fMRI06研究生版邱建峰影像技術學教研室磁共振功能成像（functionalmagneticresonanceimaging,fMRI）檢測病人/被試接受刺激（視覺、聽覺、觸覺等）后的腦部皮層信號變化，用于皮層中樞功能區的定位及其他腦功能的深入研究。功能成像生理與心理的變化磁共振腦功能成像（fMRI）是通過刺激特定感官，引起大腦皮層相應部位的神經活動（功能區激活），并通過磁共振圖像來顯示的一種研究方法。它不但包含解剖學信息，而且具有神經系統的反應機制，作為一種無創、活體的研究方法，對進一步了解人類中樞神經系統的作用機制，以及臨床研究提供了一個重要的途徑。血氧水平依賴（BOLD）fMRI

最初是采用靜脈注射增強劑等方法等來實現的。1990年美國貝爾實驗室學者Ogawa等首次報告了血氧的T2*效應。在給定的任務刺激后，血流量增加，即氧合血紅蛋白增加，而腦的局部耗氧量增加不明顯，即脫氧血紅蛋白含量相對降低。脫氧血紅蛋白具有比氧合血紅蛋白T2*短的特性，另一方面，脫氧血紅蛋白較強的順磁性破壞了局部主磁場的均勻性，使得局部腦組織的T2*縮短，這兩種效應的共同的結果就是，降低局部磁共振信號強度。由于激活區脫氧血紅蛋白相對含量的降低，作用份額減小，使得腦局部的信號強度增加，即獲得激活區的功能圖像。由于這種成像方法取決于局部血氧含量，故稱為血氧水平依賴功能成像。血氧合水平依賴（bloodoxygenationleverdependent,BOLD）某種刺激（視覺、聽覺、觸覺等）使人的相應大腦皮層中樞激活，皮層興奮區血流量增加，而局部耗氧量增加不明顯，使局部含氧合血紅蛋白的動脈增加，含去氧血紅蛋白的靜脈相對減少。在磁共振成像時，氧合血紅蛋白的T2*值比去氧合血紅蛋白的長，所以在T2*WI上皮層興奮區的信號前強度增高。因此，在不借助對比劑的情況下，顯示出與刺激對應的區域的血流信號變化。BOLD是進行fMRI的最主要手段。在MRI中，通過對比不同時間的序列圖像可以捕捉到BOLD信號。在觀察BOLD信號中，常用的序列為EPI和快速GRE序列。BOLD信號特征信號變化率小：<1－3％（1.5T）噪聲來源多：主磁場不均勻梯度磁場非線性數模轉化器的熱運動呼吸心跳頭動對刺激反應多樣性應用包括正常腦功能的基礎研究與臨床應用的研究，目前涉及的主要方面包括：神經生理學和神經心理學。fMRI

最早應用于神經生理活動的研究，主要是視覺和功能皮層的研究。后來隨著刺激方案的精確、實驗技術的進步，fMRI

的研究逐漸擴展于聽覺、語言、認知與情緒等功能皮層及記憶等心理活動的研究。神經病學與精神病學對于腦神經病變的fMRI

研究，已有大量的論文報道，涉及到癲癇、帕金森綜合癥、阿爾茨海默病（AD）、多發性腦硬化（MS）及腦梗死等方面。由于其時間、空間的分辨高，所以對疾病的早期診斷、鑒別、治療和愈后的跟蹤具有重要的意義。在精神疾病方面，對精神分裂癥患者、抑郁癥患者也有相應的研究。神經外科學和神經腫瘤學fMRI

對于神經疾病的研究、診斷、進展估計及實驗性干預治療效果的評價，能提供敏感、客觀精確的信息評價。對腫瘤病變的手術及放療計劃的制定、預后估計、減少手術損傷和并發癥，提高術后生活質量具有重要意義。腦fMRI的應用認知語言運動成癮機制心理測試。。。。。。fMRI

的實驗及技術要求fMRI

的實驗設計主要采用“基線-任務刺激的OFF-ON減法模式”來實現。通過外在有規律的、任務與靜止狀態的交互刺激，得到激活條件與控制條件下同一區域的信號，經過傅立葉轉換后獲得一系列隨時間推移的動態原始圖像。圖像后處理時，通過設定閾值使兩種狀態下的原始圖像進行匹配減影，減影圖像經過像素平均化處理后，使用統計方法重建可信的功能激發圖像。目前常用的統計方法主要是相關分析、t檢驗。通過這些后處理我們不但可以提高實驗結果的可信度，并可有效地消除部分圖像偽影。功能磁共振實驗流程圖問題設計掃描刺激數據分析解釋技術方面，對于小血管BOLD效應與場強的平方成正比，所以fMRI

