数据分析小工具) • AFNI (Linux，命令行方式，功能强大) • FSL (Linux，GUI/命令行方式) • BrainVoyager (收费，Windows/Linux，GUI界 面很方便，也可以命令行模式)
10
2012/5/12
Slice timing是什么?
SPM 假定每一个scan是同时获取的，但是……
slice timing常见问题1
• Slice timing：根据之前确定的扫描顺序输入 ！注意检查Matlab的结果报告！如果TR为2时 报告的“Your TR is 2.5”,则说明参数设错！ • Slice timing的reference slice要选择时间上的中 间层，而非空间上的中间层！这关系到slice timing估计的准确性。 • 多个run时，一定要分别输入数据！
核磁共振成像分析软件的使用教程
核磁共振成像分析软件的使用教程核磁共振成像（Nuclear Magnetic Resonance Imaging）是一种非侵入性的医学成像技术，在临床诊断和科学研究中广泛应用。
核磁共振成像分析软件是一款重要的工具，可以帮助医生和研究人员解读和分析核磁共振成像的数据。
本教程将详细介绍核磁共振成像分析软件的使用方法和技巧。
一、软件介绍核磁共振成像分析软件是一款功能强大的工具，可以导入和处理核磁共振成像数据，并提供各种分析和可视化功能。
不同的软件可能有一些细微的差异，但通常都具有以下基本功能：1. 数据导入：软件可以导入核磁共振成像数据，包括原始数据和已处理的图像。
一般来说，数据可以从CD、硬盘或网络上导入。
2. 图像重建：软件可以进行核磁共振成像数据的图像重建，将原始数据转换为可视化的图像。
这个过程可能涉及到滤波、插值和空间重采样等技术。
3. 图像处理：软件提供了各种图像处理算法，如滤波、增强、分割和配准等。
这些算法可以帮助用户优化图像质量和提取感兴趣的结构。
4. 数据分析：软件支持各种数据分析方法，如区域兴趣（ROI）分析、时间序列分析和功能连接分析等。
用户可以选择不同的分析方法，以研究核磁共振成像数据所涉及的生物学、生理学或病理学信息。
5. 可视化：软件可以生成各种类型的可视化图像，如三维重建、切片图、脑图、热度图等。
这些可视化图像可以帮助用户更好地理解核磁共振成像数据的空间和时间特征。
二、软件的基本操作核磁共振成像分析软件的操作界面和操作方法可能有所不同，但一般来说，它们都具备以下基本操作：1. 界面导航：软件的操作界面通常由多个面板或窗口组成，以显示和操作数据。
用户可以使用鼠标或键盘导航和切换不同的面板或窗口。
2. 数据导入：在软件的主界面上，用户可以找到导入数据的选项。
一般来说，用户需要选择要导入的数据文件或文件夹，并指定相关的参数和选项。
3. 图像浏览：软件提供了图像浏览器，可以显示已导入的核磁共振成像图像。
dpabi去头皮的函数
dpabi去头皮的函数如何使用dpabi 中的去头皮函数在大脑成像领域，去除头皮信号是一项关键的数据预处理步骤。
在DPABI （Data Processing Assistant for Resting-State fMRI）工具箱中，提供了一种称为“去头皮”（Skull Stripping）的函数，可以有效地去除头皮信号，提高后续分析的准确性。
本文将一步一步介绍如何使用dpabi 中的去头皮函数。
第一步：安装dpabi首先，需要在计算机上安装dpabi 工具箱。
dpabi是一个基于SPM （Statistical Parametric Mapping）和REST（Resting-State fMRI Data Analysis Toolkit）的MATLAB 工具箱，被广泛应用于静息态功能磁共振成像（rs-fMRI）数据分析。
可以从dpabi 的官方网站（第二步：加载rs-fMRI 数据在使用dpabi 的去头皮函数之前，首先需要加载rs-fMRI 数据。
打开dpabi 工具箱后，点击界面上的“Data”选项卡，然后选择“Load”按钮，以加载您的rs-fMRI 数据。
在加载数据时，确保选择正确的文件格式（如NIfTI 格式）和文件路径。
第三步：选择去头皮函数当rs-fMRI 数据加载完毕后，点击界面上的“Preprocessing”选项卡，然后选择“Skull Stripping”选项。
这将打开去头皮函数的参数设置界面。
第四步：设置参数在去头皮函数的参数设置界面中，有几个关键参数需要设置。
首先是“RawData”，点击该参数旁边的“Browse”按钮，选择之前加载的rs-fMRI 数据。
接下来是“OutputDir”，这是用于保存去头皮后数据的文件夹路径。
然后是“Fwhm”，这是高斯模糊的半高宽。
通常选择一个合适的值，以平衡保留细节和去除噪声的程度。
最后是“Resampling”，选择是否对数据进行重采样，以保持空间一致性。
dpabi使用手册
dpabi使用手册DPABI（DPARSF & REST & GRETNA）是一个功能强大的脑成像数据处理工具包，主要包括DPARSF、REST、GRETNA三个主要模块。
本篇文章将介绍DPABI的安装与配置、功能特点、数据处理流程以及常用功能的具体操作方法。
一、安装与配置1. 系统要求DPABI适用于Windows和Mac操作系统，建议使用64位系统。
此外，还需要安装MATLAB和SPM（Statistical Parametric Mapping）软件。
2. 安装DPABI下载最新版本的DPABI工具包，并解压到指定文件夹。
确保解压路径不包含特殊字符或汉字，否则可能导致程序无法正常运行。
