fmri -数据预处理的步骤和原理

隔层扫描先时间层校正后头动校正，顺序扫描先头动校正再时间层校正

步骤1： 时间层校正

时间层校正的原理：

保证所有扫描层在同一个时间点，即一个完整的脑区扫描是同一个时间点完成的，因为TR=2秒完成一次扫描，一共有45层，每层时间必然不一样，所有采用插值法校正；下面是专业的话术，需要背诵：

在 fMRI 扫描中，磁共振仪会逐层逐次采集脑图像。由于生物生理学原因，这些层在时间上可能不会完全同步，导致图像中的每一层对应于不同时间点的脑活动。时间层矫正的目标是将 fMRI 数据的时间轴对齐，以便可以正确地分析脑活动与刺激或任务之间的关联，有助于减少时间差异引入的伪影，从而提高数据的准确性和可靠性。

步骤2： 头动校正

统计分析需要假设每个体素在各个时间点都对应大脑的同一个位置。头动校正是去除头动的干扰。一般大于 2MM 的平动或者角动大于2度的被试需要被舍弃。或者使用插值法替代数据。

步骤3：配准

结构像和步骤2生成的功能像进行配准

功能像（如fMRI或PET）提供了大脑活动的信息，而结构像（如MRI）提供了大脑的解剖信息。通过将这两种信息配准在一起，可以更准确地将功能激活区域定位到特定的解剖结构中。

步骤4：分割

分割结构像

分割通常是针对T1加权的结构像进行的。这一步骤的主要目的是将结构像中的不同脑组织类型（如大脑皮层、白质、灰质等）分隔开来。这可以通过区分不同像素或体素的强度和特征来实现。

为什么需要分割：分割结构像的目的是获取不同脑区域的解剖学信息。这些分割后的区域可以用于定位功能激活的脑区域、构建脑图谱、进行区域兴趣（ROI）分析以及检测脑结构的变化等。

步骤5：标准化

标准化是将脑成像数据（包括结构像和功能像）映射到一个通用的标准空间（如MNI空间）的过程。这个标准空间具有已知的坐标系统，使不同被试者之间的数据可比。

为什么需要标准化：标准化的主要目的是允许跨被试者之间的比较和统计分析。不同被试者的大脑形态和解剖结构可能存在差异，标准化将这些数据映射到一个共同的坐标空间，消除了个体差异，使研究者能够更精确地比较不同被试者之间的功能激活模式。

步骤6：平滑

平滑通常应用于fMRI数据，以减少噪声、改善信噪比，以及在统计分析中更清晰地观察功能激活区域。fMRI数据表示大脑在不同时间点的活动，因此平滑是在时间序列数据上进行的，以使信号在空间上平滑化。平滑的目标是在空间上模糊数据，而不是改变其频率特性。

平滑通常使用高斯核函数来实现。在每个体素周围创建一个高斯滤波器，然后将邻近体素的信号进行加权平均。这样可以使信号在空间上平滑化。所以需要设置大小，一般是体素的2到3倍.

步骤7：去线性趋势

去线性趋势的目的是消除数据中的线性趋势，这些趋势可能由于扫描仪漂移或其他因素而存在。去线性趋势有助于使数据更平稳，减少了在时间序列分析中引入的误差。

方法：去线性趋势通常涉及拟合线性模型并将其从数据中减去，以去除线性趋势。

时机：去线性趋势通常在滤波之前进行。这是因为在滤波之前，去除线性趋势可以减少在滤波过程中可能产生的伪信号。

步骤8： 滤波

滤波通常也应用于fMRI数据，但其目的是调整信号的频率特性。在fMRI数据中，常见的滤波用途是时域滤波，以去除低频趋势信号，如线性趋势、呼吸和心跳相关信号。这种滤波不会改变数据的空间特性，而是改变其在时间上的特性。

主要使用频域滤波器（高通或者低通滤波器）

步骤9：去除头动心跳等其他相关信号

步骤10：回归分析