基于 SPM 的 fMRI 数据预处理

/ 神经影像学 / 1 条评论 / 2187浏览

SPM 简介

SPM,即统计参数图,也是这个软件的最终输出,

它是由英国伦敦大学的Friston教授等人在通用数学软件包 Matlab 基础上开发的软件系统,其统计功能非常强大,

设计这个软件包的初衷是采用统计的方法来处理 fMRI,PET 和 SPECT 的数据。

到这里,已经开启 SPM 软件 ;

界面介绍

我主要使用 SPM 来处理 FMRI 数据。

用SPM进行数据处理分析过程主要分为两大部分:预处理过程 和 统计分析过程。

数据准备

为方便后续的数据处理,如果数据分散处理后整合,建议所有处理数据路径保持一致,要统一路径。

另外注意:路径中切勿出现中文,因为网上很多小伙伴都是这里出了问题,所以切记。

在数据预处理过程中会产生很多数据文件所以需要分类整理

我的目录结构如下:

操作

处理前首先要采用数据转换软件将 dicom 数据转换成 SPM 解析格式,转换时格式请选择 NIfTI,可用SPM输入面板中的 DiCOMImport 模块,如图示:

转换后 data 文件夹中会出现.img(图像数据)和.hdr(矩阵数据);

也就是原始图像资料.img 和 描述图像维度 .hdr

结果

点击 spm 面板上面的 display 即可预览刚生成的结果.

Slice Timing 时间层校正

Slice Timimg 用来校正 1 个 volume中层与层之间获取(采集)时间的差异,我们看到的 dcm 图像可能是标有整齐的序号的,但是实际在扫描的过程中并不是按照这个顺序去扫描的,可能是先扫描 1,3,5,7 回过头再去扫描 2,4,6,8 所以需要矫正到一个 TR 序列中。

操作

我们在按钮窗口中的预处理面板中点击 “Slice Timimg” ,将出现一个对话框,修改其中参数:

最后点击面板上方的向右的绿色三角即开始运行。运行完后将会生成一系列a*.img文件,这就是时间校准后的数据。

结果

在 data 文件夹下出现处理过后的 as* 的文件

Realignment 头动校正

即使我们对被试的头部做了很好的固定,在实验过程中,被试也会不由自主的有一些轻微的头动,这在fMRI 实验中尤为明显。

这一步就是把一个实验序列中的每一帧图像都和这个序列的第一帧图像按照一定的算法做对齐,以矫正头动。

目的: 如果在容许的头动范围内,可以使用一定的算法校正信号,使其靠近真实值,如果超过了这个规定的范围,则必须剔除这组数据。

头动范围(Check Realign):平动 ≤ 2.0mm and 旋转 ≤ 2.0degree

操作

我们在预处理面板校准选项中选择 “Realign(Est&Res)” ,出现一个参数设置对话框。

修改其中参数:

其余选项采用默认设置,点击上方绿色的三角开始运行,如下图所示:

结果

Coregister 配准

目的: 是将所有的图像同一个 volume 对齐,对功能像与结构像做一个信息的变换。我们相信对于被试,功能像与结构像是线性相关的平动与转动,而不是扭曲的。由功能像向结构像去配,对于结构像中的 hdr 文件存有一个矩阵,而这个矩阵就包含了功能像的信息。

操作

其余选项采用默认设置,点击上方绿色的三角开始运行。

说明:Source image 与 Reference image 的关系,可以认为是将结构像向以 mean 开头的功能像里估计,估计结束后就可以将旋转矩阵写入到精度更高的3D文件当中,最后做出的图像的分辨率就会很高。(结构像比功能像清晰很多)

结果

Segment 分割

目的:要将被试的结构像配到功能像里,就需要将结构像进行分割。

一般分割为灰质、白质和脑脊液三部分

操作

结果

Normalise 标准化

目的: 将不同容积及形状的被试的大脑放到一个标准空间里,用一个公用的坐标系去描述具体的一个位置。

操作

Normalize by using EPI templates;

在预处理面板标准化选项中选择 “Normalise:Estimate & Write” ,出现一个对话框,我们做如下设置:

结果

完成标准化后需要进行检查,效果不好的进行排除。

Smooth 平滑

标准化后效果不好的图像可以做一下平滑。

目的: 将功能像文件平滑

操作

平滑和越大可能处理的面积就越大,可能会产生不好的效果,需要谨慎考虑。

结果

高斯平滑后会生成若干对 s* 打头的 img/hdr 文件。

  1. 你git头像好骚啊~