的研究較適合于在高場強的系統上進行。研究表明，場強在1.5T以下的系統不適于進行腦功能研究。對成像序列的要求，一般使用T2*效應敏感的快速成像序列，如GRE、GRE-EPI、SE-EPI等。成像技術目前大多數fMRI成像需要1.5-2.0T以上高場強的MR設備，一般使用對T2效應敏感的GRE序列和快速成像EPI序列。單純GRE序列成像的缺點是圖像采集時間較長，成像層面數量有限，圖像容易受運動影響而產生偽影。EPI是由MansField在1997年首次闡述的[5]，該技術把經典成像中的多次掃描簡化為一次掃描，使成像速度得到巨大提高，目前大多數高場強MR機都采用GRE與EPI相結合的序列EPI。梯度場切換速度快，單次或少于一次激發便可完成整個K空間的數據采集，成像時間可縮短至30-100ms，這樣大大降低了運動偽影。fMRI的條件1、高場MRI（1.5T、3.0T）2、被試的腦信號變化（CBV、CBF、彌散、BOLD）2、高時間分辨率的序列（EPI、HSE）3、刺激系統（視覺、聽覺、觸覺）4、刺激任務（sigwin）5、數據分析軟件(AFNI、SPM)基本配置

ABABEvent-Related(newlydeveloped)BlockDesign(traditional)fMRI設計一般模式BlockDesignI:單任務一段時間內（推薦20秒）同一類刺激反復呈現，反應在6-8秒內達到峰值fMRI試驗的圖像數據處理統計學分析圖像分析綜合分析

spmAFNI

MRIco

。。。。。。Spm的圖像處理與分析

SPM(statisticalparametricmapping)是專門為腦功能成像數據分析而設計的一個通用軟件包。它的理論和思想最初是由英國的KarlFriston

在1991年提出的,當時是為了處理PET功能成像數據。到了1994年KarlFriston

推出SPM的第一個正式版SPM94,后來的SPM95(從這個版本開始能夠對fMRI

數據做處理)、SPM96,一直到現在的SPM99都是在SPM94的基礎上加入新的算法和理論開發出來的。它的主要目的是對被試間或者被試內的不同成像結果作比較,得出一個具有統計學意義的結果,SPM處理過程中的每一步都是為了實現這個目的。SPM指的是統計參數圖像,也就是這個軟件的最終輸出。它對所有成像數據的每一個像素點都分別計算,得出包含有每個像素點參數值的圖像,這個參數圖像是許多單次掃描圖像所包含信息的精簡和壓縮。這樣有利于我們讀取和理解。它的主要貢獻是解決了不同圖像數據間的比較問題,給出了具有統計學意義的結果。對大多數的成像技術(比如fMRI,PET,EEG等)所得的數據,我們都會遇到兩個關鍵的問題,第一是不知道應該用什么統計模型來處理分析。這是因為我們不知道所采集數據的分布形式,再加上這些技術的空間分辨率不夠高,使得每個體素都包含了周圍組織的信息,數據預處理過程中的對齊,又使得每個體素和周圍的體素產生了更大的關聯。SPM給出了一種行之有效的統計方法———隨機高斯場(randomgaussianfield),利用這個理論就能對不同的圖像數據做統計學上的比較,其具體的應用就是對圖像數據做高斯平滑濾波。

SPM的處理過程數據的采集數據的預處理圖像對齊空間標準化高斯平滑建立模型顯示結果Spm數據處理一般步驟1、轉換數據dicom格式轉換為img文件，將以層為單位的數據轉換成以全腦為單位的數據。2、Slicetiming校正系列成像中層與層獲得時間的不同，使一個TR中的各層獲得時間一致（如都在一個TR的開始），相當于afni中tshift所做的工作。3、Realign（相當于afni中的registration）分兩步：1）coregister，將每個session的第一個scan與第一個session的第一個scan進行比較，然后將每個sessioni中的其他scan與本session中的第一個scan進行比較，得到每個filename.img文件的轉換參數，生成filename.mat文件，同時為每個session生成一個對齊參數（realignmentparameters），文件名為realignment_params_*.txt2）reslice，用filename.mat文件對filename.img重新切片，生成rfilename.img文件。并可依選擇生成一個平均象，名為meanfilename.img。4、Normailze選用realign步驟中得到的平均象與模板進行比較，獲得進行標準化的參數，參數文件命名為filename_sn3d.mat，然后依據此參數文件對每個img文件進行標準化，生成文件nfilename.img.5、Smooth推薦為象素大小的兩至三倍。6、Fmrimodels依據提示填入刺激出現的間隔與時間，并選擇實驗涉及類型，然后進行估計。估計結果生成spm.mat等文件，保留在當前工作目錄7、Result選中剛才生成的spm.mat文件，定義constrast，看結果。數據的采集

