5.3.2　数据预处理

对于所有类型的功能磁共振数据来说，预处理是数据分析的第一阶段。预处理的主要目的是去除或减少伪影以及其他类型结构化噪声的影响。处理步骤主要包括时间层校正、头动校正、图像配准、空间平滑、滤波、去线性漂移等。常用的预处理软件有SPM工具包。若要对多个被试的数据进行批量处理，可选择GRETNA［2］和DPABI等基于SPM的工具包。以上工具均需要基于Matlab平台使用。

这里我们具体介绍一些预处理步骤及参数设置。

（1）删除前几个时间点的数据，以减小初始扫描时磁场不均匀性的影响以及给被试适应扫描环境的时间。

（2）时间校正（slice timing）：时间校正用来校正1个volume中层与层之间获取（采集）时间的差异，对事件相关设计的实验尤为重要。在SPM或GRETNA中设置预处理参数时，通常需要输入扫描顺序（slice order）。层获取顺序参数是一个含N个数的向量，这里N是每个volume所含的层数，每一个数表示该层在图像（volume）中的位置。向量内的数字排列是这些层的获取时间顺序。扫描类型有隔层（interleaved）和连续（sequential）两种，每种扫描类型下又有升序扫描（ascending）和降序扫描（descending）。各种扫描和输入顺序如下：升序连续扫描（first slice＝bottom，扫描序数从底部到顶部排列，即从1顺序递增到n）：［1：1：N］；降序连续扫描（first slice＝top，扫描序数从顶部到底部排列，即从n顺序递减到1）：［N：-1：1］；升序间隔扫描：若N为奇数，则［1：2：N 2：2：N-1］；若N为偶数，则［2：2：N 1：2：N-1］；降序间隔扫描：若N为奇数，则［N：-2：1，N-1：-2：2］；若N为偶数，则［N：-2：2，N-1：-2：1］。在确定好层数和扫描顺序后，选取某一层作为参考层（通常为中间层），其余层对齐到该层。

（3）头动校正（realign）：随机的头部运动将会减小信噪比，増大功能激活区检测的难度。使用泡沫垫、真空枕、固定器等方法可以限制头部较大的运动，但不能完全避免轻微的头部运动。这种轻微的头动，也能够引起灰质与白质交界处、大脑边缘处的体素强度的改变，而这种改变远远超过Bold信号的改变，对功能激活区的准确检测和定位有严重影响。数据的空间分辨率提高时，该问题会变得更严重。因此，头动校正对于所有静息状态fMRI研究都是必不可少的。我们以一个实验序列的第一帧图像为标准，该序列中的其他帧图像按照一定的算法与其对齐，以矫正头动。目前有很多种校正被试者头部旋转平移影响的方法，这些方法的核心思想是如何求取空间旋转及平移参数。一般来说有6个运动参数：（X，Y，Z）轴方向的旋转角度以及各个轴上面的平移分量。研究者可以根据这6个参数排除一些头动过大的数据。注意很多研究者容易将时间校准和空间校准的顺序颠倒，一般的观点是如果图像获取是隔层进行的，则要先进行slice timing再进行realign，如果图像各层是连续获取的，则要先进行realign再做slice timing。

（4）空间标准化：由于人与人之间的大脑无论是形状还是容积都存在差异，为了便于采用同一个坐标系来描述同一解剖位置，我们把不同容积及形状的被试大脑配准到一个标准空间（MNI空间），即空间标准化。可以用结构像（T1像）配准功能像以实现被试功能像的空间标准化。首先进行一次配准（coregister），将所有的图像和某一个volume对齐，对功能像与结构像做一个信息的变换。把被试的T1像变换到被试的功能像空间，以保证功能像与结构像在同一个位置；然后将变换到功能像里的T1像分割（segmentation）为灰质、白质和脑脊液三部分，分割后得到一个矩阵，这个矩阵的信息应用到功能像上，用来实现被试的功能空间往标准空间（MNI空间）的配准；最后再把功能像与分割后的结构像配准，还可对所得功能像数据重采样到合适的体素大小。

（5）平滑：为减少配准不完全，使残差更符合高斯分布，以高斯核对经过空间标准化后的图像做空间平滑处理，图像平滑不仅可以减少图像随机噪声，还能提高信噪比，使所得数据的空间分辨率更容易对比，高斯核的半峰全宽（fullwidth at halfmaxima，FWHM）推荐设置为体素大小的2～3倍。

（6）去除线性漂移。