医学图像处理1516fMRI

fMRI06研究生版邱建峰影像技术学教研室磁共振功能成像（functionalmagneticresonanceimaging,fMRI）检测病人/被试接受刺激（视觉、听觉、触觉等）后的脑部皮层信号变化，用于皮层中枢功能区的定位及其他脑功能的深入研究。功能成像生理与心理的变化磁共振脑功能成像（fMRI）是通过刺激特定感官，引起大脑皮层相应部位的神经活动（功能区激活），并通过磁共振图像来显示的一种研究方法。它不但包含解剖学信息，而且具有神经系统的反应机制，作为一种无创、活体的研究方法，对进一步了解人类中枢神经系统的作用机制，以及临床研究提供了一个重要的途径。血氧水平依赖（BOLD）fMRI

最初是采用静脉注射增强剂等方法等来实现的。1990年美国贝尔实验室学者Ogawa等首次报告了血氧的T2*效应。在给定的任务刺激后，血流量增加，即氧合血红蛋白增加，而脑的局部耗氧量增加不明显，即脱氧血红蛋白含量相对降低。脱氧血红蛋白具有比氧合血红蛋白T2*短的特性，另一方面，脱氧血红蛋白较强的顺磁性破坏了局部主磁场的均匀性，使得局部脑组织的T2*缩短，这两种效应的共同的结果就是，降低局部磁共振信号强度。由于激活区脱氧血红蛋白相对含量的降低，作用份额减小，使得脑局部的信号强度增加，即获得激活区的功能图像。由于这种成像方法取决于局部血氧含量，故称为血氧水平依赖功能成像。血氧合水平依赖（bloodoxygenationleverdependent,BOLD）某种刺激（视觉、听觉、触觉等）使人的相应大脑皮层中枢激活，皮层兴奋区血流量增加，而局部耗氧量增加不明显，使局部含氧合血红蛋白的动脉增加，含去氧血红蛋白的静脉相对减少。在磁共振成像时，氧合血红蛋白的T2*值比去氧合血红蛋白的长，所以在T2*WI上皮层兴奋区的信号前强度增高。因此，在不借助对比剂的情况下，显示出与刺激对应的区域的血流信号变化。BOLD是进行fMRI的最主要手段。在MRI中，通过对比不同时间的序列图像可以捕捉到BOLD信号。在观察BOLD信号中，常用的序列为EPI和快速GRE序列。BOLD信号特征信号变化率小：<1－3％（1.5T）噪声来源多：主磁场不均匀梯度磁场非线性数模转化器的热运动呼吸心跳头动对刺激反应多样性应用包括正常脑功能的基础研究与临床应用的研究，目前涉及的主要方面包括：神经生理学和神经心理学。fMRI

最早应用于神经生理活动的研究，主要是视觉和功能皮层的研究。后来随着刺激方案的精确、实验技术的进步，fMRI

的研究逐渐扩展于听觉、语言、认知与情绪等功能皮层及记忆等心理活动的研究。神经病学与精神病学对于脑神经病变的fMRI

研究，已有大量的论文报道，涉及到癫痫、帕金森综合症、阿尔茨海默病（AD）、多发性脑硬化（MS）及脑梗死等方面。由于其时间、空间的分辨高，所以对疾病的早期诊断、鉴别、治疗和愈后的跟踪具有重要的意义。在精神疾病方面，对精神分裂症患者、抑郁症患者也有相应的研究。神经外科学和神经肿瘤学fMRI

对于神经疾病的研究、诊断、进展估计及实验性干预治疗效果的评价，能提供敏感、客观精确的信息评价。对肿瘤病变的手术及放疗计划的制定、预后估计、减少手术损伤和并发症，提高术后生活质量具有重要意义。脑fMRI的应用认知语言运动成瘾机制心理测试。。。。。。fMRI

的实验及技术要求fMRI

的实验设计主要采用“基线-任务刺激的OFF-ON减法模式”来实现。通过外在有规律的、任务与静止状态的交互刺激，得到激活条件与控制条件下同一区域的信号，经过傅立叶转换后获得一系列随时间推移的动态原始图像。图像后处理时，通过设定阈值使两种状态下的原始图像进行匹配减影，减影图像经过像素平均化处理后，使用统计方法重建可信的功能激发图像。目前常用的统计方法主要是相关分析、t检验。通过这些后处理我们不但可以提高实验结果的可信度，并可有效地消除部分图像伪影。功能磁共振实验流程图问题设计扫描刺激数据分析解释技术方面，对于小血管BOLD效应与场强的平方成正比，所以fMRI

