文章來(lái)源于微信公眾號(hào)（茗創(chuàng)科技），歡迎有興趣的朋友搜索關(guān)注吃挑。

導(dǎo)讀

靜息態(tài)功能MRI(rsfMRI)已被證明是研究功能連接和評(píng)估大腦發(fā)育完整性的優(yōu)秀工具哼拔。在新生兒中，可用的fMRI研究范式很少细层，而rsfMRI被證明是探索大腦網(wǎng)絡(luò)區(qū)域相互作用的相關(guān)工具惜辑，這給新生兒fMRI研究帶來(lái)了很大的希望。為了更好地識(shí)別靜息態(tài)網(wǎng)絡(luò)疫赎，需仔細(xì)處理數(shù)據(jù)以減少影響結(jié)果解釋的偽影盛撑。由于新生兒的非協(xié)作性、大腦大小以及與成人髓鞘的差異捧搞，新生兒數(shù)據(jù)無(wú)法使用現(xiàn)有的成人數(shù)據(jù)處理流程來(lái)進(jìn)行處理抵卫。因此，研究者開(kāi)發(fā)了NeoRS胎撇，一種用于新生兒的rsfMRI流程介粘。該流程依賴于現(xiàn)有的神經(jīng)影像工具（FSL、AFNI和SPM）晚树，并針對(duì)新生兒的大腦進(jìn)行了優(yōu)化姻采。主要處理步驟包括圖像配準(zhǔn)到圖譜、顱骨剝離爵憎、組織分割慨亲、時(shí)間層校正、頭動(dòng)校正和回歸宝鼓，這些都影響了功能數(shù)據(jù)的解釋刑棵。為了解決新生兒腦成像的特異性，需要特別注意新生兒圖譜類型和參數(shù)愚铡，如腦大小變化蛉签，以及與成人大腦的差異。此外，仔細(xì)觀察頭動(dòng)碍舍，優(yōu)化運(yùn)動(dòng)管理柠座，因?yàn)檫@是處理新生兒rsfMRI數(shù)據(jù)的一個(gè)主要問(wèn)題。為了評(píng)估NeoRS處理步驟的有效性乒验，研究者使用了來(lái)自嬰兒連接組項(xiàng)目數(shù)據(jù)集的新生兒數(shù)據(jù)愚隧，共包括10名新生兒。NeoRS可用于多波段和單波段采集锻全，適用于較小的數(shù)據(jù)集狂塘。NeoRS還包括當(dāng)前流行的功能連接分析，例如seed-to-seed或seed-to-voxel的相關(guān)性鳄厌。NeoRS是用Matlab編寫(xiě)的荞胡，允許并行計(jì)算以減少計(jì)算時(shí)間；而且是開(kāi)源的了嚎，可在GitHub網(wǎng)址https://github.com/venguix/NeoRS上獲得泪漂。

