咨询服务热线:

010-67816361

空间标准化那些事
发布时间:2018/3/1 14:54:04  作者:【返回
                                            

今天跟大家分享一下关于fMRI脑功能成像的空间标准化的那些事。


在了解空间标准化的各种方法之前,我们先来来了解一下什么是空间标准化呢?


空间标准化,英文:spatial normalization,就是利用图像配准算法将所有不同个体的脑图像都变成一模一样(不仅轮廓一模一样,内部的细节也一模一样)。


那么这么做有什么好处呢?答案很简单,空间标准化之后的图像就像孪生兄弟一样,长得一摸一样,那么就可以将所有被试的脑图像进行逐像素的统计分析;也可以很容易批量的选出想要分析的感兴趣区,避免了人为逐层勾画的繁重工作量。


所谓“空间标准化”,就需要选择一个“标准”。那么对于人脑空间而言,MNI空间是目前使用最为广泛的“标准”空间,也是目前常用的数据分析软件所使用的标准人脑空间,如SPMFSLFreeSurferGretna等等。


对于fMRI脑功能成像而言,常用的空间标准化方法有三种:


1、直接利用个体的fMRI脑功能成像进行空间标准化:选择MNI空间的EPI模板为参考标准,将fMRI图像进行空间变换以完成空间标准化。这么做的好处就是:简单直接(简单粗暴)--所有的fMRI图像不会存在经过二次变换的误差。但是,由于fMRI的空间分辨率比较差,无法分辨出精细的脑组织结构,因此,该方法对于脑组结构的细节配准精度并不高。


2、通过T1脑结构图像进行空间标准化:首先将每个被试的fMRI脑功能图像与其T1脑结构图像进行图像配准(co-register),然后选择MNI空间的T1模板为参考标准,将被试个体的T1图像进行空间变换,并将相同的图像变换参数应用于与其相对应的fMRI脑功能图像,以完成空间标准化。这么做的好处就是:T1图像的亚组织结构的空间分辨好,因此,其空间标准化的精度会高于第一种方法。然而,由于在空间标准化之前需要首先进行co-register,比第一种方法多了一步操作,就有可能会引入累积误差。


3、使用DARTEL方法进行空间标准化。DARTEL最初是由VBM分析提出的基于形变场理论的图像分割及配准的方法。该方法也需要借助T1图像:与第二种方法一样,首先需要将每个被试的fMRI脑功能图像与其T1脑结构图像进行图像配准(co-register),然后使用DARTEL方法将T1图像分割为灰质、白质、脑脊液,并将分割后的灰质概率图进行空间变换,并将相同的图像变换参数应用于与其相对应的fMRI脑功能图像,以完成空间标准化。这么做的好处是:只有灰质部分参与图像配准,那么这种方法的空间标准化精度是最高的。然而,这种方法比第二种方法更多了一步图像分割,那么就有可能引入更多的累积误差。


由此可见,不论什么方法都有利有弊,研究人员可以根据自己数据的特点选择不同的空间标准化方法。但是,不论选择什么方法,都需要对空间标准化的结果进行质控(检查),质控在脑影像的数据分析中非常重要。

北京赛博尔培训班信息(直接点击文字即可浏览!)


近红外培训班内容覆盖MATLAB基础,NIRS基本原理,fNIRS处理流程,Homer进阶分析,适合零基础学员掌握基本近红外数据处理方法。

近红外脑功能数据处理培训班


由北京赛博尔举办的fMRI基础班是首个手把手教学的磁共振数据培训班,从磁共振简单原理、fMRI原理到SPM的使用,内容涵盖fMRI基础中的基础,非常适合功能磁共振零基础学员。

第二十四届 脑功能磁共振数据处理分析培训班

第二十五届 脑功能磁共振数据处理分析培训班


脑网络培训班内容涵盖了脑网络的很多前沿方法, 包括时频分析、基于SurfStat以及GRETNA的脑网络拓扑属性、MVPA方法等等,对掌握了基本fMRI及脑电数据处理方法后的医生及研究人员有很大提高。

第二届磁共振脑网络数据处理班


脑网络培训班内容涵盖了脑网络的很多前沿方法, 包括时频分析、基于SurfStat以及GRETNA的脑网络拓扑属性、MVPA方法等等,对掌握了基本fMRI及脑电数据处理方法后的医生及研究人员有很大提高。

第十一届脑电信号数据处理专题培训班