本文主要是介绍静息态功能磁共振成像(rs-fMRI)原理与数据分析学习笔记（3）：R-fMRI Data Processing DPARSFA，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
视频来自：3_R-fMRI_Data_Processing_DPARSFA_哔哩哔哩_bilibili
pdf：The R-fMRI Course | The R-fMRI Network
目录
1. DPABI基本流程和下载方式
1.1. 静息态功能磁共振成像数据流程
1.2. DPABI下载
2. DPABI软件操作
2.1. 数据分类和整合
1. DPABI基本流程和下载方式
1.1. 静息态功能磁共振成像数据流程
（1）总流程
（2）计算指标
① 传统
②通常使用（配准到MNI标准空间下）
③原始空间的计算
（3） 数据分类
①将Data.zip中的Functional DICOM data放在FunRaw文件中
②将Data.zip中的Structural DICOM data放在T1Raw文件中
1.2. DPABI下载
（1）下载路径：DPABI: a toolbox for Data Processing & Analysis for Brain Imaging | The R-fMRI Network (rfmri.org)
（2）解压至matlab\toolbox
（3）打开matlab的
（设置路径）
（4）在左侧添加并包含子文件夹（将解压的dpabi文件选中）
（5）在matlab的命令行窗口（不是电脑的cmd）输入dpabi
（6）出现dpabi窗口则成功打开
2. DPABI软件操作
2.1. DPABI按键
（1）DPABI界面点击Utilities→DICOM Sorter
①SUffix：后可输入IMA或dcm或none（输入none要确保文件夹下没有其他如txt格式的文件）
②Add All：选中大文件夹
③Anonymize DICOM files：将被试匿名
（2）DPABI界面点击Utilities→DICOM Sorter→Sort
①Participants：右键可以移除被试或保存ID
②Time Points：检查数据是否有错，输入为0则不检查，输入其他数字则按时检查数据
③TR（s）：扫描一个完整大脑所需要的时间（一层一层扫，现在一般几百毫秒一个，长一点可能两秒），一般知道的话可以自己填，填0可以自动从数据集里读TR数据（但不一定对）
④EPI DICOM to NIFTI：epi数据类型转成nifti
⑤Apply Mats：已经调整过一次可以勾选，调用上一次所用
⑥Remove First：去掉前面的时间点，以确保磁场已经达到稳态，且被试刚开始心理可能因不适应产生波动
⑦Slice Timing：大脑通常采用隔层扫描的方式，导致相邻层数可能被扫的时间相差甚远，因此需要矫正，使相邻节点看上去像是相邻时间点被扫描的（下图左侧为矫正，右侧为实际）
⑧Slice Number：默认为0，但是自己填一个最好
⑨Slice Order：可以输表达式[1：2：n-1]，[2：2：n]
⑩Reference Slice：矫正中点，一般填n-1这个数字（因为是从1~n-1扫，再从2~n扫，所以奇数的末尾实际上是最中间被扫到的点）
⑪Realign：头动矫正。因头动产生数据读取差异，因此需要调整到看上去是没动的状态。暂目前推荐使用FJ_Jenkinson效果较好
⑫Reorient Fun/T1：对图像的观察，质量控制，将位置调整的和标准位置相似，以确保拟合
⑬AutoMask：选上可以检验功能上得到覆盖
⑭Crop T1：如果图像已经不是NIFTI可以选上，把脖子去掉
⑮Bet：把结构项变成功能项时头皮干扰较大，Bet去掉结构上和功能上的头皮。但是带着头皮去做Segment效果较好。且Bet时粗略剥头皮，可能对图像造成损失
⑯Segment：一般不勾。把大脑分为白质灰质（c1文件为原始空间下的灰质密度，c2文件为原始空间下的白质密度，c3为原始空间CSF脑脊液密度；wc1为MNI空间灰质密度，wc2为MNI空间白质密度，wc3为MNI空间CSF密度；mwc1、2、3分别为为灰质、白质、CSF体积的变化）
⑰New Segment + DARTEL：一般勾。
⑱Nuisance Convariates Regression：控制生理噪声（一般Plolynomial trend填1，并采用Friston24）
⑲Head momtion scrubbing regressors：可以再nuisance的时候做scrubbing也可以在做完所有预处理再做，但是推荐FD（Jenkinson）以及FD“bad”填写0.2
⑳Nuisance Setting用均值最多，或PCA（Mask based on segmentation or SPM apriorir）。且白质里一般没有什么信号，一般都是噪声。Global Signal一般不去除，否则可能带来假的或者负的功能连接，但是它对去除头动很有用。可以都做一遍
㉑Normalize：空间配置，不同地方扫出来的脑图可能不太一样，得配到统一的模板上（DARTEL用得最多，但费时）
㉒Smooth：配准效果不佳时提高配准，提高信噪比（[4,4,4]，[6,6,6]，[8,8,8]都可以，一般默认前者，但是平滑和越高一般可以增强重复使用性）。且ReHO不用做平滑
㉓Default Mask：所有的计算仅局限在脑内，且所有功能模板在50%的阈值（可以选其他的Mask）
㉔Detrend：随时间序列有线性向上或向下的趋势，由此用这个去掉。但这个软件在之前已经去掉了所有在这可以不勾画
㉕ALFF和fALFF：低频段能量和全频段能量，后面可勾filter
㉖ReHo之后做平滑，之前不做
㉗Degree Centrality：衡量一个体素对于全脑体素的关联/相关性
㉘Extract ROI time courses：提取额外ROI时间点，对于做网络分析功能重要
㉙VMHC：做镜像
㉚缩写大全（方便看文件名）
这篇关于静息态功能磁共振成像(rs-fMRI)原理与数据分析学习笔记（3）：R-fMRI Data Processing DPARSFA的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