前言

靜息態(tài)功能連接(RS-FC)分析是一種很有前途的工具，因?yàn)樗鼮榕c腦生理學(xué)相關(guān)的結(jié)構(gòu)成像提供了補(bǔ)充信息歪泳。自1995年以來(lái)萝勤，靜息態(tài)功能MRI（rsfMRI）研究為理解大腦結(jié)構(gòu)和大腦發(fā)育提供了新的見(jiàn)解。Smyser等人(2013)證明了使用rsfMRI探索早產(chǎn)和白質(zhì)損傷相關(guān)的靜息態(tài)網(wǎng)絡(luò)(RSN)變化的可能性呐伞。出生時(shí)默認(rèn)模式和腹側(cè)注意網(wǎng)絡(luò)的改變與兩歲時(shí)的行為抑制有關(guān)敌卓，這表明RSN的早期改變與臨床表現(xiàn)相關(guān)，并為早期診斷和治療提供了機(jī)會(huì)伶氢。此外趟径，新生兒RSN始終是可識(shí)別的，并且與老年人群存在高度相似性癣防。RS-FC基于參與者不執(zhí)行任何任務(wù)時(shí)血氧水平依賴(BOLD)信號(hào)中的低頻區(qū)域波動(dòng)(＜0.1Hz)蜗巧，這是評(píng)估新生兒時(shí)的一個(gè)有用特征。RSN信號(hào)在被試中很穩(wěn)定蕾盯，但也容易受到一些偽影的影響幕屹，例如頭動(dòng)、白質(zhì)(WM)或腦脊液(CSF)信號(hào)的磁場(chǎng)畸變级遭。穩(wěn)健的rsfMRI數(shù)據(jù)處理是減少數(shù)據(jù)中非神經(jīng)信號(hào)的干擾香嗓，以識(shí)別可靠的靜息態(tài)活動(dòng)的關(guān)鍵。在考慮將其用于開(kāi)發(fā)新一代生物標(biāo)志物之前装畅，它的臨床潛力和實(shí)施存在一些方法學(xué)上的挑戰(zhàn)。因此沧烈，新生兒rsfMRI數(shù)據(jù)處理的簡(jiǎn)單易用性和開(kāi)源性變得尤為重要掠兄。目前有幾種為成年人開(kāi)發(fā)的rsfMRI數(shù)據(jù)處理管道，如Conn工具箱、fmriprep蚂夕、人類連接組管道（HCP）迅诬、靜息態(tài)分析工具包（REST）或連接組計(jì)算系統(tǒng)（CCS），然而婿牍，這些都不適用于新生兒的大腦侈贷。通常需要T2加權(quán)圖像代替T1加權(quán)圖像來(lái)進(jìn)行組織分割。此外等脂，被試之間的大腦大小差異使成人顱骨剝離對(duì)新生兒大腦的影響減弱俏蛮。此外，還需要不同年齡的腦圖譜和組織概率圖來(lái)進(jìn)行準(zhǔn)確的分割上遥、公共空間歸一化和基于種子點(diǎn)的分析搏屑。

據(jù)了解，目前唯一一個(gè)處理新生兒rsfMRI數(shù)據(jù)的開(kāi)源管道是由正在發(fā)展的人類連接組項(xiàng)目(dHCP)開(kāi)發(fā)的寺惫。雖然該管道已被證明可以提供良好的dHCP數(shù)據(jù)結(jié)果才睹，但其在較小或臨床數(shù)據(jù)集上的實(shí)施仍然具有挑戰(zhàn)性瞭空，因?yàn)樗枰罅繑?shù)據(jù)集進(jìn)行獨(dú)立成分(IC)去噪。此外伟骨，因?yàn)閐HCP是專門從dHCP數(shù)據(jù)庫(kù)開(kāi)發(fā)/優(yōu)化的，所以很難為其他中心獲得的隊(duì)列建立dHCP管道燃异。

例如携狭，dHCP去噪步驟基于空間獨(dú)立成分分析(sICA)，它分離獨(dú)立的相關(guān)信號(hào)特铝，可分為神經(jīng)信號(hào)或非神經(jīng)信號(hào)暑中。這種去噪技術(shù)已被證明在精確設(shè)置維度時(shí)，能夠在成人和嬰兒數(shù)據(jù)中獲得出色的結(jié)果鲫剿。然而鳄逾，識(shí)別出的信號(hào)需要分類為神經(jīng)信號(hào)或結(jié)構(gòu)性噪聲，在大多數(shù)情況下是要手動(dòng)執(zhí)行灵莲，而且難以實(shí)現(xiàn)自動(dòng)化的過(guò)程雕凹。為了克服這一限制，dHCP管道使用機(jī)器學(xué)習(xí)方法（基于ICA的 Xnoiseifier）將獨(dú)立成分分類為神經(jīng)信號(hào)或噪聲政冻。機(jī)器學(xué)習(xí)算法需要至少35個(gè)手動(dòng)標(biāo)記的被試數(shù)據(jù)進(jìn)行訓(xùn)練枚抵，這在較小的隊(duì)列中并不總是可行的，并且需要專家手動(dòng)對(duì)獨(dú)立成分進(jìn)行分類明场。

