磁共振成像（Magnetic Resonance Imaging, MRI），是一种非侵入性的医学影像技术，用于生成具有高分辨率的人体内部结构图像，主要包括反应功能网络的功能磁共振成像（Functional Magnetic Resonance Imaging, fMRI）、体现结构网络的弥散张量成像（DTI）和展示形态学网络的结构磁共振成像（Structure Magnetic Resonance Imaging, sMRI） 。经过多年发展，MRI技术现已十分成熟，但影像原始数据仍存在噪声与信息干扰，这使得我们在应用前需对数据进行预处理。而感兴趣区域（region of interest, ROI）与基于体素的形态学分析（voxel-based morphology, VBM）的预处理被认为是提取大脑特征较为准确的方法。

        ROI是指在图像中预先定义的特定区域或区域集合。研究人员选择感兴趣的区域，并计算该区域的特征，如体积、形状或信号强度等。

        将原始图像映射至预先规划好的模板上，选择模板上的区域，这个区域就是你研究的重点。

        在脑影像分析中，为了更精确地研究这些区域的结构、功能或连接，常常使用到一些预先定义好的模板，比如由 Montreal Neurological Institute (MNI)机构提供的AAL90（Anatomical Automatic Labeling）模板，他包含90个大脑脑区以及26个小脑脑区、以及自动化所脑网络组研究中心蒋田仔教授团队绘制的BNA脑网络图谱，该图谱讲脑细化为246个脑区，详见连接。

AALhttps://www.cnblogs.com/gagag/p/13256638.htmlBNAhttps://scalablebrainatlas.incf.org/services/view3d_l2v.php?template=BNA&overlay=labels

        定义好脑区后，可对所选的ROI进行特征提取，如计算该区域的白质、灰质的体积、形状、密度，各个脑区之间的功能连接等。将提取的特征与其他脑区域、临床数据或实验条件进行比较，以了解感兴趣区域在特定情况下的结构、功能或连接的变化，进而进行解释或推断。在临床中，常常应用于神经精神疾病患者的异常脑结构、功能分析。对与特征计算在此推荐dpabi预处理工具包，可安装在matlab中进行MRI可视化预处理，链接如下。

DPABI: a toolbox for Data Processing & Analysis for Brain Imaging | The R-fMRI Network (rfmri.org)https://rfmri.org/DPABI

        VBM是一种基于全脑分析方法，它通过将整个脑图像分割成小的体素（立方体像素）单元，并对每个体素进行统计分析，来研究不同脑区域之间的形态学差异，分析涵盖整个脑部，因此在较大的空间尺度上进行。 

        首先，对脑MRI需要预处理，包括去除头盖骨、矫正图像方向、去除噪声等步骤，以确保后续分析的准确性和可靠性；接下来，需要把脑MRI的T1加权像在空间上标准化到一个完全相同的立体空间中，然后对图像进行分割成，划分成如灰质、白质和脑脊液等不同的组织类型，以便将不同组织类型的体素进行区分。随后可以利用使用统计学方法来检测不同组间的差异，并完成可视化。

        在临床上，VBM也主要用于对神经精神疾病患者的脑影像分析。

        总而言之，相较于ROI，VBM更注重全脑的研究。且VBM方法无需预先定义模板，因此较少受到主观选择的影响。