的研究较适合于在高场强的系统上进行。研究表明，场强在1.5T以下的系统不适于进行脑功能研究。对成像序列的要求，一般使用T2*效应敏感的快速成像序列，如GRE、GRE-EPI、SE-EPI等。成像技术目前大多数fMRI成像需要1.5-2.0T以上高场强的MR设备，一般使用对T2效应敏感的GRE序列和快速成像EPI序列。单纯GRE序列成像的缺点是图像采集时间较长，成像层面数量有限，图像容易受运动影响而产生伪影。EPI是由MansField在1997年首次阐述的[5]，该技术把经典成像中的多次扫描简化为一次扫描，使成像速度得到巨大提高，目前大多数高场强MR机都采用GRE与EPI相结合的序列EPI。梯度场切换速度快，单次或少于一次激发便可完成整个K空间的数据采集，成像时间可缩短至30-100ms，这样大大降低了运动伪影。fMRI的条件1、高场MRI（1.5T、3.0T）2、被试的脑信号变化（CBV、CBF、弥散、BOLD）2、高时间分辨率的序列（EPI、HSE）3、刺激系统（视觉、听觉、触觉）4、刺激任务（sigwin）5、数据分析软件(AFNI、SPM)基本配置

ABABEvent-Related(newlydeveloped)BlockDesign(traditional)fMRI设计一般模式BlockDesignI:单任务一段时间内（推荐20秒）同一类刺激反复呈现，反应在6-8秒内达到峰值fMRI试验的图像数据处理统计学分析图像分析综合分析

spmAFNI

MRIco

。。。。。。Spm的图像处理与分析

SPM(statisticalparametricmapping)是专门为脑功能成像数据分析而设计的一个通用软件包。它的理论和思想最初是由英国的KarlFriston

在1991年提出的,当时是为了处理PET功能成像数据。到了1994年KarlFriston

推出SPM的第一个正式版SPM94,后来的SPM95(从这个版本开始能够对fMRI

数据做处理)、SPM96,一直到现在的SPM99都是在SPM94的基础上加入新的算法和理论开发出来的。它的主要目的是对被试间或者被试内的不同成像结果作比较,得出一个具有统计学意义的结果,SPM处理过程中的每一步都是为了实现这个目的。SPM指的是统计参数图像,也就是这个软件的最终输出。它对所有成像数据的每一个像素点都分别计算,得出包含有每个像素点参数值的图像,这个参数图像是许多单次扫描图像所包含信息的精简和压缩。这样有利于我们读取和理解。它的主要贡献是解决了不同图像数据间的比较问题,给出了具有统计学意义的结果。对大多数的成像技术(比如fMRI,PET,EEG等)所得的数据,我们都会遇到两个关键的问题,第一是不知道应该用什么统计模型来处理分析。这是因为我们不知道所采集数据的分布形式,再加上这些技术的空间分辨率不够高,使得每个体素都包含了周围组织的信息,数据预处理过程中的对齐,又使得每个体素和周围的体素产生了更大的关联。SPM给出了一种行之有效的统计方法———随机高斯场(randomgaussianfield),利用这个理论就能对不同的图像数据做统计学上的比较,其具体的应用就是对图像数据做高斯平滑滤波。

SPM的处理过程数据的采集数据的预处理图像对齐空间标准化高斯平滑建立模型显示结果Spm数据处理一般步骤1、转换数据dicom格式转换为img文件，将以层为单位的数据转换成以全脑为单位的数据。2、Slicetiming校正系列成像中层与层获得时间的不同，使一个TR中的各层获得时间一致（如都在一个TR的开始），相当于afni中tshift所做的工作。3、Realign（相当于afni中的registration）分两步：1）coregister，将每个session的第一个scan与第一个session的第一个scan进行比较，然后将每个sessioni中的其他scan与本session中的第一个scan进行比较，得到每个filename.img文件的转换参数，生成filename.mat文件，同时为每个session生成一个对齐参数（realignmentparameters），文件名为realignment_params_*.txt2）reslice，用filename.mat文件对filename.img重新切片，生成rfilename.img文件。并可依选择生成一个平均象，名为meanfilename.img。4、Normailze选用realign步骤中得到的平均象与模板进行比较，获得进行标准化的参数，参数文件命名为filename_sn3d.mat，然后依据此参数文件对每个img文件进行标准化，生成文件nfilename.img.5、Smooth推荐为象素大小的两至三倍。6、Fmrimodels依据提示填入刺激出现的间隔与时间，并选择实验涉及类型，然后进行估计。估计结果生成spm.mat等文件，保留在当前工作目录7、Result选中刚才生成的spm.mat文件，定义constrast，看结果。数据的采集