為了克服上述挑戰(zhàn)汽摹，研究者開(kāi)發(fā)了NeoRS，目標(biāo)是創(chuàng)建一個(gè)強(qiáng)大的開(kāi)源管道苦锨，其中包含預(yù)處理rsfMRI數(shù)據(jù)所必需的工具逼泣。NeoRS的主要優(yōu)點(diǎn)是它是專門為新生兒開(kāi)發(fā)的趴泌，易于實(shí)現(xiàn)，并且可以靈活地處理不同的數(shù)據(jù)集拉庶。此外嗜憔，它還可以處理單個(gè)被試數(shù)據(jù)，利用并行環(huán)境氏仗，可在每個(gè)步驟中包含可視化質(zhì)量控制檢查點(diǎn)吉捶。

材料和方法

數(shù)據(jù)

NeoRS已在嬰兒連接組項(xiàng)目(BCP)數(shù)據(jù)集的新生兒(7±1.4周)中進(jìn)行了評(píng)估。本研究?jī)H使用9周齡或以下且包含T2加權(quán)圖像和rsfMRI的參與者(N=10)數(shù)據(jù)皆尔。參與者在自然睡眠狀態(tài)下呐舔，使用西門子32通道頭部線圈對(duì)其進(jìn)行3.0T MRI Prisma掃描。本研究包括T2加權(quán)結(jié)構(gòu)圖像床佳，兩個(gè)梯度回波(GRE)平面回波成像(EPI)和兩個(gè)自旋回波(SE)EPI用于畸變校正滋早。

數(shù)據(jù)結(jié)構(gòu)

NeoRS使用https://bids.neuroimaging.io/中所述的腦成像數(shù)據(jù)結(jié)構(gòu)(BIDS)格式。有關(guān)NeoRS的數(shù)據(jù)命名和編排示例砌们，見(jiàn)圖1杆麸。

圖1.NeoRS的數(shù)據(jù)命名和編排示例。

流程概述

NeoRS是在Matlab上開(kāi)發(fā)的新生兒rsfMRI數(shù)據(jù)處理管道浪感，是在FSL 6.0.3.1昔头，AFNI 20.2.10和SPM?12等知名的開(kāi)源神經(jīng)成像工具上開(kāi)發(fā)的命令，可以在MacOS和Linux操作系統(tǒng)上運(yùn)行影兽。NeoRS旨在適應(yīng)從不同制造商設(shè)備上獲取的MRI數(shù)據(jù)揭斧，可適用于并行環(huán)境，允許同時(shí)對(duì)多個(gè)被試數(shù)據(jù)進(jìn)行處理峻堰。更多詳情請(qǐng)參見(jiàn)圖2中的NeoRS工作流程讹开。

圖2.新生兒靜息態(tài)功能連接處理和去噪的NeoRS工作流程。

為了確保圖像與標(biāo)準(zhǔn)模板的方向?qū)R捐名，在使用FSL的fslreorient2std進(jìn)行其他數(shù)據(jù)處理過(guò)程之前旦万，對(duì)結(jié)構(gòu)和功能數(shù)據(jù)執(zhí)行標(biāo)準(zhǔn)重定向。此外镶蹋，為了保證NeoRS的準(zhǔn)確性能成艘，每個(gè)處理步驟的輸出文件都保存在名為Output_files的文件夾中。各種操作步驟不是強(qiáng)制性的贺归，比如時(shí)間層校正或畸變校正淆两，可以通過(guò)在主文件中將函數(shù)參數(shù)設(shè)置為0，即可手動(dòng)關(guān)閉拂酣。有關(guān)輸入配置的示例見(jiàn)圖3秋冰。

圖3.NeoRS輸入?yún)?shù)示例。

數(shù)據(jù)處理

結(jié)構(gòu)

T2加權(quán)圖像配準(zhǔn)

