静息态功能磁共振成像(rs | 您所在的位置:网站首页 › 磁共振成像原理及三个步骤是什么 › 静息态功能磁共振成像(rs |
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)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) (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(?) |
CopyRight 2018-2019 实验室设备网 版权所有 |