联系方式
手机:18580429226
联系电话:023-63084468
联系人:杨晓飞
联系邮箱:syfmri@163.com
联系地址:重庆市渝中区青年路38号重庆国际贸易中心2004#
信息内容
思影科技功能磁共振(fMRI)数据处理业务

    

  随着技术的进步,功能磁共振成像(fMRI)已成为脑疾病、认知神经科学等领域的重要研究手段。思影科技紧随潮流,推出了一系列fMRI数据处理培训课程,广受相关领域研究者们的好评。在解决研究者们学习需求的同时,科研合作也变得日趋重要。为此,思影科技推出fMRI数据处理服务,以更好地协助解决大家面临的科研问题,如感兴趣请联系杨晓飞siyingyxf或18983979082(微信号)进行咨询,电话:18580429226


一、数据质量检查 

     好数据是好结果的前提,思影科技会对您的数据进行细致的检查,提高科研结果的严谨性。

      主要包括:扫描参数检查,包括TR、体素大小、扫描时长等参数,确保参数合适与统一;图像伪迹检查,包括鬼影、变形、信号spike等;其他检查,包括前n个时刻的图像是否稳定、图像是否缺损等。对于可能发现的数据质量问题,思影将提供合适的参考意见。也可帮助客户进行扫描参数的设计。

图示:典型伪迹

 

二、数据预处理     

    不同的数据分析有不同的预处理要求,思影科技会根据您的需求确定合适的预处理步骤,最大程度降低数据噪声。       

  主要包括:      

  时间层校正(slice timing),通过插值等数学方法保证一个扫描周期内各层扫描时间的统一,以满足后续处理的要求;      

  头动校正(head motion correction/ realign)评估被试头动状况,并调整因此造成的不同时刻的图像错位;      

  空间标准化(spatial normalization),通过一步/两步配准法,将被试功能图像配准到标准脑模板,以保证所有被试图像对齐,便于后续统计;      

  空间平滑(spatial smoothing),以高斯平滑核进行空间卷积,降低空间标准化造成的图像噪声。      

  其他降噪步骤:消除线性趋势(detrend),消除由于机器发热、脉搏等因素造成的信号漂升;滤波(filtering),过滤高频、超低频的噪声信号;回归噪声协变量(nuisance regression),消除白质、脑脊液、头动参数等的影响;Scrubbing,消除全脑信号/头动过大的时间点的数据的影响。      

    注:预处理步骤需根据后续分析的指标做适当的调整,包括增删步骤,调换步骤顺序等;对于预处理过程中发现的不合格被试(头动过大、空间标准化失败等),也将给您提供及时反馈。 

三、常规静息态fMRI指标分析      

常规指标可以反映大脑基本的活动状况、脑区间的联系强度等,一些脑疾病患者,在这些常规指标上便可能产生异常的变化。   

  (1)指标计算。

  主要包括:      

  低频振幅(ALFF/fALFF),可反映大脑局部活动强度;局部一致性(ReHo),可反映大脑局部BOLD信号的一致性;     

  功能连接(FC),可反映脑区间的功能联系强度;      

  体素镜像同伦连接(VMHC)可反映左右半球对侧脑区间的联系等。以上功能指标可进行合适的标准化处理,如除均值标准化、z-score标准化、Fisher’s z变换等。

      功能连接密度(FCD),用以衡量大脑每个位点(体素)与其他位点(体素)之间的联系程度。

       注:功能指标包括但不限于上面描述;不同的指标具有不同的标准化方式,通常只选择其中一至两种。

ALFF



REHO

voxel-wise FC



ROI-wise FC

FCD

图示:常规功能指标ALFF、ReHo、voxel-wise FC、ROI-wise FC、FCD的计算(依次序展示)

 

  (2)统计。   

根据客户的实验设计,采用合适的统计方法。主要包括:T检验,包括单样本T检验、双样本T检验、配对T检验等;方差分析(ANOVA),包括单因素方差分析、重复测量方差分析、双因素方差分析、多因素方差分析等;相关分析,功能指标与临床/心理量表的相关性分析与检验。     

多重比较校正,包括:体素水平(voxel-level)的FWE/FDR校正,团簇水平(cluster-level)的FWE/FDR校正,高斯随机场(GRF)校正,Alphasim校正等。
  (3)结果可视化。可选:切片视图(slice view),将结果以不同视角分层面展示;渲染视图(render view),将结果以3D立体化的方式展示。

图示:切片视图(左)与渲染视图(右)

注:统计方法与可视化方法可根据您的要求进行选择。

 

四、Task-fMRI数据处理:      

     如果您更关注给定任务的情况下,受试者的大脑会如何反应,脑区间的联系会产生何种变化,那么,思影提供的任务态数据分析,是您的不二之选。   

  (1)激活分析。基于您的任务态实验设计,构建一般线性模型(GLM),设定合适的对比矩阵,查看由任务激活的脑区。组水平统计:包括T检验、方差分析、相关分析等,可进行多重比较校正(参考常规fMRI指标统计)。   