SPM对所处理的数据有一些严格的要求,在实验过程中要严格控制被试的头动。虽然SPM具有头动矫正功能,但在头动超过一定限度时,为保证实验的精确性,要坚决废弃那个序列的数据。对fMRI

数据,在重建的时候要注意选择比例因子,使得输出的数据中的最大像素值在1000和2000之间。数据的预处理预处理过程包含好几个重要的步骤,这些步骤的主要目的就是使得SPM能够对这些数据做更好的统计分析。2.2.1图像对齐即使我们对被试的头部做了很好的固定,在实验过程中,被试也会不由自主有一些轻微的头动,这在fMRI

实验中尤为明显。这一步就是把一个实验序列中的每一帧图像都和这个序列的第一桢图像按照一定的算法做对齐,以矫正头动。做完这一步,能给出该序列中被试的头动情况,以作为是否放弃该数据的依据

图1中的Translation表示被试头部在X,Y,Z三个方向的平动,分别用红、绿、蓝三种颜色表示。Ro2tation表示被试头部在实验过程当中绕X,Y,Z三条轴的转动角度。横坐标代表这个序列所采集的所有图像,纵坐标表示的是偏移量和偏转角度,分别以毫米和度为单位。2.2.2空间标准化由于被试大脑在解剖结构上的差异,需要把不同的大脑图像进行空间标准化处理,将其转化为大小和朝向都相同的标准化图像。SPM所用的是蒙特利尔神经学研究所(MontrealNeurologicalInstitute)的ICBM(Interna2tionalConsortiumforBrainMapping)152人标准脑图谱。它和传统意义上的标准脑图谱即Talairach

脑图谱在大小和坐标上都有一定的差异。在这一步当中SPM提供了不同的模板,fMRI

的功能像一般选用EPI.img

模板,PET图像选用PET.img

模板。空间标准化结果的好坏直接取决于扫描图像和模板之间的匹配程度。2.2.3高斯平滑这一步是对图像数据做高斯平滑。主要目的有两个,第一是确保图像数据具有随机高斯场的性质,以满足SPM的统计假设。第二是为了提高信噪比,图像对齐和空间标准化使得各个体素之间的关联性被改变,高斯平滑能够使相邻的体素共享更多的信息。高斯平滑的参数一般设定为分辨率的2～3倍。在fMRI

实验中,由于仪器的差异,被试个体的差异,以及信噪比的不同,即使用相同的扫描矩阵,也会给出不同的分辨率,所以我们一般用体素的大小来表征分辨率。建立模型这一步需要把你所认为的激活模式告诉SPM。通常这种激活模式对应于你的实验设计。从图中我们可以看出,这个实验序列一共有四种任务(也可以把控制看作任务)。SPM当中,可以通过许多方式察看结果。甚至可以用别的程序,比如MRIcro

来察看。这一步解决了两个关键的问题。第一是显示了明显激活的区域;第二是给出了激活区域的坐标,使我们能够找出这些激活区的精确的解剖部位。可以通过不同的手段来控制某一个像素或者某一簇像素的激活。这些激活依赖于你所选择的显著性水平阈值,阈值的不同,给出不同的激活。通过调节置信度,也可以控制激活区域,在fMRI

数据中,如果大脑的边缘区域有许多兴奋点,那么其中有一部分就有可能是运动伪影。得到激活区域的精确坐标以后,通过MNI脑图谱和Talairach

图谱之间的关系,用一种非线性的变换,把MNI的坐标转换成Ta2lairach坐标,这样就可以查出每个激活区的解剖位置。Talairach

图谱其他的著名脑图谱Ono脑沟回图谱Mni-bic的brainweb哈佛全脑数据库

SPM的应用利用SPM对脑功能成像数据处理之后得到的结果。参加实验的四位志愿者都是大学生,两男两女,平均年龄24岁,实验任务为默读汉字和阿拉伯数字。实验序列采用组块设计。下面是SPM所给出的实验结果。可以看出,在传统的语言中枢,也就是布洛卡(Broca)区和威尼克(Wernicke)区上,默读汉字的激活明显大于默读数字的激活。研究人员发现,在大脑中总共涉及说谎的有7个区域,而说真话只有4个区域。总体上来看,说谎比