二研究工具与方法

本研究首先采用基于体素的形态学分析方法（Voxel-based Morphometry，VBM）进行组间灰质体积对比。VBM是目前广泛使用的一种全脑无偏差分析方法（Ashburner&Friston，2005；Ashburner&Friston，2000）。通过使用该方法对MRI数据分析，能够描绘某个区域内脑组织的体积与密度差异情况。其最大特点在于它能够对全脑而非局部结构进行客观且无偏差的计算分析。较之基于形变的形态学分析方法（Deformation-Based Morphometry，DBM），VBM对局部小尺度的灰质或白质结构具有更大的敏感度。同时，由于它只涉及对平滑度及低频变形的计算估计，因此，该方法在计算过程上更为简洁、实用。VBM计算的某个区域内灰质或白质体积（密度）是指其所有体素的属于某种组织的平均概率，即某个体素属于灰质或白质的概率（Ashburner et al.，2005）。进一步的相关研究发现，VBM在分析灰质形态方面更具有优势（Gaser&Schlaug，2003a）。因此，该方法目前被大量用于关于灰质结构的分析。

我们预测训练组的脑灰质体积可能存在如下改变：舞蹈组与音乐组的变化范围主要位于感觉运动网络；舞蹈组可能出现灰质体积的减小，而音乐组则可能是增大；两组被试还可能出现颞叶上部灰质体积的共同增大。

然后，采用VBM8工具包进行灰质分析。首先，对三组被试的T1加权脑图像进行数据预处理，包括检查所有被试数据的成像质量，手动调整所有结构MRI的原点到前连合。其后，在MATLAB，2014环境下使用嵌套于SPM8（http：//www.fil.ion.ac.uk/spm）内的VBM8工具包对被试三维T1加权脑图像进行常规的灰质体积估计流程：

（1）将所有被试的结构MRI图像分割成灰质、白质和脑脊液。

（2）使用DARTEL算法对分割后的灰质图像建立基于组水平的模板。即对灰质、白质及脑脊液分别赋予权重，用γk标记第k种组织的权值，使用公式（6-1）计算组织k在体素i处的概率。

（3）利用构建的模板将所有灰质图像配准到MNI模板。

（4）将配准后的图像进行调制得到灰质体积图像。

（5）使用半高全宽为8mm的高斯核将配准后的灰质图像进行平滑。

（6）对三组被试平滑后的灰质MRI图像进行组间单因素方差分析（高斯随机场理论校正，校正后p＜0.05），进而对差异脑区两两比较进行事后检验分析（双样本t检验，p＜0.05）。