  (2)生理心理交互分析(PPI)。基于您的任务态实验设计,分析不同状态下感兴趣脑区间联系的变化。   

  (3)有效连接分析。可分析激活脑区间的因果联系。主要包括:动态因果模型分析(DCM),基于Friston等人提出的动态因果模型,并结合您的实验假设,刻画激活脑区之间的因果、促进/抑制关系;格兰杰因果分析(GCA),基于多变量自回归模型(MVAR),刻画激活脑区之间的因果关系。

图示:动态因果模型(DCM)

   (4)任务态MVPA分析。基于机器学习方法,对神经状态进行解码。主要包括:基于SVM、LDA等模型的解码;表征相似性分析(RSA)等。主要进行的是分类问题的解决,由于RSA分析和MVPA分析对于实验设计有着比较高的要求,建议如果想做此类分析,在实验设计前与我们联系,帮助您从更好的数据处理角度出发,进行实验设计的处理和优化。

    

图示:MVPA解码分析示例

图示:MVPA分析方法的流程示意图


图示:RSA分析方法的流程示意图

 

  (5)结果可视化(参考常规fMRI指标可视化)

图示:RSA可视化例子

五、独立成分分析(ICA)    

    默认模式网络(DMN)的发现,推动了fMRI领域的研究。独立成分分析这种数据驱动的方法,为大家打开了一个看待脑功能活动的新视角。  

  (1)独立成分分解。基于Infomax等算法,将大脑活动分解成一系列子网络(比如默认模式网络、执行控制网络等)。

    

图示:基于ICA分解出的部分独立成分

 

  (2)ICA空间分析。提取被试的感兴趣的独立成分(比如DMN),比较差异。组水平统计可选:T检验、方差分析;并进行多重比较校正(参考常规fMRI指标可视化)。     

  (3)FNC/dFNC分析。以独立成分为单位,计算独立成分之间的功能连通性。可进行:聚类分析,将独立成分之间的连接状态聚类成几个类别,来分析其动态特性,包括平均居留时间(MDT)、状态个数、状态转换次数、状态转移矩阵等;连边分析,比较特定状态下的连边差异。

图示:独立成分之间的FNC 

     (4)结果可视化。ICA空间分析结果可视化参考常规fMRI指标可视化;FNC结果可使用圈状图可视化。

 

六、脑连接组(脑网络)数据分析

     研究者们越来越认识到,大脑是一个整体,而认识这个整体的一种方式,是把大脑视为由不同节点构成的脑网络。

   (1)静息态功能脑网络的构建。基于适当的脑图谱(如AAL atlas),计算所有脑区间的功能连接,构建脑网络。

   (2)图论指标分析。图论(graph theory)是分析脑连接组的有力数学工具,图论指标可以刻画脑网络的整体行为或者局部行为。可以计算的图论指标有:

      全局指标:小世界属性(small-world)、最短路径(shortest length)、集聚系数(clustering coefficient)、全局效率(global efficiency)、局部效率(local efficiency)、同配性(assortativity)、同步性(synchronization)、层级性(hierarchy)等。

      局部指标:节点效率(nodal efficiency)、节点局部效率(nodal local efficiency)、节点度中心性(nodal degree centrality)、节点介中心性(nodal betweenness centrality)、节点集聚系数(nodal clustering coefficient)、节点最短路径(nodal shortest length)等。

 (3)连边分析:       

  1.直接比较不同群体的脑连接组的差异,基于NBS校正方法,可以识别异常的脑网络连通成分;       

  2.Rich-club分析,分析脑网络是否具备Rich-club属性,挑选出脑网络中的核心脑区,计算核心脑区、非核心脑区内部及其之间的连接强度;       

  3.模块化连边分析,将脑网络划分为若干个内部联系紧密的模块,计算模块间的连接强度。

图示:小世界属性、模块化分析、Rich-Club分析

 

  (4)动态脑网络分析。通过加窗的方式,构建随时间变化的动态脑网络。后续可进行:聚类分析,将脑网络聚类为若干个状态,可分析特定状态的组间差异,也可分析状态指标,如平均居留时间(MDT)、状态个数、状态转换次数、状态转移矩阵等;频谱分析,分析动态脑网络的频谱能量活动。

图示:动态脑网络构建与聚类

 

  (5)多层网络分析。主要包括:图论指标变异分析,可分析图论指标的波动变化程度,衡量其随时间是否稳定;多层网络的模块化、切换状况等。

图示:多层网络分析——图论指标的变异

        6统计上述图论指标可以进行统计分析(T检验/方差分析/相关分析等),必要时进行多重比较校正(FWE/FDR校正等)。

 

  (7)结果可视化。根据不同的分析方法,选择合适的可视化方法:bar图、点线图、圈状图、Muxviz多层网络可视化等。     

 注:本节中的动态脑网络分析与dFNC分析类似,但尺度更小、更精细。

 