3. 配置MATLAB环境打开MATLAB软件，将DPABI工具包所在路径添加到MATLAB搜索路径中。
具体方法是在MATLAB命令框中输入以下命令：addpath(genpath('DPABI路径'))二、功能特点1. 综合数据处理DPABI集成了多种脑成像数据预处理和分析方法，包括静息态功能磁共振成像（Resting-State fMRI）、任务态功能磁共振成像（Task-State fMRI）和结构磁共振成像（Structural MRI）。
2. 自动化处理流程DPABI提供了一套完整的自动化处理流程，可自动进行数据预处理、功能连接性分析和统计分析，大大简化了数据处理的复杂性。
3. 多种统计分析方法DPABI支持多种经典的功能连接性分析方法，如静息态功能连接性分析、脑区间功能连接性分析和动态功能连接性分析等，能够全面揭示脑网络的结构和功能。
三、数据处理流程1. 数据预处理（1）选择静息态功能磁共振数据进行预处理。
将原始影像数据转换为NIfTI格式，并选择合适的切片时间点数进行处理。
（2）进行头动校正。
利用嵌入在扫描中的头动信息对数据进行校正，以消除运动对功能连接性分析的影响。
静息态功能磁共振数据预处理流程
静息态功能磁共振数据预处理流程1.导入原始磁共振数据文件。
Import the raw magnetic resonance data file.2.检查数据文件格式是否正确。
Check if the data file format is correct.3.校正数据文件中的时间戳。
Correct the timestamps in the data file.4.检查数据文件是否有缺失值。
Check for missing values in the data file.5.将数据文件转换为适合分析的格式。
Convert the data file to a format suitable for analysis.6.标准化数据文件中的数值。
Standardize the values in the data file.7.滤波处理，去除噪音。
Filtering to remove noise.8.校正数据文件中的运动伪像。
Correct motion artifacts in the data file.9.评估磁共振扫描的质量。
Assess the quality of the magnetic resonance scan.10.去除多余的扫描。
Remove redundant scans.11.进行数据质量控制。
Perform data quality control.12.局部投影均衡化。
Local projection equalization.13.降低数据维度。
Reduce data dimensionality.14.标准化数据的强度和方向。
Standardize the intensity and direction of the data.15.矫正数据中的运动和畸变。
Correct motion and distortion in the data.16.转换磁共振数据，以便进行后续分析。
静息态功能磁共振 样本量估算
静息态功能磁共振样本量估算
静息态功能磁共振（Resting-state fMRI，rsfMRI）是一种用于研究大脑功能连接和默认网络的非侵入性成像技术。
在进行静息态功能磁共振研究时，样本量估算是非常重要的，以确保研究具有足够的统计功效。
一些常见的方法来估算静息态功能磁共振研究的样本量：
1. 基于效应大小的方法：首先，你需要确定你感兴趣的效应大小。
这可以通过对先前类似研究的文献进行回顾来获得。
然后，可以使用统计功效分析软件（如 G*Power、SAS 或 PASS）来计算达到特定显著性水平和功效所需的样本量。
2. 基于 power 分析的方法：这种方法考虑了多个因素，如预期的效应大小、显著性水平、研究设计（如单样本或双样本 t 检验）以及预期的方差。
通过使用适当的统计公式和软件，可以计算出所需的样本量。
3. 模拟研究：在一些情况下，可以进行模拟研究来估算样本量。
通过创建虚拟的数据集，并在不同样本量下进行模拟分析，可以确定达到特定功效水平所需的样本量。
dpabi使用手册
dpabi使用手册DPABI（Data processing & Analysis for Brain Imaging）是一款功能强大的脑成像数据处理和分析工具，主要应用于静息态功能磁共振成像（Resting-state fMRI）数据的预处理和后续分析。
本手册将为您介绍DPABI的基本使用方法，并帮助您快速上手使用该软件。
一、安装DPABI您可以从DPABI的官方网站上下载最新版本的软件安装包。
安装包提供了适用于不同操作系统的安装文件，您只需根据自己的系统选择相应的文件进行安装即可。
二、数据预处理1. 选择功能磁共振成像数据在DPABI中，您可以通过“Select subject”功能选择将要处理的功能磁共振成像数据，支持的数据格式包括.nii和.img/.hdr等常见格式。
2. 预处理步骤DPABI提供了丰富的预处理选项，您可以根据需要选择合适的预处理步骤。
一般情况下，预处理步骤包括切头、切首、去除非神经元信号、空间标准化等操作。
3. 设置参数在进行数据预处理之前，您可以根据自己的需求设置一些参数。
例如，选择切头切首的比例、设置滤波频带范围等。
这些参数设置将直接影响数据的处理效果，应根据实际情况进行调整。
4. 运行预处理参数设置完成后，您可以点击“Run”按钮开始进行数据的预处理。
