SPM任务态fMRI分析步骤与预处理详解

"基于SPM的任务态fMRI分析方法详细步骤" 基于SPM（Statistical Parametric Mapping）的任务态fMRI（功能性磁共振成像）分析是神经科学研究中常用的一种技术，用于研究大脑在执行特定任务时的活动模式。在这个分析过程中，数据首先通过预处理步骤来提高图像质量和减小噪声，然后进行模型建立和统计分析，以揭示大脑区域的激活模式。 1. 实验设计与数据采集 实验通常涉及多个因素和条件，例如在这个案例中，存在两个因素：名人和非名人的面孔，每个因素有两个水平（第一次呈现和第二次呈现）。被试需对呈现的面孔进行识别并做出反应，实验事件的时间信息存储在`sots.mat`文件中。 2. 数据预处理 - DICOM Import: 首先，需要将原始的DICOM格式数据转换为SPM可处理的格式。 - 预处理步骤包括： - 平稳化（Smoothing）：通过高斯滤波来减少噪声和提高信号的一致性。 - 头动校正（Realignment）：使用最小二乘法和六参数模型校正由于被试头动引起的图像错位。 - 均匀化（Normalization）：将图像转换到标准空间（如MNI模板）以进行跨被试比较。 - 除噪：可能还包括去除线性趋势、高斯白噪声模型等步骤。 - 结果保存：最终的平滑图像和空间配准信息（txt文件）会被保存，供后续分析使用。 3. SPM软件的使用 - MATLAB环境：确保安装MATLAB 7.1或更高版本，并将SPM8工具包添加到MATLAB路径中。 - SPM8界面：启动SPM8操作界面，包括按钮窗口、输入窗口和树形结构或图形窗口，便于交互操作。 4. Realignment（头动校正） - 这是预处理的关键步骤，通过对比序列中的每帧图像与第一帧，计算头动参数。 - 如果头动超过1个体素（voxel）大小，可能会考虑剔除对应时间点的数据，因为大量头动会严重影响结果的准确性。 - 用户可以选择一个参考体积（如第1个或第4个，后者可能是更稳定的选择）进行校正。 - 校正信息将显示在结果窗口，并以`rp*.txt`文件存储，提供每会话的头动详细报告。 5. 建模与统计分析 - 在预处理完成后，使用生成的信息创建一个线性模型，模型中包含实验设计的所有条件（N1, N2, F1, F2）。 - 使用GLM（General Linear Model）进行统计分析，确定各条件下的激活模式。 - 通过F检验或t检验确定各条件的显著性，生成激活图和统计参数图。 6. 结果解释 - 激活图显示了在特定任务下大脑哪些区域被激活，通常用t值或Z值表示。 - 统计参数图可用于阈值设定和集群检测，以减少假阳性。 - 结果解释结合实验设计，可以揭示大脑在执行特定任务时的网络活动。 基于SPM的任务态fMRI分析是一种强大工具，它允许科学家深入理解大脑如何响应不同任务和刺激，为认知神经科学的研究提供了宝贵的数据。