NeoRS使用了來(lái)自華盛頓大學(xué)醫(yī)學(xué)院的‘年齡立體定位空間’這一術(shù)語(yǔ)婶熬。該模板可用于Talairach空間1和3mm各向同性分辨率丹莲。NeoRS中的圖像配準(zhǔn)是使用FSL flirt執(zhí)行的光坝，用戶可以在函數(shù)anat2std.m中進(jìn)行相關(guān)參數(shù)的修改。將高分辨率T2加權(quán)圖像配準(zhǔn)到1和3mm各向同性模板甥材。

顱骨剝離

顱骨剝離在圖像處理中起著重要作用，它相比于不同的處理功能（例如組織分割）是強(qiáng)制性的性含，并且需要特別注意以避免使處理過(guò)程復(fù)雜化洲赵。NeoRS顱骨剝離步驟利用FSL的bet2函數(shù)，并針對(duì)足月新生兒大腦進(jìn)行了優(yōu)化商蕴。在圖像配準(zhǔn)后進(jìn)行顱骨剝離叠萍，以獲得不受大腦大小影響的結(jié)果。此外绪商，質(zhì)量控制可視化可在包含大腦與顱骨和覆蓋的顱內(nèi)腔輪廓文件中獲得苛谷。如果用戶對(duì)結(jié)果不滿意，可修改分?jǐn)?shù)強(qiáng)度閾值“-f”和分?jǐn)?shù)強(qiáng)度閾值中的垂直梯度“-g”格郁，以在Matlab函數(shù)skull_stripping.m中對(duì)顱骨剝離進(jìn)行適當(dāng)?shù)恼{(diào)整腹殿。

分割

然后對(duì)提取的T2加權(quán)顱內(nèi)組織進(jìn)行分割，以創(chuàng)建對(duì)應(yīng)于每個(gè)大腦結(jié)構(gòu)的不同組織概率圖例书。組織分割在圖像處理中至關(guān)重要锣尉，因?yàn)槠漭敵鰧⒂糜诨貧w分析。對(duì)于大腦分割决采，NeoRS應(yīng)用形態(tài)學(xué)自適應(yīng)新生兒組織分割：Mantis自沧。Mantis是一個(gè)基于SPM的工具箱，通過(guò)拓?fù)錇V波器和形態(tài)分割工具树瞭，允許基于模板自適應(yīng)進(jìn)行T2加權(quán)圖像分割拇厢，從而產(chǎn)生八種不同的組織概率圖。分割過(guò)程完全集成在NeoRS管道中晒喷，并已在三個(gè)不同的數(shù)據(jù)集（BCP和CHU Sainte-Justine）上進(jìn)行了測(cè)試孝偎。分割后，八張組織概率圖會(huì)自動(dòng)組合厨埋、閾值化和二值化邪媳，以創(chuàng)建三個(gè)不同的二進(jìn)制掩膜。掩膜對(duì)應(yīng)于WM荡陷、灰質(zhì)(GM)和CSF雨效。將掩膜重采樣為3mm各向同性以匹配功能圖像空間分辨率。

功能

時(shí)間層校正

rsfMRI常用的采集技術(shù)是單次梯度回波(GRE)回波平面成像(EPI)废赞。在此采集序列中徽龟，以不同的間隔采集層。NeoRS用于時(shí)間層校正的函數(shù)是FSL slicetimer唉地，它可以自動(dòng)從.json文件中讀取層順序据悔。如果.json文件不可用传透，用戶可以手動(dòng)定義層順序或使用配置文件中fsl的預(yù)定義選項(xiàng)之一。

交叉配準(zhǔn)

