课堂笔记：AFNI数据处理介绍

AFNI（analysis of functional neuroimages）数据序号是从0开始，而SPM从1开始。fMRI获得的其实是个五维数据：X、Y、Z、时间和voxel（体素）。“*.HEAD”是扫描参数文件，“*.BRIK”是图像文件。

数据处理的过程分为预处理和数据分析。

预处理过程

1，生成数据集[to3d]

Image assembly into datasets：三维图像重建，将X，Y，Z上的数据合成一个脑。

命令：

⑴SE成像（解剖成像）：to3d*

⑵EPI成像（功能像）：to3d-time:zt 层数 时间点的个数 TR长度 数据扫描方式 输入数据（如：to3d-time:zt 20 293 2s altplus *）

Temporal realignment（连续扫描可以不进行这一步）[3dTshift]：时间对齐，可以理解为寻找一个参考层（中间层），一般在间隔扫描中需要这一处理，因为间隔扫描先扫单数后扫双数，所以中间的一般是在单数最后一位或双数第一位。

2，头动矫正（2D头动矫正→3D头动矫正）

Image registration：进行头动校正（头动中，平动三维，转动也是三维），平动（水平运动）大于2mm或转动大于2°数据作废，因为超过了voxel分辨率的2/3。分析时需要将头动参数纳入协变量（控制头动变量）。

[2dImReg]——TR内层数间头动校正；

[3dVolreg or plugin]——TR间头动校正。

3，空间平滑

Special smoothing（高空间分辨率的研究不能进行该步骤）：空间平滑，其实质是voxel的某范围内进行平均以消除随机噪音，一般设在voxel的2-3倍。此处理意在提高信噪比，但同时空间分辨率会提高，因而空间分辨率需求高的研究不能做空间平滑。

[3dmerge]

4，数据标准化

Temporal smoothing：时间平滑，或称为数据标准化，意在去除本体活动的大脑血氧变化率，去除个体差异。

[3dTsmooth]

5，编写ID文件，设计矩阵

在Excel或emacas中将刺激出现的时间点（对应RT的倍数）编为1，其余为0。

用命令打开设计矩阵：1dplot。

Spacially normalize to Talairach atlas

[AFNI]

数据分析

⑴个体分析：生成激活图

①Block设计：3dfim

②Event-Related设计：3dDeconvolve（反卷积，做出不同人或不同脑区的BOLD曲线）→irf（Impulse Resonses Function）

⑵组分析

①空间标准化（把不同人拉到同一个“脑”上）

②获得个体激活图

③多个被试结果的组分析：

   a逐个体素t检验:[3dttest]

   b逐个体素的1-，2-，3-元方差分析，Fixed and random effect:[3dANVOA]

   c主成分分析（space×time）:[3dpc]

⑶ROI分析（region of interest）：兴趣区

两种形态相减得出激活图，对某个兴趣区进行分析。

笔记来源：西南大学心理学部社会认知神经科学研究进展-冯廷勇