静息态功能磁共振成像(rs-fMRI)原理与数据分析学习笔记（1）：Resting-State fMRI

原创 已于 2024-04-25 14:30:52 修改 · 1w 阅读 · 127 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
标签
#学习 #笔记 #人工智能 #分类 #图像处理
#数据分析
于 2023-07-19 02:10:52 首次发布
文章介绍了静息态功能磁共振成像(rs-fMRI)的原理，包括脑部影像分析中的不同激活状态和网络，如默认网络和任务态实验。讨论了数据分析方法，如整合、局部区域和图论方法，以及头动、标准化和多重比较校正等方法学问题。文中提到了常用的fMRI数据处理软件DPARSF、SPM和FSL的使用比例。

视频来自：静息态功能磁共振成像(rs-fMRI)原理与数据分析,DPABI教程_哔哩哔哩_bilibili

PPT：The R-fMRI Course | The R-fMRI Network

推荐就着另一个PPT看：fmri.april2011.pdf (harvard.edu)

目录

1. 脑部影像分析

1.1. 睁眼/闭眼脑区激活

1.2. 动手指/静息脑区活跃

1.3. 感觉运动/听觉/视觉/注意力网络脑部影像

1.4. 默认网络（DMN，default mode network）

1.5. 大脑任务态实验

2. 数据分析的基本计算方法

2.1. 整合（Integration approach）

2.2. 局部区域（Regional approach）

2.3. 图论（Graphical approach）

3. 方法学的问题

3.1. 头动（Head motion）

3.2. 标准化（Standardization）

3.3. 多重比较校正（Multiple-comparision correction）

4. 数据处理平台

4.1. DPARSF：流水线式fMRI数据处理软件（29%）

4.2. SPM（56%）

4.3. FSL（25%）

1. 脑部影像分析

1.1. 睁眼/闭眼脑区激活

（1）其中的紫色的小波纹被认为是噪声（noise）

（2）指定脑区在睁眼明显比闭眼时更加活跃

（3）蓝色线条为分别平均睁眼与闭眼时脑部状态，能更加明显地判断脑部活动差异

1.2. 动手指/静息脑区活跃

（1）c为辅助激活区

（2）尽管b处于静息态，多处脑区仍然显示活跃

1.3. 感觉运动/听觉/视觉/注意力网络脑部影像

1.4. 默认网络（DMN，default mode network）

（1）实验发现：无论做什么任务，总有些网络在负激活（即静息态高，任务模式低）

（2）默认网络：独立于任务的，负激活的网络

1.5. 大脑任务态实验

（1）任务态的主流是在任务范式上创新

（2）大多数的研究都是小样本研究

2. 数据分析的基本计算方法

2.1. 整合（Integration approach）

（1）方法：①功能连接（Functional Connectivity）

                    ②有效连接（Effective Connectivity）

                    ③层次聚类（Hierarchical Clustering）

                    ④自组织映射（Self Organization Map）

（2）对于大脑同步活动中时间序列的相似性

  

（3）提取一个单元（种子点）并分析它的时间序列，并用皮尔逊相关与其他区域进行比较

（4）独立组成分析（Independent Component Analysis）

 （5）体素脑镜像同伦功能连接（Voxel-mirrored homotopic connectivity，VMHC）

 监测对应体素，认为某些疾病会导致脑部区域功能的不平衡

（6）时间序列的预测和影响

若a时间序列的过去能预测b时间序列的将来，则认为a和b有因果/预测关系。但不同脑区对于刺激的反应时长不同，导致人们不一定能正确分析出驱动关系（甚至可能后被发现激活的脑区先发生，仅仅因为起效速度慢，而被认为是后发生的）。

2.2. 局部区域（Regional approach）

（1）局部一致性（Regional Homogeneity，ReHo）

看相邻体素的一致性

 （2）低频振幅（Amplitude of low frequency fluctuations，ALFF）

 不同脑区振幅/频率不同

 

