查看原文
其他

思影数据处理业务一:功能磁共振(fMRI)数据处理

杨晓飞 思影科技 2019-06-30

请点击上方“思影科技”蓝色字进行关注!


    为更好的帮助到想要利用神经影像做科研的朋友们,拓展思影科技的业务范围,思影推出数据处理业务,如感兴趣请关注后留言,或联系杨晓飞18580429226(微信同号)进行咨询:

1.    数据预处理

            功能磁共振数据预处理流程包括数据格式转换、去除不稳定时间点、时间层校正、头动校正、空间标准化、空间平滑、去线形漂移、滤波、回归协变量、去除头动过大的时间点等。

2.    静息态数据处理

1)频域信号分析(ALFF、fALFF、slow3、slow4、slow5等)

通过傅立叶变换,计算血液动力学相关的特定频率段(如0.01~0.08Hz)的振幅信息,可以反应大脑局部活动强度。

2)局部一致性分析(ReHo)

通过计算一定数目相邻体素在体素水平上的肯德尔和谐系数,可以反应静息时间段内局部血氧水平的功能一致性。

3)连接分析(voxel-wiseFC、ROI-wise FC、VMHC、动态功能连接、动态因果模型、格兰杰因果等)

通过计算ROI与ROI、ROI与voxel之间时间序列的pearson相关系数,可以反映脑区间功能连接属性;还可以在此基础上计算左右脑镜像位置的功能连接、通过加窗方式计算功能连通性在时间维度的动态变化等;以及利用MVAR模型探索功能连接的方向性。

       4)基于图论的脑网络属性分析(小世界属性、Rich-club系数、度中心性等)

将大脑分割成不同的脑区作为不同的节点,借助GRETNA工具包计算节点间功能连接作为信息交互的指标来构建加权矩阵或者二值化稀疏矩阵,并基于图论来分析脑网络属性的变化。

5)基于ICA的脑网络分析

通过盲源分离算法,在组水平上计算出时间上相互独立的体素集合,来找出具有功能一致性的大脑区域,以此界定不同的脑功能网络。

6)MVPA:基于体素的机器学习分析

将标签化的功能磁共振数据划分为训练集和测试集来训练SVM/SVR等分类器,并通过交叉验证(cross validation)的方法,计算分类精度。

3.    任务态数据处理

1)实验程序的E-prime/psychtoolbox实现

2)一阶分析(构建基于被试的设计矩阵以及广义线性模型)

                3)PPI(生理心理交互分析)

       4)组水平统计分析与数据可视化

       上述功能磁共振指标均可进行统计比较,包括t检验、方差分析、回归分析以及置换检验等;本公司提供多样化的多重比较校正方案如FWE校正、FDR校正、AlphaSim校正、GRF校正、TFCE校正以及NBS校正(只限于ROI-wiseFC矩阵统计)等等;同时还提供定制化结果可视化方案,可根据客户提供的文献样例进行可视化。

长按识别二维码您就关注了思影科技

您的脑科学研究助手


    您可能也对以下帖子感兴趣

    文章有问题?点此查看未经处理的缓存