Matlab SPM8静息态数据预处理详解

该资源是关于使用Matlab SPM8进行静息态脑功能成像数据预处理的教程，主要涵盖了从数据格式转换到空间标准化等多个步骤。 在静息态脑功能成像研究中，预处理是至关重要的，它能够减少噪声，提高数据分析的准确性。以下是对描述中提到的预处理步骤的详细解释： 1. **格式转换**：通常，原始数据以DICOM格式存储，需要转换为NIFTI格式，以便于后续的分析。如果数据已经是NIFTI格式，可以直接使用。 2. **去除前n个时间点**：这是为了消除设备启动初期的不稳定因素，一般会去除前10个时间点，但具体数量可以根据实际情况在8到20之间选择。 3. **时间层校正（SliceTiming）**：针对不同的扫描层次在时间上的差异进行校正。例如，在25层的情况下，SPM中可以设置Sliceorder为1:2:25，DPARSF中则采用与之相同的顺序。参考层一般选中间层，如第25层，因为扫描顺序通常是奇数层先扫描，然后是偶数层。 4. **头动校正（Realign）**：通过比较连续扫描帧之间的位移来纠正头部运动。完成后，可以在RealignParameter文件夹中查看spm….ps文件，用AoboeReader或Excludesubjects.txt文件来评估头动情况。头动阈值因研究对象的不同而变化，如患者通常设为3mm和3度，而健康受试者可能设为1.5mm和1.5度。 5. **空间标准化（Normalize）**：将个体的脑图像映射到统一的标准空间（如MNI空间），以减少个体差异。两种方法包括使用EPI模板或T1像进行标准化。前者中，SourceImage为平均功能像，Imagetowrite为所有头动校正后的文件，TemplateImage通常选用EPI.nii，设置合适的Boundingbox和Voxelsizes。后者涉及结构像与功能像的配准和分割。 6. **平滑（Smooth）**：通过高斯滤波实现空间平滑，降低噪声，提高信号的信噪比。平滑半径通常设置为4-8mm。 7. **去线性漂移（Detrend）**：去除数据中的线性趋势，可能源于生理过程或设备误差。 8. **滤波（Filter）**：应用低通滤波器来去除高频噪声，一般设置截止频率在0.01-0.1Hz之间，以保留大脑默认模式网络（DMN）等低频信号。 这些步骤共同构成了静息态脑功能成像数据预处理的基本流程，通过这一系列操作，可以提高数据分析的可靠性，并为后续的功能连接分析、解剖定位和统计建模等提供高质量的数据基础。