為了校正頭動(dòng)极颓，需要基于6個(gè)運(yùn)動(dòng)參數(shù)（三個(gè)旋轉(zhuǎn)參數(shù)和三個(gè)平移參數(shù)）獲得運(yùn)動(dòng)估計(jì)朱盐。這是通過(guò)相對(duì)于參考的不同體積之間的剛體配準(zhǔn)來(lái)完成的，在NeoRS中菠隆，參考是來(lái)自rsfMRI的第一個(gè)volume兵琳，用戶也可以根據(jù)自己的需要進(jìn)行更改。該NeoRS函數(shù)是使用FSL mcflirt執(zhí)行的骇径，其工作原理與成人相同躯肌，但是這里將平滑設(shè)置為0，因?yàn)槠交瑫?huì)在流程后期進(jìn)行破衔，并使用sinc插值清女。交叉重新配準(zhǔn)的參數(shù)可以在Matlab函數(shù)cross_realign2.m中自定義。出于質(zhì)量控制的目的晰筛，NeoRS創(chuàng)建了一個(gè).png文件嫡丙，其中可以評(píng)估每個(gè)volume的總旋轉(zhuǎn)、平移和逐幀位移(FD)传惠。逐幀位移的計(jì)算方法如Power等人(2012)所述迄沫。考慮到頭部大小的差異卦方，這里將使用半徑為35mm而不是50mm的球體來(lái)進(jìn)行計(jì)算羊瘩，這大約對(duì)應(yīng)于新生兒大腦皮層到頭部中心的平均距離。運(yùn)動(dòng)校正后盼砍，將運(yùn)動(dòng)參數(shù)保存在一個(gè)文本文件中尘吗，進(jìn)一步用于去噪。

最佳靜息態(tài)部分選擇

NeoRS融合了分析長(zhǎng)時(shí)間序列（即20min）分段部分的可能性浇坐。此工具默認(rèn)處于停用狀態(tài)睬捶，但可以通過(guò)在配置文件中設(shè)置options.best_volumes=1來(lái)激活。分段分析工具會(huì)自動(dòng)識(shí)別時(shí)間序列中具有最低平均FD的部分（即5min）近刘，建議將其用于平均FD高于閾值的超長(zhǎng)采集序列擒贸。分段的長(zhǎng)度可以由用戶修改，但建議持續(xù)時(shí)間保持在5min以上觉渴。需要注意的是介劫，平均FD閾值默認(rèn)為0.25mm，但也可以根據(jù)需要通過(guò)更改配置文件中的options.FDaverage進(jìn)行調(diào)整案淋。NeoRS只選擇時(shí)間序列中最好的段座韵，這大大減少了計(jì)算時(shí)間。

畸變校正

EPI序列對(duì)非共振場(chǎng)相當(dāng)敏感，為了解決這些畸變誉碴，一種典型的方法是使用兩個(gè)SE-EPI反向極性采集（反相位編碼方向）來(lái)估計(jì)畸變場(chǎng)宦棺。該場(chǎng)用于糾正原始GRE EPI圖像中的失真。直接使用兩個(gè)反極性GRE EPI而不是兩個(gè)向極性SE EPI來(lái)估計(jì)畸變場(chǎng)是可行的黔帕，但不推薦使用代咸，因?yàn)镚RE-EPI序列會(huì)受到體素內(nèi)移相引起的信號(hào)丟失的影響。提供反相編碼極性SE EPI圖像并激活NeoRS中的畸變校正選項(xiàng)（options.fmap=1）成黄，允許用戶使用FSLtopup估計(jì)這些失真侣背。如topup文檔中指定的那樣，需要在fmap文件夾中包含一個(gè)編碼方向和總讀出時(shí)間的文本文件以執(zhí)行畸變校正慨默。如果在fmap文件夾中找到.json文件，NeoRS將自動(dòng)創(chuàng)建該文本文件弧腥。通過(guò)應(yīng)用來(lái)自topup的輸出厦取，使用FSL applytopup為每個(gè)EPIvolume進(jìn)行畸變校正估計(jì)。

圖像配準(zhǔn)

起初應(yīng)用的是兩步配準(zhǔn)法管搪，首先虾攻，計(jì)算平均rsfMRI體積和T2加權(quán)圖像之間的剛體配準(zhǔn)，在T2加權(quán)和模板之間進(jìn)行仿射變換更鲁。然后將每個(gè)過(guò)程的輸出仿射變換矩陣應(yīng)用于rsfMRI圖像霎箍，與3mm各向同性模板對(duì)齊。此外澡为，研究了一種單步配準(zhǔn)方法漂坏，其中rsfMRI圖像使用12個(gè)自由度直接與3mm各向同性模板對(duì)齊。該配準(zhǔn)方法與前者配準(zhǔn)過(guò)程相媲美媒至，之所以選擇它是因?yàn)樗鼫?zhǔn)確且更快速顶别。降采樣模糊在NeoRS中默認(rèn)設(shè)置為關(guān)閉，但如果需要拒啰，參數(shù)可以在Matlab函數(shù)epi2std2.m中進(jìn)行自定義驯绎。

