静息态功能磁共振成像(rs-fMRI)原理与数据分析学习笔记（1）：Resting-State fMRI
视频来自：静息态功能磁共振成像(rs-fMRI)原理与数据分析,DPABI教程_哔哩哔哩_bilibili
PPT：The R-fMRI Course | The R-fMRI Network
目录
1. 脑部影像分析
1.1. 睁眼/闭眼脑区激活
1.2. 动手指/静息脑区活跃
1.3. 感觉运动/听觉/视觉/注意力网络脑部影像
1.4. 默认网络（DMN，default mode network）
1.5. 大脑任务态实验
2. 数据分析的基本计算方法
2.1. 整合（Integration approach）
2.2. 局部区域（Regional approach）
2.3. 图论（Graphical approach）
3. 方法学的问题
3.1. 头动（Head motion）
3.2. 标准化（Standardization）
3.3. 多重比较校正（Multiple-comparision correction）
4. 数据处理平台
4.1. DPARSF：流水线式fMRI数据处理软件（29%）
4.2. SPM（56%）
4.3. FSL（25%）
1. 脑部影像分析
1.1. 睁眼/闭眼脑区激活
（1）其中的紫色的小波纹被认为是噪声（noise）
（2）指定脑区在睁眼明显比闭眼时更加活跃
（3）蓝色线条为分别平均睁眼与闭眼时脑部状态，能更加明显地判断脑部活动差异
1.2. 动手指/静息脑区活跃
（1）c为辅助激活区
（2）尽管b处于静息态，多处脑区仍然显示活跃
1.3. 感觉运动/听觉/视觉/注意力网络脑部影像
1.4. 默认网络（DMN，default mode network）
（1）实验发现：无论做什么任务，总有些网络在负激活（即静息态高，任务模式低）
（2）默认网络：独立于任务的，负激活的网络
1.5. 大脑任务态实验
（1）任务态的主流是在任务范式上创新
（2）大多数的研究都是小样本研究
2. 数据分析的基本计算方法
2.1. 整合（Integration approach）
（1）方法：①功能连接（Functional Connectivity）
②有效连接（Effective Connectivity）
③层次聚类（Hierarchical Clustering）
④自组织映射（Self Organization Map）
（2）对于大脑同步活动中时间序列的相似性
（3）提取一个单元（种子点）并分析它的时间序列，并用皮尔逊相关与其他区域进行比较
（4）独立组成分析（Independent Component Analysis）
（5）体素脑镜像同伦功能连接（Voxel-mirrored homotopic connectivity，VMHC）
监测对应体素，认为某些疾病会导致脑部区域功能的不平衡
（6）时间序列的预测和影响
若a时间序列的过去能预测b时间序列的将来，则认为a和b有因果/预测关系。但不同脑区对于刺激的反应时长不同，导致人们不一定能正确分析出驱动关系（甚至可能后被发现激活的脑区先发生，仅仅因为起效速度慢，而被认为是后发生的）。
2.2. 局部区域（Regional approach）
（1）局部一致性（Regional Homogeneity，ReHo）
看相邻体素的一致性
（2）低频振幅（Amplitude of low frequency fluctuations，ALFF）
不同脑区振幅/频率不同
ALFF是很好的噪声控制方式
2.3. 图论（Graphical approach）
（1）脑部网络连接方法
①Cp：团块系数，衡量全局效率
②Lp：最短路径
（2）动态视角（Dynamic perspective）
3. 方法学的问题
3.1. 头动（Head motion）
（1）结构和功能都会出现这样的情况，给静息态造成很大的尾迹
3.2. 标准化（Standardization）
（1）Mean regression + SD division ：控制中心效应
3.3. 多重比较校正（Multiple-comparision correction）
（1）太多样本导致单样本正确率高，但多样本正确率相乘反而会得到较低的正确率
（2）随机和计算下得到的连接最大的团块（？）
