空间标准化那些事
发布时间：2018-10-19 17:29:44 来源: 北京赛博尔医药科技有限公司
今天跟大家分享一下关于fMRI脑功能成像的空间标准化的那些事。
在了解空间标准化的各种方法之前，我们先来来了解一下什么是空间标准化呢？
空间标准化，英文：spatial normalization，就是利用图像配准算法将所有不同个体的脑图像都变成一模一样（不仅轮廓一模一样，内部的细节也一模一样）。
那么这么做有什么好处呢？答案很简单，空间标准化之后的图像就像孪生兄弟一样，长得一摸一样，那么就可以将所有被试的脑图像进行逐像素的统计分析；也可以很容易批量的选出想要分析的感兴趣区，避免了人为逐层勾画的繁重工作量。
所谓“空间标准化”，就需要选择一个“标准”。那么对于人脑空间而言，MNI空间是目前使用最为广泛的“标准”空间，也是目前常用的数据分析软件所使用的标准人脑空间，如SPM、FSL、FreeSurfer、Gretna等等。
对于fMRI脑功能成像而言，常用的空间标准化方法有三种：
1、直接利用个体的fMRI脑功能成像进行空间标准化：选择MNI空间的EPI模板为参考标准，将fMRI图像进行空间变换以完成空间标准化。这么做的好处就是：简单直接（简单粗暴）--所有的fMRI图像不会存在经过二次变换的误差。但是，由于fMRI的空间分辨率比较差，无法分辨出精细的脑组织结构，因此，该方法对于脑组结构的细节配准精度并不高。
2、通过T1脑结构图像进行空间标准化：首先将每个被试的fMRI脑功能图像与其T1脑结构图像进行图像配准（co-register），然后选择MNI空间的T1模板为参考标准，将被试个体的T1图像进行空间变换，并将相同的图像变换参数应用于与其相对应的fMRI脑功能图像，以完成空间标准化。这么做的好处就是：T1图像的亚组织结构的空间分辨好，因此，其空间标准化的精度会高于第一种方法。然而，由于在空间标准化之前需要首先进行co-register，比第一种方法多了一步操作，就有可能会引入累积误差。
3、使用DARTEL方法进行空间标准化。DARTEL最初是由VBM分析提出的基于形变场理论的图像分割及配准的方法。该方法也需要借助T1图像：与第二种方法一样，首先需要将每个被试的fMRI脑功能图像与其T1脑结构图像进行图像配准（co-register），然后使用DARTEL方法将T1图像分割为灰质、白质、脑脊液，并将分割后的灰质概率图进行空间变换，并将相同的图像变换参数应用于与其相对应的fMRI脑功能图像，以完成空间标准化。这么做的好处是：只有灰质部分参与图像配准，那么这种方法的空间标准化精度是最高的。然而，这种方法比第二种方法更多了一步图像分割，那么就有可能引入更多的累积误差。
由此可见，不论什么方法都有利有弊，研究人员可以根据自己数据的特点选择不同的空间标准化方法。但是，不论选择什么方法，都需要对空间标准化的结果进行质控（检查），质控在脑影像的数据分析中非常重要。
北京赛博尔培训班信息（直接点击文字即可浏览！）
近红外培训班内容覆盖MATLAB基础，NIRS基本原理，fNIRS处理流程，Homer进阶分析，适合零基础学员掌握基本近红外数据处理方法。
由北京赛博尔举办的fMRI基础班是首个手把手教学的磁共振数据培训班，从磁共振简单原理、fMRI原理到SPM的使用，内容涵盖fMRI基础中的基础，非常适合功能磁共振零基础学员。
脑网络培训班内容涵盖了脑网络的很多前沿方法， 包括时频分析、基于SurfStat以及GRETNA的脑网络拓扑属性、MVPA方法等等，对掌握了基本fMRI及脑电数据处理方法后的医生及研究人员有很大提高。
第二届磁共振脑网络数据处理班
脑网络培训班内容涵盖了脑网络的很多前沿方法， 包括时频分析、基于SurfStat以及GRETNA的脑网络拓扑属性、MVPA方法等等，对掌握了基本fMRI及脑电数据处理方法后的医生及研究人员有很大提高。