DPABI将根据您的选择和设置完成相应的数据处理操作，处理结果将保存在您指定的文件夹中。
三、静息态功能连接分析1. 启动连接分析在DPABI的主界面上，您可以选择“Functional Connectivity”选项进入静息态功能连接分析模块。
2. 选择预处理后的数据连接分析需要使用预处理后的功能磁共振成像数据。
您可以通过“Select data”功能选择预处理结果所在的文件夹。
3. 设置感兴趣区域（ROI）在连接分析中，感兴趣区域（Regions of Interest，ROI）的选择对结果产生重要影响。
静息态功能磁共振数据分析工具包使用手册
静息态功能磁共振数据分析⼯具包使⽤⼿册静息态功能磁共振数据分析⼯具包使⽤⼿册宋晓伟（Dawnwei.song@/doc/5a794cd5240c844769eaee26.html ）⽂档版本: 1.3⽂档修订⽇期: 2008-2-25北京师范⼤学认知神经科学与学习国家重点实验室⽬录⼀、开发背景介绍 (1)⼆、软件⽤途和技术特点 (4)三、设计与实现 (4)四、测试 (5)五、使⽤要求 (5)六、使⽤⽅法演⽰ (6)(⼀)计算功能连接 (7)(⼆)计算局部⼀致性 (9)(三)计算低频振幅 (11)七、详细使⽤说明 (13)(⼀)安装REST (13)(⼆)卸载REST (13)(三)启动REST (13)(四)在REST中设置待处理的数据⽬录 (16)(五)Mask 的设定 (16)(六)在REST中设定输出参数 (17)(七)可选项：去线性漂移 (18)(⼋)可选项：滤波 (19)(九)局部⼀致性计算参数的设定 (20)(⼗)低频振幅计算参数的设定 (21)(⼗⼀)功能连接参数的设定 (21)(⼗⼆)点击“Do all”开始计算 (23)(⼗三)耗时估计 (24)(⼗四)其它⼯具 (24)⼋、附注说明 (26)九、参考⽂献 (28)⼀、开发背景介绍⼤脑是⼈体中最迷⼈也是⼈们了解最少的部分，科学家哲学家们⼀直在寻找⼤脑与⾏为、情感、记忆、思想、意识等的关系，却缺少⼀个⾮侵⼊性的⾼分辨率的技术⽅法来直接观察并确⽴这种联系，直到上世纪末功能磁共振成像（functional magnetic resonance imaging, fMRI）的出现（Ogawa et al., 1990），既能让⼈们观察到⼤脑结构⼜能让⼈们观察⼤脑结构的某⼀部分所具有的特定功能（Clare, 1997）。
fMRI机制是⾎氧⽔平依赖性（Blood oxygen level dependent, BOLD）信号的变化。
⽬前认识到的⼤多数的脑功能都是通过对任务或刺激的控制，并同时记录与任务或刺激相应的⾏为学上的变化和神经活动的变化来得到的。
新版核磁共振分析应用软件用户手册——Ver 1.0
纽迈电子科技有限公司
核磁共振分析应用软件 Ver 1.0
3、打开........................................................................................................ 41 4、反演........................................................................................................ 42 第三章 分析软件系统参数........................................................................................ 45 一、引言.............................................................................................................. 45 二、标准样品...................................................................................................... 45 三、系统参数...................................................................................................... 45 1、射频信号频率主值(Spectrometer Frequency，SF) ............................. 45 2、射频信号频率偏移量(Frequency Offset 1，O1) ................................. 45 3、90°和 180°射频脉宽(90° &180° Pulse Length，P1& P2) ................ 46 4、射频线圈死时间(Probe Dead Time，DT1).......................................... 46 5、接收机死时间(Receiver Dead Time，DT2) ......................................... 46 第四章 FID 实验 ........................................................................................................ 