ALFF是很好的噪声控制方式 

2.3. 图论（Graphical approach）

（1）脑部网络连接方法

①Cp：团块系数，衡量全局效率

②Lp：最短路径

（2）动态视角（Dynamic perspective）

3. 方法学的问题

3.1. 头动（Head motion）

（1）结构和功能都会出现这样的情况，给静息态造成很大的尾迹

3.2. 标准化（Standardization）

（1）Mean regression + SD division ：控制中心效应

3.3. 多重比较校正（Multiple-comparision correction）

（1）太多样本导致单样本正确率高，但多样本正确率相乘反而会得到较低的正确率

（2）随机和计算下得到的连接最大的团块（？）

4. 数据处理平台

4.1. DPARSF：流水线式fMRI数据处理软件（29%）

4.2. SPM（56%）

4.3. FSL（25%）

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
cc1609130201的博客
10-09 1万+
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
静息态功能磁共振成像(rs-fMRI)原理与数据分析——1
qq_43212927的博客
03-21 1854
如果在扫描仪中，头动，无论是结构链接还是功能连接，都会造成图像的模糊运用Friston-24model来解决。
fMRI脑影像特征提取——静息态与任务态，ALFF/fALFF和ReHo（Dpabi，Rest1.8）
热门推荐
意疏的学习笔记
07-03 5万+
任务态和静息态是大脑的两种状态，前者主要是指大脑在执行记忆、识别以及运动等具体任务时的状态，静息态则是指大脑不执行具体认知任务、保持安静、放松、清醒时的状态，是大脑所处的各种复杂状态中最基础和最本质的状态。任务态fMRI分析有非常悠远的历史，而静息态fMRI自1995年biswal教授及其同事率先报告静息态fMRI具有生理意义后，越来越多的人进入了静息态的研究领域。任务态fMRI主流的分析方法是模型驱动（GLM+HRF），也可以引用静息态fMRI
静息态功能磁共振成像(rs-fMRI)原理与数据分析学习笔记（3）：R-fMRI Data Processing DPARSFA
Sherlily的博客
07-21 8087
计算机与人工智能-脑科学与类脑智能-磁共振功能成像（functional magnetic resonance imaging, fMRI）
静息态功能磁共振成像(rs-fMRI)原理与数据分析学习笔记（8）：Statistical Analysis
Sherlily的博客
07-27 6301
计算机与人工智能-脑科学与类脑智能-磁共振功能成像（functional magnetic resonance imaging, fMRI）
静息态功能磁共振成像(rs-fMRI)原理与数据分析学习笔记（2）：Applications of Resting fMRI
Sherlily的博客
07-19 2278
计算机与人工智能-脑科学与类脑智能-功能性磁共振成像（functional magnetic resonance imaging, fMRI）
静息态功能磁共振成像(rs-fMRI)数据分析实战：从原理到方法学挑战
最新发布
qsc901234的博客
02-28 219
本文系统介绍了静息态功能磁共振成像(rs-fMRI)数据分析的全流程，从BOLD信号与功能连接的核心原理出发，详细阐述了数据预处理、功能连接计算与可视化等实战步骤。文章重点剖析了数据分析中面临的关键方法学挑战，包括头动伪影的控制、多中心数据的标准化处理、多重比较矫正策略，并强调了功能连接指标的相关性不等于因果性，为神经科学研究者和临床医生提供了从原理到实践的全面指南。
静息态功能磁共振成像中的动态功能连接
cc1609130201的博客
05-02 4569
静息状态功能磁共振成像（rs-fMR imaging）显示了在没有明确任务情况下的一系列不同的大脑区域，这些区域表现出低频的、时间上相关的血氧信号的波动，称为静息态网络。通过rs-fMRI，对大脑功能的解剖学理解已经从局部化的角度发展到基于网络的结构。这些网络往往涉及共同激活的区域，并在受试者和扫描周期之间保持一致，这表明了大脑功能组织的一般原则。目前，静息态网络的分析通常使用假定时间平稳性（temporal stationarity）的技术，并计算在整个扫描过程中线性依赖性的度量，以描述跨区域间连接的强度
静息态功能磁共振成像(rs-fMRI)原理与数据分析学习笔记（11-12）：Utilities and Brain Imaging Programming
Sherlily的博客
07-30 2752
计算机与人工智能-脑科学与类脑智能-磁共振功能成像（functional magnetic resonance imaging, fMRI）