去噪

運(yùn)動(dòng)檢測(cè)

在對(duì)混淆信號(hào)進(jìn)行回歸之前，根據(jù)Power等人(2012)描述的逐幀位移度量去除運(yùn)動(dòng)過(guò)度的volume谋旦。NeoRS基于6個(gè)運(yùn)動(dòng)參數(shù)（3個(gè)旋轉(zhuǎn)參數(shù)+3個(gè)平移參數(shù)）執(zhí)行線性去趨勢(shì)剩失，并計(jì)算交叉配準(zhǔn)后的逐幀位移，此步驟還會(huì)自動(dòng)刪除前五個(gè)volume册着。

高運(yùn)動(dòng)被試

高運(yùn)動(dòng)采集是偽影的來(lái)源拴孤，可能會(huì)混淆與非神經(jīng)信號(hào)的神經(jīng)相關(guān)性。除了基于FD的單幀運(yùn)動(dòng)檢測(cè)外指蚜，NeoRS還評(píng)估每次BOLDrun的平均FD乞巧。默認(rèn)情況下，NeoRS設(shè)置為丟棄平均FD高于0.25mm的采集序列摊鸡≌烂剑可以通過(guò)定義options.FDaverage在配置文件中更改平均FD閾值蚕冬。

混淆回歸

被識(shí)別為估計(jì)BOLD信號(hào)的潛在混淆因素的變量被合并到一個(gè)文件中。為避免回歸過(guò)程中出現(xiàn)頻率錯(cuò)配是辕，利用該文件進(jìn)行單步線性回歸計(jì)算囤热，并進(jìn)行頻率濾波。此過(guò)程是利用AFNI 3dTproject實(shí)現(xiàn)的获三。

運(yùn)動(dòng)參數(shù)

頭部運(yùn)動(dòng)被認(rèn)為是一個(gè)在6個(gè)自由度的3D空間中運(yùn)動(dòng)的剛體旁蔼。在笛卡爾坐標(biāo)中，可以用3個(gè)平移x（左/右）疙教、y（前/后）和z（下/上）軸來(lái)描述它棺聊，以及圍繞x軸、y軸和z軸進(jìn)行3次旋轉(zhuǎn)贞谓。為了解決次優(yōu)剛體配準(zhǔn)后殘余的運(yùn)動(dòng)相關(guān)信號(hào)方差限佩，NeoRS使用基于上述6個(gè)估計(jì)運(yùn)動(dòng)參數(shù)的線性回歸策略。這些參數(shù)被認(rèn)為是信號(hào)的干擾效應(yīng)裸弦，然后進(jìn)行移除祟同。NeoRS允許多種選項(xiàng)，包括：6個(gè)運(yùn)動(dòng)參數(shù)理疙，12個(gè)（時(shí)間導(dǎo)數(shù)）或24個(gè)（時(shí)間導(dǎo)數(shù)及其平方）可以在配置文件參數(shù)options.motion中定義晕城。

白質(zhì)、腦脊液和全局信號(hào)

白質(zhì)和腦脊液信號(hào)高度混雜窖贤，需要從rsfMRI中去除砖顷。用于混淆回歸的信號(hào)是從分割過(guò)程中生成的WM和CSF掩膜中提取的。從組織概率掩膜中選擇概率大于0.5的體素主之，以保守的方式創(chuàng)建掩膜择吊，并創(chuàng)建兩個(gè)包含WM和CSF掩膜平均信號(hào)的文件。最后槽奕，通過(guò)對(duì)GM掩膜中的信號(hào)進(jìn)行平均來(lái)近似全局信號(hào)几睛，并在NeoRS中默認(rèn)使用，因?yàn)樗ㄟ^(guò)減少運(yùn)動(dòng)偽影來(lái)提高數(shù)據(jù)質(zhì)量粤攒。