47 一、引言.............................................................................................................. 47 二、脉冲序列参数.............................................................................................. 47 1、信号采样点数 TD ................................................................................. 48 2、接收机带宽 SW..................................................................................... 48 3、信号采集的总时间 ACQ ...................................................................... 49 4、开始采样时间的控制参数 RFD ........................................................... 49 5、重复采样等待时间 TW ........................................................................ 51 6、增益 RG1，DRG1 和 PRG ................................................................... 51 7、重复采样次数 NS ................................................................................. 52 三、实验步骤...................................................................................................... 52 四、实验技巧...................................................................................................... 53 1、RG1，DRG1 和 PRG ............................................................................ 53 2、TW ......................................................................................................... 54 3、NS .......................................................................................................... 54 4、样品温度................................................................................................ 54 五、小结.............................................................................................................. 54 第五章 硬脉冲回波实验............................................................................................ 57 一、引言.............................................................................................................. 57 二、脉冲序列参数.............................................................................................. 57 1、信号采样点数 TD ................................................................................. 57 2、接收机带宽 SW..................................................................................... 58 3、开始采样时间的控制参数 RFD ........................................................... 应用软件 Ver 1.0
静息态功能磁共振成像：关于静息态功能连接和脑网络分析方法
静息态功能磁共振成像：关于静息态功能连接和脑网络分析方法自诞生之初，人类就对大脑中发生的事情充满好奇。
功能磁共振成像是一种重要的工具，它有助于无创地检查、定位和探索大脑的语言、记忆等功能。
近年来，神经科学研究的焦点明显转向了“静息态”下的大脑研究。
重点是在没有任何感官或认知刺激的情况下大脑内部的内在活动。