医学影像：静息态fmri数据的预处理
Spuer_Tiger
05-03 1万+
本文主要详细介绍了静息态fmri数据的预处理，什么是静息态功能核磁共振，以及从理论部分到实践部分，深度地讲解记录其中的细节，内容中的截图源自于暑期天津医科大学的功能项脑影像培训班，本文仅供学习参考，如有侵权，联系后将立即删除。
基于DPABI的RS-fMRI预处理理解及详细操作步骤
learner_jj的博客
04-12 1万+
记录DPABI对rs-fMRI 数据进行预处理的详细步骤
RS-fMRI统计分析及作图入门
upyours00的博客
07-05 6242
获取统计图 要做统计分析需要以下数据文件 第二个检查空间变准化效果，一张一张图片打开，看配准效果好不好，肉眼可见配的不好的就可以直接排除掉。细微的差错视自己的数据要求来抉择。 第三个检查头动效果，文件夹打开之后，看文本文档“ExcluedeSubjects.txt”，里面会给出头动大于3.0， 2.5 … 的都有哪个被试 可以把以上数据分别存入case/control组里面 接下来可以用RESTplus做t检验： 打开RESTplus —— statistics analysis —— Two sampl
深度学习在静息态功能磁共振成像中的应用
cc1609130201的博客
06-02 1870
对从人脑功能磁共振成像(fMRI)数据中获得的丰富的动态的时空变化特性进行建模是一项具有挑战性的任务。对大脑区域和连接水平进行分析为fMRI数据提供了更直接的生物学解释，并且到目前为止一直有助于描述大脑中的特征。在本文中作者假设，与之前研究广泛使用的预先进行的fMRI时变信息转换以及脑区之间的功能连接特征相比，直接在四维(4D)fMRI体素级别空间中进行时空特征的学习可以增强大脑表征的鉴别性。基于这个目的，作者对最近提出的结构MRI(sMRI)深度学习(DL)方法进行扩展，以额外获得时变信息和在预处理好的f
静息态功能磁共振及其在精神疾病诊断中的应用
cc1609130201的博客
01-03 2677
静息态功能磁共振能够用于测量各种大脑属性，包括功能连接和图论法测量等。通过这些测量，我们可以更好地理解一系列精神疾病中大脑功能连接的改变。在这篇文章中，我们讨论了如何更好地理解rs-fMRI在多动症、自闭症谱系障碍、双相障碍、精神分裂症和抑郁症精神疾病方面的一些作用。通过使用静息态功能连接、局部一致性、低频振幅和图论法等指标，研究人员更好地了解了精神疾病人群中不同的脑功能网络是如何偏离常态的，以及特定的药物干预是否有助于恢复特定的脑功能属性。
如何解释静息态功能磁共振成像:询问你的参与者
悦影科技
12-07 1330
《本文同步发布于“脑之说”微信公众号，欢迎搜索关注~~》 摘要：静息态功能磁共振成像(rsfMRI)揭示了受试者在不受任务约束的环境中，让他们的思维自由游走时的大脑动态。因此，休息的受试者在丰富的认知和感知状态(即正在进行的体验)空间中导航。这种持续的体验如何形成rsfMRI总结指标(例如，功能连接性)尚不清楚，但可能对受试者内部和之间的差异有独特的贡献。在这里，我们认为，要理解正在进行的体验在rsfMRI中的作用，需要获得这些体验的标准化的、时间分辨的、经过科学验证的第一人称描述。我们建议通过适合用于功能
静息态fMRI方法在脑动力学表征上的比较
u011661076的博客
09-24 1668
静息态功能MRI(fMRI)表现出功能连接的时变模式。已经开发了几种不同的分析方法来检查这些静息态动态信息，包括滑动窗口连接(SWC)、相位同步(PS)、共激活模式(CAP)和准周期模式(QPP)。每种方法都可用于生成随时间变化的活动模式或区域间协调。然后可以对各个帧进行聚类，以产生通常称为“大脑状态”的时间分组。
【保姆级教程：rs-fMRI处理成脑图谱数据】
illusionAj1的博客
04-27 2977
fMRI映射到脑图谱，
Radiology：脑损伤患者基于语言任务的功能磁共振成像与静息态功能磁共振成像对躯体运动网络的识别
cc1609130201的博客
08-21 1966
在过去的几十年里，功能性磁共振成像(fMRI)被广泛用于术前规划，有证据表明，附加信息可以改变很大一部分脑肿瘤患者的治疗方法。术前功能磁共振成像有助于减小开颅手术的规模，并通过促进术中定位或减少对定位的需要来缩短手术时间。 使用基于任务的功能磁共振成像(task-based, fMRI tb-fMRI)可以可靠地定位特定的大脑功能区，如运动区或语言区。然而，tb-fMRI通常有一些缺点，如扫描时间长、需要患者的积极合作和参与，这在包括脑肿瘤患者在内的功能性或神经性残疾患者群体中并不总是可行的。 静息态功
静息态功能磁共振成像(rs-fMRI)原理与数据分析学习笔记（7）：Dynamic Analysis
Mithlos的博客
06-05 721
指的是大脑活动信号随时间的变化特征和模式。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值