七、多模态数据融合分析      

    随着磁共振领域研究的不断增多,单一模态的分析已不具备足够的说服力,基于多模态数据的分析,可能使您的研究脱颖而出,受到同行的认可和青睐。    

  (1)多指标耦合分析。基于回归模型,分析不同模态指标的耦合程度(如前述常规fMRI指标与脑血流的耦合)。    

  (2)典型相关分析(CCA)。基于多模态CCA框架(mCCA),融合功能磁共振(fMRI)、结构磁共振(sMRI)、脑电(EEG)等模态数据,估计出一系列融合成分,并对成分做统计分析。

图示:多模态数据融合模型(mCCA) 

    注:其他模态的指标计算,请关注思影科技其他模态的数据处理业务介绍。

 

八、脑影像机器学习分析     

    医学研究人员想知道,哪些神经影像生物标记,可以帮助区分病人/健康人?认知研究人员想知道,哪些脑区的指标可以区分不同的心理状态?基于脑影像的机器学习分析,或许可以帮助大家找到答案。   

  (1)基于体素的MVPA分析。基于常见的功能指标,构建机器学习模型,实现对不同群组的分类以及对量表得分的预测。常见的功能指标包括:ALFF、ReHo、FC等;常见的机器学习模型包括:支持向量机(SVM)、线性判别分析(LDA)、Logistic回归、随机森林(Random Forest)、RVR、Elastic Net等。    

  (2)基于脑网络的机器学习分析。基于脑连接组数据,同样可以提供上述分类/回归分析(参见(1))。此外,思影科技可以提供脑网络特有的预测模型,即CPM分析。    

  (3)结果可视化。基于体素的MVPA分析可以提供权重图,以展示对分类/回归贡献较大的脑区;基于脑网络的机器学习分析可以提供点线图和圈状图。     

     注:功能指标、机器学习模型包括但不限于上面描述。 

九、定制化分析       

    阅读了一篇经典论文,在大呼过瘾的同时,是否期望把先进的方法组合应用在自己的研究?思影科技可以为您提供定制化分析服务。     

  (1)分析方法可定制。思影科技可根据您提供的模板文献,基于您的实验数据,实现文献中使用的数据分析方法。此外,未列出的分析方法,只要在思影科技的能力范围内,尽力实现您的想法。    

  (2)分析代码可定制。在没有现有的软件适用于您的数据分析需求时,思影科技会与您协商,通过编写代码实现您的想法,并提供代码的完整实现。



微信扫码或者长按选择识别关注思影

如对思影课程感兴趣也可微信号siyingyxf或18983979082咨询。觉得有帮助,给个转发,或许身边的朋友正需要。请直接点击下文文字即可浏览思影科技其他课程及数据处理服务,欢迎报名与咨询,目前全部课程均开放报名,报名后我们会第一时间联系,并保留名额。

第七届脑电数据处理入门班(重庆,8.2-7)

第二十届脑电数据处理中级班(重庆,8.9-14)


第八届脑电数据处理入门班(南京,7.7-12)

第十九届脑电数据处理中级班(南京,7.13-18)

第二十一届脑电数据处理中级班(南京,9.7-12)

第七届眼动数据处理班(南京,7.26-30)

脑电信号数据处理提高班(预报名)


脑磁图(MEG)数据处理学习班(预报名)


第二十八届磁共振脑影像基础班(重庆,7.6-11)

第十四届磁共振脑网络数据处理班(重庆,7.26-31)


第三十届磁共振脑影像基础班(南京,7.31-8.5)


第十六届磁共振脑网络数据处理班(南京,8.12-17)

第十届脑影像机器学习班(南京,6.30-7.5)


第十一届脑影像机器学习班(南京,8.25-30)

第十二届磁共振弥散张量成像数据处理班(南京,6.18-23)

第九届磁共振脑影像结构班(南京,8.6-11)

第六届小动物磁共振脑影像数据处理班(南京,9.1-6)

第七届磁共振ASL(动脉自旋标记)数据处理班(预报名)


第六届任务态fMRI专题班(预报名,南京)

弥散磁共振成像数据处理提高班(预报名)

小动物磁共振脑影像数据处理班(预报名,南京)

数据处理业务介绍:

思影科技功能磁共振(fMRI)数据处理业务

思影科技弥散加权成像(DWI/dMRI)数据处理


思影科技脑结构磁共振成像数据处理业务(T1)

思影科技啮齿类动物(大小鼠)神经影像数据处理

思影数据处理业务三:ASL数据处理


思影科技脑影像机器学习数据处理业务介绍

思影数据处理业务四:EEG/ERP数据处理

思影科技脑电机器学习数据处理业务

思影数据处理服务五:近红外脑功能数据处理


思影数据处理服务六:脑磁图(MEG)数据处理

思影科技眼动数据处理服务

招聘及产品:

招聘:脑影像数据处理工程师(重庆&南京)

BIOSEMI脑电系统介绍


目镜式功能磁共振刺激系统介绍