对静息态下大脑功能连接的分析揭示了不同的静息态网络，这些网络描述了特定的功能和不同的空间拓扑结构。
虽然不同的统计方法被引入到静息态功能磁共振成像连接性的研究中，但得到了一致的结果。
在本文中，我们详细介绍了静息态功能磁共振成像的概念，然后讨论了三种最广泛使用的分析方法、描述了几种具有脑区特征的静息态网络及相关认知功能、静息态功能磁共振成像的临床应用。
本综述旨在强调静息态功能磁共振成像连接性研究的实用性和重要性，强调其与基于任务的功能磁共振成像的互补性质。
本文发表在The Neuroradiology杂志。
关键词：图论分析Graph analysis, 独立成分分析independent component analysis, 静息态功能连接resting state functional connectivity, 基于种子点的分析seed-based analysis 引言静息态功能磁共振成像(rs-fMRI，resting state functional magnetic resonance imaging)技术比其他功能磁共振成像(fMRI)技术更有优势，因为它易于采集信号，对患者的要求最少，并能熟练地识别不同患者群体的功能区域，如儿科人群、无意识患者、低智商患者等。
任务态功能磁共振成像（task-based fMRI）是一种用于分析和评估大脑的功能区域的先进的磁共振技术。
在这项技术中，受试者被指导执行被设计为针对单一功能的特定的任务，如运动、语言、记忆、视觉、注意力和感觉功能任务。
最近的研究发现，儿科患者，有意识障碍的患者，即昏迷、植物人和最低意识状态的患者，能够完成rs-fMRI。
静息态功能磁共振
静息态功能磁共振静息态功能磁共振（Resting-state functional magnetic resonance imaging，简称rs-fMRI）是一种基于功能磁共振成像（fMRI）的神经影像学技术，它可以在不进行具体任务的情况下测量大脑区域之间的相互作用。
rs-fMRI的独特之处在于，它不需要被动地进行任务或者感觉刺激，而是通过检测大脑在静息状态下的神经活动来研究不同脑区之间的同步性和相关性。
在rs-fMRI技术中，被试者在安静、闭目、松弛的状态下进行扫描，rs-fMRI扫描采集的数据称为“静息态脑功能网络”或者“default mode network（DMN）”，这些数据可以提供大量关于大脑默认模式网络的信息，包括大脑各个区域的同步性和相关性。
大脑默认模式网络是一些相互关联的脑区域，包括前额叶皮质、后颞叶皮质、顶叶、枕叶和小脑，这些脑区在静息状态下表现出高度的同步性。
rs-fMRI技术可以帮助我们更好地理解这些脑区之间的相互作用，了解大脑默认模式网络的结构和功能。
rs-fMRI技术的主要优点之一在于它不需要被动进行任务或刺激，这使得被试者能够避免因进行任务而导致的行为表现和注意力偏差等因素的影响。
此外，rs-fMRI采用的是无创性的成像方法，相比于其他成像技术而言，风险更低，更加安全。
rs-fMRI技术还可以用于神经精神疾病的研究。
许多神经精神疾病，如抑郁症、焦虑症、阿尔茨海默病等与大脑默认模式网络的同步性和相关性有关。
rs-fMRI技术可以通过测量大脑默认模式网络的同步性和相关性来研究这些神经精神疾病的病理机制和变化，从而为神经精神疾病的诊断和治疗提供更好的帮助和指导。
不过，rs-fMRI技术也存在一些局限性和挑战。
首先，rs-fMRI技术受到很多干扰因素的影响，如心跳和呼吸等，这可能导致数据的不稳定性和误差。
其次，由于脑与身体其他部位的相互影响，rs-fMRI技术得出结论时需要特别注意结果的解释和推断。
脑白质疏松症患者静息态功能磁共振成像的初步研究
１ ． ３ Ｍ Ｒ检 查
性 分 析 比较 各 组 神 经 心 理 学 量 表 结 果 与 模 板 的
ｍＡＬ Ｆ Ｆ 图 的相 关性 （ 阈值Ｐ＜０ ． ０ ５ ，采 用Ａｌ ｐ ｈ ａ ｓ ｉ ｍ
采用 Ｐ ｈ ｉ ｌ ｉ ｐ Ａｃ ｈ ｉ ｅ ｖ ａ ３ ． ０ Ｔ 扫 描仪 及 头部 ８ 通 道 校正 ，团块 大 于５ ４ ） 。 敏 感 线 圈进 行 扫 描 。 扫描 前 嘱 受试 者 头 部 尽量 保 持 不 动 并 闭 眼安 静 休 息 。 首 先 行 常 规 ＭＲ扫描 ： Ｊ ］ ￣ Ｔ １ ＷＩ 一 ３ Ｄ，扫描 参数 ：Ｔ Ｒ ７ ． ５ ｍｓ ，Ｔ Ｅ ３ ． ７ ｍｓ ，
且 既往 无 全 身 系统 性 疾 病 、无 神 经 心理 及 精 神 性 性 别 构 成 及 ３ 组 问 吸 烟 、饮 酒 、糖 尿 病 、颈 动 脉 疾病 ，简 易精 神状 态量 表（ ＭＭＳ Ｅ ） 评分 ＞２ ６ 分 ，蒙 狭窄 、高血压 、脂代谢紊乱等既往病史 ，采用方 特利 尔认 知 量表北 京 版（ Ｍｏ Ｃ Ａ） 评 分 ＞２ ６ 分 ，汉 密 差 分 析 比较 年龄 、受 教 育年 限及 神经 心 理 学 测 试
脑 白质病变及脑 出血 、脑卒 中、脑外伤等 ；（ ３ ） 神 统 计 分 析 及 结 果 查 看 。 预 处 理 包 括 ＤＩ Ｃ ＯＭ数 据 ０ 个 时 间点（ 排 除患 者适 应 扫描 及 机 经心理性疾病及精神病 ，并根据美 国精神病学会 转 换 、去 除前 １
、排 除 头动 超 过 ｌ ｍｍ及 旋 《 精神障碍和统计手册 》第４ 版修订版标准除痴呆 器 启 动 不 稳 定 的情 况 ） 外 ，根 据 汉 密尔 顿 量 表（ ＨＡＭＤ） 除抑 郁症 外 ；（ ４ ） 转超过 １ 。 的研 究 对 象 并 对 数 据 行 头 动 校 正 、利 ＭＲ 检 查 禁 忌 者 。按 照Ｍａ ｎ ｔ ｙ ｌ ａ 等『 ４ 分级 标 准 对Ｌ Ａ 用Ｔ１ ＷＩ 一 ３ Ｄ结 构像 进 行 图像 分 割 配 准 、数 据 平 滑