SPM對所處理的數據有一些嚴格的要求,在實驗過程中要嚴格控制被試的頭動。雖然SPM具有頭動矯正功能,但在頭動超過一定限度時,為保證實驗的精確性,要堅決廢棄那個序列的數據。對fMRI

數據,在重建的時候要注意選擇比例因子,使得輸出的數據中的最大像素值在1000和2000之間。數據的預處理預處理過程包含好幾個重要的步驟,這些步驟的主要目的就是使得SPM能夠對這些數據做更好的統計分析。2.2.1圖像對齊即使我們對被試的頭部做了很好的固定,在實驗過程中,被試也會不由自主有一些輕微的頭動,這在fMRI

實驗中尤為明顯。這一步就是把一個實驗序列中的每一幀圖像都和這個序列的第一楨圖像按照一定的算法做對齊,以矯正頭動。做完這一步,能給出該序列中被試的頭動情況,以作為是否放棄該數據的依據

圖1中的Translation表示被試頭部在X,Y,Z三個方向的平動,分別用紅、綠、藍三種顏色表示。Ro2tation表示被試頭部在實驗過程當中繞X,Y,Z三條軸的轉動角度。橫坐標代表這個序列所采集的所有圖像,縱坐標表示的是偏移量和偏轉角度,分別以毫米和度為單位。2.2.2空間標準化由于被試大腦在解剖結構上的差異,需要把不同的大腦圖像進行空間標準化處理,將其轉化為大小和朝向都相同的標準化圖像。SPM所用的是蒙特利爾神經學研究所(MontrealNeurologicalInstitute)的ICBM(Interna2tionalConsortiumforBrainMapping)152人標準腦圖譜。它和傳統意義上的標準腦圖譜即Talairach

腦圖譜在大小和坐標上都有一定的差異。在這一步當中SPM提供了不同的模板,fMRI

的功能像一般選用EPI.img

模板,PET圖像選用PET.img

模板。空間標準化結果的好壞直接取決于掃描圖像和模板之間的匹配程度。2.2.3高斯平滑這一步是對圖像數據做高斯平滑。主要目的有兩個,第一是確保圖像數據具有隨機高斯場的性質,以滿足SPM的統計假設。第二是為了提高信噪比,圖像對齊和空間標準化使得各個體素之間的關聯性被改變,高斯平滑能夠使相鄰的體素共享更多的信息。高斯平滑的參數一般設定為分辨率的2～3倍。在fMRI

實驗中,由于儀器的差異,被試個體的差異,以及信噪比的不同,即使用相同的掃描矩陣,也會給出不同的分辨率,所以我們一般用體素的大小來表征分辨率。建立模型這一步需要把你所認為的激活模式告訴SPM。通常這種激活模式對應于你的實驗設計。從圖中我們可以看出,這個實驗序列一共有四種任務(也可以把控制看作任務)。SPM當中,可以通過許多方式察看結果。甚至可以用別的程序,比如MRIcro

來察看。這一步解決了兩個關鍵的問題。第一是顯示了明顯激活的區域;第二是給出了激活區域的坐標,使我們能夠找出這些激活區的精確的解剖部位?？梢酝ㄟ^不同的手段來控制某一個像素或者某一簇像素的激活。這些激活依賴于你所選擇的顯著性水平閾值,閾值的不同,給出不同的激活。通過調節置信度,也可以控制激活區域,在fMRI

數據中,如果大腦的邊緣區域有許多興奮點,那么其中有一部分就有可能是運動偽影。得到激活區域的精確坐標以后,通過MNI腦圖譜和Talairach

圖譜之間的關系,用一種非線性的變換,把MNI的坐標轉換成Ta2lairach坐標,這樣就可以查出每個激活區的解剖位置。Talairach

圖譜其他的著名腦圖譜Ono腦溝回圖譜Mni-bic的brainweb哈佛全腦數據庫

SPM的應用利用SPM對腦功能成像數據處理之后得到的結果。參加實驗的四位志愿者都是大學生,兩男兩女,平均年齡24歲,實驗任務為默讀漢字和阿拉伯數字。實驗序列采用組塊設計。下面是SPM所給出的實驗結果?？梢钥闯?在傳統的語言中樞,也就是布洛卡(Broca)區和威尼克(Wernicke)區上,默讀漢字的激活明顯大于默讀數字的激活。研究人員發現,在大腦中總共涉及說謊的有7個區域,而說真話只有4個區域?？傮w上來看,說謊比