頻率濾波器

從BOLD信號(hào)中去除[0.01-0.1]Hz頻率范圍外的時(shí)間頻率所森，以校正慢頻漂移，減少運(yùn)動(dòng)偽影和其他生理噪聲夯接，同時(shí)保留靜息態(tài)網(wǎng)絡(luò)的頻率焕济。在TR很短的采集序列中，使用低通濾波器可以大大降低時(shí)間序列的自由度盔几。對(duì)于這些情況晴弃，建議在配置文件中將options.BPF=[HPH，LPF]的值設(shè)置為[0.01，999]上鞠。

平滑

功能平滑

功能平滑是最后一個(gè)處理步驟际邻。去噪后，將rsfMRI信號(hào)與高斯核進(jìn)行卷積芍阎。這減少了功能區(qū)域之間誤配準(zhǔn)的影響世曾，并略微提高了信噪比。執(zhí)行FSL中的fslmaths來(lái)實(shí)現(xiàn)高斯平滑谴咸。高斯核的大小可在NeoRS中通過(guò)修改配置文件中的options.fwhm來(lái)自定義轮听，默認(rèn)為6mm。

數(shù)據(jù)分析——功能連接

在進(jìn)一步的數(shù)據(jù)分析之前岭佳，如ROI到ROI（感興趣區(qū)域）的相關(guān)性血巍，所有處理過(guò)的BOLDrun都合并到一個(gè)單獨(dú)的4D文件中。NeoRS提供基本的單被試數(shù)據(jù)分析珊随，包括基于種子點(diǎn)和種子到種子的相關(guān)性藻茂，因此用戶可以進(jìn)一步評(píng)估數(shù)據(jù)是否已進(jìn)行正確處理。

基于種子點(diǎn)的相關(guān)性

基于種子點(diǎn)的功能連接確定了ROI（也稱為種子）與大腦其他部分之間的相關(guān)性玫恳。該指標(biāo)有助于觀察與預(yù)定義ROI同時(shí)激活的區(qū)域。NeoRS管道提供31個(gè)模板種子优俘，代表一些最常見(jiàn)的靜息態(tài)網(wǎng)絡(luò)京办，包括：語(yǔ)言、默認(rèn)模式帆焕、背側(cè)注意惭婿、視覺(jué)、腹側(cè)注意叶雹、運(yùn)動(dòng)和額頂葉網(wǎng)絡(luò)财饥。可以在文檔中找到一個(gè)excel文件( Perceptron_ROI_list.xlsx )折晦，其中包含與種子定位相關(guān)的所有信息钥星。

種子到種子的測(cè)量

種子到種子的數(shù)據(jù)分析提供了對(duì)所有不同種子對(duì)之間的功能連接的測(cè)量，與基于種子點(diǎn)的功能連接相比满着，種子到種子的測(cè)量顯示了關(guān)于網(wǎng)絡(luò)的更為全局的視角谦炒。NeoRS在不同的ROI之間執(zhí)行Pearson相關(guān)以創(chuàng)建一個(gè)相關(guān)矩陣。

結(jié)果

圖像配準(zhǔn)

圖4展示了一個(gè)代表性被試的T2加權(quán)圖像和BOLD圖像以及與模板的配準(zhǔn)結(jié)果风喇。黃線代表分割的腦脊液宁改。目視檢查后，觀察到每個(gè)測(cè)試被試的兩種配準(zhǔn)在模板內(nèi)的正確對(duì)齊魂莫。

圖4.立體定向空間的T2加權(quán)和BOLD圖像的配準(zhǔn)还蹲。

當(dāng)比較rsfMRI的單步配準(zhǔn)與兩步配準(zhǔn)方法時(shí)，兩者之間沒(méi)有明顯差異，最終功能連接結(jié)果呈現(xiàn)相同的相關(guān)性強(qiáng)度和拓?fù)浣Y(jié)構(gòu)谜喊。這兩種方法的主要區(qū)別在于計(jì)算時(shí)間不同潭兽，兩步配準(zhǔn)法的計(jì)算時(shí)間成本更高。