功能磁共振数据分析手册-第1章-翻译版
第1章引言翻译：yingers, nancyxyz, 灵犀校对：Amygdala本书的目的是为读者介绍功能磁共振(fMRI)数据处理和分析的方法及基本原理。
1.1 fMRI简介从20世纪90年代开始，fMRI的发展引起了科学界的轰动。
图1.1所显示的是PubMed数据库中与这一技术相关的生物医学文献数量，从数据增长情况我们可以明显地看到fMRI的发展趋势。
在1996年，仅用一周的时间就可以阅读完所有的fMRI文献；但现在，甚至连前一周发表的文献都读不完。
fMRI技术之所以可以如此快速地发展，得益于它可以比PET更安全而无创伤的获取脑活动成像，并且具有更高的空间和相对较高的时间分辨率。
图1.1. 1992年以来，每年PubMed数据库符合这一查询结果（”fMRI”, “functional MRI” OR “functional magnetic resonance imaging”）的引文数量1.1.1 血流量与神经活动通常使用的fMRI技术所基于的原理是，如果大脑内神经活动增强，相应脑区的血流量就会增加。
这一现象已发现一百多年，但其背后的机制却并不明确。
更有趣的是，对活动脑区的供血量所承载的氧分子要多于活动神经元实际耗氧量。
因此，神经活动引起的血流量增加会带来相关区域血氧含量的提高。
fMRI信号正是取决于血氧水平变化，因而被称为血氧水平依赖信号，即BOLD (Blood Oxygenation Level Dependent)信号。
图1.2展示了一个血液动力学响应的例子，即由短暂神经活动所引起的的血流量的增加。
BOLD fMRI的血液动力学响应有两个主要特点，这两个特点决定了数据的分析方法。
一，血液动力学响应较慢。
神经活动也许仅持续几毫秒，但血流量达到其峰值需要5秒左右，然后在15-20秒返回至基线。
二，血液动力学响应可以大致看作线性非时变系统(Cohen, 1997; Boynton et al., 1996; Dale, 1999)。
《多场核磁共振静息态脑电神经信号分析》
《多场核磁共振静息态脑电神经信号分析》一、引言随着神经科学和医学影像技术的飞速发展，多场核磁共振技术（Multi-modal Nuclear Magnetic Resonance, MNMR）在脑功能研究领域的应用日益广泛。
其中，静息态脑电神经信号（Resting-state EEG Signals）作为一种重要的生物信息，对探究人类脑活动规律具有重要作用。
本文以多场核磁共振技术为工具，对静息态脑电神经信号进行分析，以期为进一步了解人脑活动提供有益的参考。
二、方法本研究采用多场核磁共振技术，结合脑电信号采集设备，对受试者进行静息态脑电信号的采集。
具体方法包括：1. 实验对象：选取健康成年志愿者作为实验对象，年龄、性别等基本情况均衡分布。
2. 实验设备：采用高精度脑电信号采集设备及核磁共振扫描仪进行实验。
3. 实验过程：在静息状态下，受试者佩戴脑电信号采集设备进行数据采集。
同时，使用核磁共振扫描仪对受试者进行脑部扫描，获取多场核磁共振数据。
三、数据处理与分析在获取了大量的静息态脑电神经信号和多场核磁共振数据后，本研究采用以下方法进行处理与分析：1. 数据预处理：对采集到的数据进行去噪、滤波等预处理操作，以提高数据质量。
2. 特征提取：提取出与脑活动相关的特征参数，如频谱分布、时域特征等。
3. 统计分析：采用统计学方法对提取的特征参数进行分析，比较不同组别之间的差异。
4. 神经网络模型构建：运用机器学习算法构建神经网络模型，分析不同区域的神经信号间的相互关系及影响因素。
四、结果与讨论通过对多场核磁共振静息态脑电神经信号的分析，我们得到了以下结果：1. 不同脑区在静息状态下的神经活动存在显著差异，表明不同区域在维持大脑正常功能方面具有重要作用。
2. 神经网络模型分析结果表明，不同区域之间的神经信号存在相互关联和相互影响的关系，共同维持大脑的正常功能。
3. 通过对比不同组别（如健康组与疾病组）的静息态脑电信号特征参数，发现某些特征参数在疾病组中存在异常表现，这为疾病的早期诊断和治疗提供了有益的参考。
功能磁共振数据分析手册-第1章-翻译版
第1章引言翻译：yingers, nancyxyz, 灵犀校对：Amygdala本书的目的是为读者介绍功能磁共振(fMRI)数据处理和分析的方法及基本原理。
1.1 fMRI简介从20世纪90年代开始，fMRI的发展引起了科学界的轰动。
图1.1所显示的是PubMed数据库中与这一技术相关的生物医学文献数量，从数据增长情况我们可以明显地看到fMRI的发展趋势。
在1996年，仅用一周的时间就可以阅读完所有的fMRI文献；但现在，甚至连前一周发表的文献都读不完。
fMRI技术之所以可以如此快速地发展，得益于它可以比PET更安全而无创伤的获取脑活动成像，并且具有更高的空间和相对较高的时间分辨率。
图1.1. 1992年以来，每年PubMed数据库符合这一查询结果（”fMRI”, “functional MRI” OR “functional magnetic resonance imaging”）的引文数量1.1.1 血流量与神经活动通常使用的fMRI技术所基于的原理是，如果大脑内神经活动增强，相应脑区的血流量就会增加。
这一现象已发现一百多年，但其背后的机制却并不明确。
更有趣的是，对活动脑区的供血量所承载的氧分子要多于活动神经元实际耗氧量。
因此，神经活动引起的血流量增加会带来相关区域血氧含量的提高。
