全面的功能磁共振成像分析軟件包的可用性使分析功能磁共振成像數(shù)據(jù)集和獲得結(jié)果成為可能，而無需仔細(xì)查看原始數(shù)據(jù)辈双，但我們認(rèn)為對于功能磁共振成像研究人員而言责掏，密切關(guān)注原始數(shù)據(jù)和處理過程中每一步的數(shù)據(jù)非常重要?，以確保其質(zhì)量湃望。否則换衬，人們就有可能淪為那句古老格言的犧牲品：“垃圾進(jìn)了，垃圾出了证芭⊥郑”在這一部分中，我們將概述一些可以用來探索和可視化fMRI數(shù)據(jù)中偽影存在的方法檩帐。

1.?檢測掃描儀偽像

由于MRI掃描儀的問題术幔，可能會出現(xiàn)許多偽影。尖峰是由于掃描儀中的電氣不穩(wěn)定(例如湃密，由于靜電放電)導(dǎo)致的亮度的短暫變化诅挑。它們通常在圖像中顯示為規(guī)則的條紋圖案(參見圖3.2)四敞。在當(dāng)前一代的MRI掃描儀上，尖峰信號出現(xiàn)的頻率相對較低拔妥，但當(dāng)它們出現(xiàn)時忿危，可能會對分析產(chǎn)生很大的不利影響。

圖3.2 fMRI圖像中的尖峰示例没龙，有大的對角條紋反射铺厨。這張圖片來自一位腦瘤患者，在腦部圖片的右下角出現(xiàn)了一個巨大的白色斑點硬纤。(圖片由加州大學(xué)洛杉磯分校馬克·科恩提供)

在回波平面采集中解滓，當(dāng)K空間的不同線之間存在輕微的相位偏移時，重影就會發(fā)生筝家，也可能由于心跳或呼吸等周期性運動而發(fā)生重影洼裤。在MRI圖像的相位編碼方向上，它看起來像一個昏暗的人腦幽靈(見圖3.3)溪王。當(dāng)查看亮度窗口設(shè)置為整個圖像范圍的圖像時腮鞍，可能很難看到重影；通過在圖像查看程序中降低強度窗口的頂值可以更容易地看到重影(如圖3.3所示)莹菱。在功能磁共振成像中移国，如果大腦的一個區(qū)域在另一個區(qū)域有重影，重影可能會導(dǎo)致激活似乎發(fā)生在大腦之外道伟，也會導(dǎo)致大腦內(nèi)激活的錯誤定位迹缀。在最新一代的MRI系統(tǒng)上，重影很少會對功能磁共振成像造成嚴(yán)重問題皱卓，但仍然會偶爾出現(xiàn)嚴(yán)重的重影問題裹芝。當(dāng)檢測到它們時，應(yīng)該咨詢您當(dāng)?shù)氐腗RI技術(shù)人員或物理學(xué)家進(jìn)行檢查娜汁。

圖3.3 fMRI圖像中的重影示例。當(dāng)圖像查看程序的強度窗口中的頂值減小時兄朋，重影會更加明顯掐禁，如右面板所示。(圖片由加州大學(xué)洛杉磯分校馬克·科恩提供)

2.?時間序列動畫

當(dāng)將fMRI時間序列視為動畫時颅和，人眼非常善于檢測變化傅事。有幾個工具允許查看動畫時間序列；例如峡扩，在FSLView中蹭越，只需單擊Movie Mode按鈕即可將時間序列作為動畫查看。隨著時間的推移教届，任何明顯的變化都可以被調(diào)查响鹃，以便更好地理解它們的來源驾霜。

3.?獨立分量分析

功能磁共振成像分析通常通過創(chuàng)建統(tǒng)計模型(例如，任務(wù)效果的模型)买置，然后找到該模型能夠很好地解釋數(shù)據(jù)的區(qū)域來進(jìn)行粪糙。然而，有時我們希望在數(shù)據(jù)中找到形式未知的信號忿项，例如檢測fMRI數(shù)據(jù)中的偽影蓉冈。有一組探索性數(shù)據(jù)分析方法可以通過檢測數(shù)據(jù)中的系統(tǒng)模式來實現(xiàn)這一點。這些方法將四維數(shù)據(jù)集分解成一組時空分量轩触，這些時空分量以不同的比例混合在一起寞酿，從而獲得觀測信號。有許多不同的方式可以執(zhí)行這樣的分解脱柱，這些方式通常在對組件施加的約束種類上有所不同伐弹。例如，主成分分析(PCA)找出多維空間中彼此正交的一組分量褐捻，而獨立分量分析(ICA)找出一組彼此獨立的分量掸茅。

事實證明，ICA對于識別fMRI數(shù)據(jù)中的偽影非常有用柠逞。圖3.4顯示了使用FSL旋律ICA工具檢測到的此類ICA成分的示例昧狮。ICA特別適用于識別與頭部運動的掃描內(nèi)效應(yīng)或其他非剛性運動效應(yīng)相關(guān)的信號，這些信號無法通過標(biāo)準(zhǔn)運動校正技術(shù)去除板壮。

圖3.4 使用FSL的MELODIC ICA工具檢測到的運動相關(guān)分量的示例逗鸣。頂部面板顯示了一個閾值貼圖，該貼圖描繪了體素顯著加載到組件上绰精，正面(紅色)或負(fù)面(藍(lán)色)撒璧。運動的明顯征兆包括切片之間的交替響應(yīng)（交錯采集中的反射運動），大腦邊緣周圍相干的正或負(fù)信號笨使，以及組件時程中存在大的單個尖峰卿樱。

一旦識別出一組人工成分，這些成分就可以從數(shù)據(jù)中移除硫椰，從而創(chuàng)建一個“去噪”的數(shù)據(jù)集繁调。重要的是，此類成分的識別應(yīng)基于明確的拒絕標(biāo)準(zhǔn)以防止偏差靶草； 該標(biāo)準(zhǔn)通常將基于主成分的空間和時間特性蹄胰。例如，一個標(biāo)準(zhǔn)可能是奕翔，如果成分在切片之間顯示強烈的交替(這是使用常見交錯方法收集fMRI數(shù)據(jù)時與運動相關(guān)的效果的良好證據(jù)裕寨；請參見圖3.7)以及在一個或多個時間點顯示大峰值的時間進(jìn)程(請參見圖3.4)，則成分將被拒絕。已經(jīng)開發(fā)了用于ICA成分的自動分類的方法宾袜，該方法可以提供比人工分類更可靠和公正的人工相關(guān)組件檢測捻艳。但是，我們發(fā)現(xiàn)對MRI初學(xué)者來說试和，手動檢查ICA成分是一項有用的練習(xí)讯泣，因為它可以更好地了解fMRI數(shù)據(jù)集中可能存在的各種信號。

以上內(nèi)容來自《Handbook of functional MRI Data Analysis》阅悍。