22、神经影像分析与图像配准的新方法探索

神经影像分析与图像配准的新方法探索

功能磁共振成像（fMRI）分析

在功能磁共振成像（fMRI）数据的分析中，独立成分分析（ICA）是常用的方法。其中，概率独立成分分析（PICA）及其张量扩展常用于多主体分析。研究人员对张量PICA和其他五种方法所识别的成分进行了对比。

实验设计

• 实验任务 ：八名健康右利手受试者参与了视觉提示反应握拳fMRI任务。受试者进行10个时长为10秒的块，中间穿插10秒休息。在视觉提示下，他们以约1Hz的频率开合右手或左手，左右块的模式随机但在受试者间固定。
• 数据采集 ：使用3-T西门子Prisma扫描仪为每位受试者采集210个轴向回波平面体积（TE = 30 ms，TR = 2.25 s，64 × 64 × 32体素，体素大小为3.6 × 3.6 × 3.8 mm），同时采集1mm各向同性分辨率的T1加权解剖图像。
• 数据预处理 ：对fMRI数据进行运动校正（MCFLIRT）、与结构图像配准（FLIRT）、转换到通用MNI152空间（FNIRT），最后使用8mm半高全宽的3D高斯核进行平滑。

数据分析

使用Melodic中的张量PICA和其他五种方法处理fMRI数据。VB - PARAFAC和SP - PARAFAC的初始维度为50。通过将每个成分除以残余体素方差创建Z分数图，并使用高斯/伽马混合建模方法在Melodic中对相关直方图进行建模，来估计显著性图。

结果分析