fMRI信号正是取决于血氧水平变化，因而被称为血氧水平依赖信号，即BOLD (Blood Oxygenation Level Dependent)信号。
图1.2展示了一个血液动力学响应的例子，即由短暂神经活动所引起的的血流量的增加。
BOLD fMRI的血液动力学响应有两个主要特点，这两个特点决定了数据的分析方法。
一，血液动力学响应较慢。
神经活动也许仅持续几毫秒，但血流量达到其峰值需要5秒左右，然后在15-20秒返回至基线。
二，血液动力学响应可以大致看作线性非时变系统(Cohen, 1997; Boynton et al., 1996; Dale, 1999)。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
静息态功能磁共振数据分析工具包使用手册宋晓伟（Dawnwei.song@）文档版本: 1.3文档修订日期: 2008-2-25北京师范大学认知神经科学与学习国家重点实验室目录一、开发背景介绍 (1)二、软件用途和技术特点 (4)三、设计与实现 (4)四、测试 (5)五、使用要求 (5)六、使用方法演示 (6)(一)计算功能连接 (7)(二)计算局部一致性 (9)(三)计算低频振幅 (11)七、详细使用说明 (13)(一)安装REST (13)(二)卸载REST (13)(三)启动REST (13)(四)在REST中设置待处理的数据目录 (16)(五)Mask 的设定 (16)(六)在REST中设定输出参数 (17)(七)可选项：去线性漂移 (18)(八)可选项：滤波 (19)(九)局部一致性计算参数的设定 (20)(十)低频振幅计算参数的设定 (21)(十一)功能连接参数的设定 (21)(十二)点击“Do all”开始计算 (23)(十三)耗时估计 (24)(十四)其它工具 (24)八、附注说明 (26)九、参考文献 (28)一、开发背景介绍大脑是人体中最迷人也是人们了解最少的部分，科学家哲学家们一直在寻找大脑与行为、情感、记忆、思想、意识等的关系，却缺少一个非侵入性的高分辨率的技术方法来直接观察并确立这种联系，直到上世纪末功能磁共振成像（functional magnetic resonance imaging, fMRI）的出现（Ogawa et al., 1990），既能让人们观察到大脑结构又能让人们观察大脑结构的某一部分所具有的特定功能（Clare, 1997）。
fMRI机制是血氧水平依赖性（Blood oxygen level dependent, BOLD）信号的变化。
目前认识到的大多数的脑功能都是通过对任务或刺激的控制，并同时记录与任务或刺激相应的行为学上的变化和神经活动的变化来得到的。
从Hubel和Wiesel电生理学上的实验，到现在神经影像学上的认知激活实验范式，都说明这种方法是很成功的。
如图1被试睁眼或闭眼交替进行，这种简单的任务刺激范式所带来的BOLD信号的变化可以清楚地在大脑的特定区域看到（图1是在视觉区），从而把大脑的功能和解剖结构联系了起来（Fox et al., 2007）。
这种基于任务刺激的实验范式一般都使用广义线性模型（General linear model, GLM）计算刺激或控制变量的效应，检测相应于刺激的大脑激活区，从而认识大脑的功能。
图1、传统fMRI任务激活范式的分析：睁眼闭眼任务范式和初级视觉皮层的某个体素的BOLD信号。
（引自Fox et al., 2007）对任务状态fMRI数据的分析和处理，研究者现在一般都使用软件SPM（Friston, 1995）或AFNI（Cox, 1996），这两个软件都可以使研究者很方便地基于GLM模型来分析和处理任务状态的fMRI数据。
如图2是包括2个控制变量的GLM模型，研究者需要提供给软件的是设计矩阵，即研究者的控制变量，然后使用软件SPM（Friston, 1995）或AFNI（Cox, 1996）就可以很方便地估计出控制变量的效应大小，进而找到受控制变量影响的脑区，即和任务刺激相对应而激活的脑区。
图 2 、包括2个控制变量的GLM模型（引自http://www.ssc.uwo.ca/psychology/culhamlab/jody_web/fMRI4Dummies/pdfs_and_ppt/GLM_E XPRESS_fMRIJCM_ay2004_bw6.pdf）但是GLM模型局限于对控制变量效应的估计，对已知刺激之外的自发BOLD信号的波动无法解释，按噪声来处理。
而Fox et al. (2006)发现自发的BOLD信号可以显著地解释一部分在任务之上的BOLD信号的波动，并认为任务引起的和自发的BOLD信号的波动在人脑上是线性叠加的。
Biswal et al.（1995）发现在没有明显的运动任务状态下，大脑左侧的感觉运动区和右侧感觉运动区、运动区内侧的BOLD信号波动却非常相关，说明静息状态下这种持续的、自发的BOLD信号波动并不是随机噪声，而是具有一定的模式。
使用fMRI任务激活范式在很多任务条件下都发现，后扣带回、楔前叶、下顶叶、前额叶内侧等脑区总是表现出任务非特异性的活动减低（Raichle et al., 2001）。
相比于任务状态下，在被动注视或静息状态下这些脑区都表现得更加活跃。
Greicius et al.（2003）研究发现静息态下后扣带回、前扣带回腹侧、下顶叶、前额叶内侧等脑区的BOLD信号高度相关，说明这些脑区在静息状态下的自发活动有很强的一致性，有很强的功能连接，构成一个功能网络。
这些静息态下自发的脑神经活动或许与巩固记忆、预测未来、保持警觉等神经功能有关（Raichle et al., 2007）。
静息态fMRI 已经被用于某些神经精神疾病的研究，比如儿童注意缺陷多动障碍（Attention-Deficit Hyperactivity Disorder，ADHD）、阿尔兹海默氏病（Alzheimer’s Disease，AD）等，Zang et al.（2007）发现静息态下ADHD的右侧额下回、左侧感觉运动区、双侧小脑、右侧扣带回前部、双侧脑干活动异常。
He et al.（2007）发现在静息态AD的后扣带回的自发活动与正常对照组相比明显降低。
综上所述，研究静息态时的自发神经活动对理解神经功能有重要意义。
另外，静息态fMRI一般连续数分钟扫描，没有任何特定的任务，不需要复杂精细的实验设计，也不需要被试做出反应，只要求被试安静地躺在扫描仪里，故研究者容易操作和控制扫描任务，被试也容易配合，易于多中心、大样本的研究，这是静息态fMRI脑成像的优点，非常适合临床上的研究和应用。
目前静息态数据的计算方法中线性相关的方法被使用得最多，另外还有局部一致性（Regional Homogeneity, ReHo）、低频振幅（Amplitude of Low Frequency Fluctuation, ALFF）、独立成分分析（independent component analysis, ICA）等方法。
REST目前的版本中首先加入了线性相关功能连接方法、ReHo方法以及ALFF方法。
线性相关是静息态fMRI研究中应用最广泛的方法，它考察的是感兴趣区域（Region of interest, ROI）之间或者ROI与全脑所有的体素之间的线性相关程度，由此判断是否与ROI 在功能上有较高的相似性，即有无功能连接。
这种方法简单、灵敏、易于解释（Fox et al., 2007）。
“局部一致性”(Zang et al., 2004)假设在一定条件下功能区内相邻体素的BOLD信号随时间变化具有相似性，使用肯德尔和谐系数（Kendall’s coefficient of concordance）作为指标来度量一个团块内的体素（7个、19个或27个体素）之间时间序列变化的一致性。
已有研究发现，后扣带回（Posterior cingulate cortex）、内侧前额叶（Medial pre-frontal cortex）以及双侧顶下小叶（Bilateral inferior parietal cortex）这几个脑区表现出任务非特异性的负激活（task independent deactivation, TID），并且，静息态PET研究也发现，这几个脑区的代谢在全脑中是最高的（Raichle et al., 2001）。
而采用ReHo方法研究发现，后扣带回（Posterior cingulate cortex）、内侧前额叶（Medial pre-frontal cortex）以及双侧顶下小叶（Bilateral inferior parietal cortex）在静息状态下的ReHo值明显高于运动任务状态（Zang et al., 2004）。
进一步研究发现，纯静息状态下，这几个脑区的ReHo值在全脑中最高（He et al., 2004）。
也就是说，这两篇ReHo研究的结果与Raichle等的结果是一致的。
ReHo方法的应用研究包括ADHD（Zhu et al., 2004; Cao et al., 2006）、精神分裂症（Liu et al., 2006）、AD（He et al., 2007）以及老年化（Wu et al., 2007）。
“低频振幅”(Zang et al., 2007)假设静息态脑BOLD信号在低频范围内是有其生理意义的，使用一个频段（0.01～0.08Hz）内所有频率点上幅值的平均值来刻画一个体素自发活动的强弱，从能量角度反映了各个体素在静息状态下自发活动水平的高低。
已有研究发现，静息态睁眼、闭眼两种条件下视觉区的低频振幅有很大差异（Yang et al., 2007），说明低频振幅至少可以区分这两种生理状态。
使用低频振幅指标发现，在ADHD儿童中，右侧额下回（Inferior frontal cortex, IFC）、小脑、前扣带回、左侧感觉运动皮层、双侧脑干都有异常(Zang et al., 2007)，和以前对ADHD的研究结果是一致的。
然而现在还没有一个类似于SPM（Friston, 1995）或AFNI（Cox, 1996）的软件能够使研究者很方便地对静息态脑神经活动数据使用特定的计算方法进行分析和处理。
静息态没有任务设计和实验刺激，所以不能通过提供设计矩阵的方式按照任务数据的处理方式来使用SPM （Friston, 1995）或AFNI（Cox, 1996）。
功能连接的方法可以使用AFNI（Cox, 1996）来完成，但是步骤多且繁琐，对一般研究者来说，门槛较高。
局部一致性方法此前可以使用ReHofMRI1.0 (by Dr. HE Yong, free download from http://www.bic.mni.mcgill.ca/users/yonghe)来做计算，但是不支持对批量数据的处理。
低频振幅的方法从能量的角度来分析静息态fMRI BOLD信号，虽然计算原理并不复杂，也可以使用AFNI来实现，但研究者仍要面对复杂的步骤和难记的命令。
静息态fMRI一般连续数分钟扫描，没有任何特定的任务，不需要复杂精细的实验设计，也不需要被试做出反应，只要求被试安静地躺在扫描仪里，故研究者容易操作和控制扫描任务，被试也容易配合，易于多中心、大样本的研究，这是静息态fMRI脑成像的优点，非常适合临床上的研究和应用。