顱骨剝離

圖5顯示了新生兒的默認(rèn)顱骨剝離與NeoRS顱骨剝離參數(shù)的比較情況锅论。在默認(rèn)設(shè)置下讼溺，可以觀察到一些具有不同大腦大小的被試的顱骨剝離失敗，相比之下最易，當(dāng)使用NeoRS參數(shù)時(shí)怒坯，顱骨剝離對(duì)于所有處理過(guò)的被試仍然具有穩(wěn)健的結(jié)果。

圖5.比較默認(rèn)bet2設(shè)置和優(yōu)化的NeoRS設(shè)置的顱骨剝離參數(shù)藻懒。

分割和掩膜創(chuàng)建

圖6顯示了NeoRS從Mantis組織概率圖中創(chuàng)建的1mm各向同性二元掩膜剔猿。輸出包含三個(gè)不同的二元文件，分別對(duì)應(yīng)白質(zhì)嬉荆、SCF和GM归敬。圖7展示了用于混淆回歸過(guò)程的3mm各向同性掩膜。

圖6.從Mantis獲得的組織概率圖中創(chuàng)建的1mm各向同性掩膜鄙早。白質(zhì)(紅色)汪茧、腦脊液(黃色)、灰質(zhì)(藍(lán)色)限番。

圖7.白質(zhì)舱污、腦脊液和灰質(zhì)掩膜用于混淆回歸。

功能畸變校正

其中弥虐，一個(gè)代表性被試的功能磁化率引起的非均勻磁場(chǎng)校正如圖8所示扩灯。與腦大小無(wú)關(guān)的GRE EPI圖像，無(wú)論獲取的是AP還是PA霜瘪，都會(huì)在相位編碼方向上發(fā)生畸變珠插，而且在兩個(gè)腦區(qū)都存在畸變。在磁化率引起的非均勻磁場(chǎng)畸變校正后颖对，兩次采集（AP和PA）相對(duì)于未畸變的T2加權(quán)圖像呈現(xiàn)出相似的形態(tài)和更準(zhǔn)確的大腦形狀捻撑。

圖8.磁化率引起的非均勻磁場(chǎng)導(dǎo)致沿相位編碼方向的幾何畸變。

頭部運(yùn)動(dòng)

在交叉配準(zhǔn)之后缤底，NeoRS將提供一個(gè)輸出圖布讹，其中包含用于rsfMRI的每個(gè)volume交叉配準(zhǔn)的旋轉(zhuǎn)和平移信息，以及計(jì)算得到的逐幀位移（圖9）训堆。

圖9.來(lái)自單個(gè)被試的頭動(dòng)示意圖描验。

圖10是一個(gè)具有2種（運(yùn)動(dòng)量）不同rsfMRI采集的單被試示意圖，在基于種子點(diǎn)的運(yùn)動(dòng)網(wǎng)絡(luò)功能連接結(jié)果中坑鱼，平均逐幀位移高于0.25 mm（run 1）的采集與平均逐幀位移低于0.25 mm（run2）的采集之間的差異膘流。從圖中可以看到絮缅，高運(yùn)動(dòng)采集會(huì)導(dǎo)致噪聲增加，并且腦網(wǎng)絡(luò)拓?fù)潆y以識(shí)別呼股。

圖10.一個(gè)高運(yùn)動(dòng)被試的兩次采集示意圖耕魄。

靜息態(tài)網(wǎng)絡(luò)——基于種子點(diǎn)的相關(guān)性

圖11顯示了采用基于種子點(diǎn)的相關(guān)性(SBC)方法進(jìn)行NeoRS處理后，產(chǎn)生的七個(gè)最常見(jiàn)的靜息態(tài)網(wǎng)絡(luò)彭谁。

圖11.使用NeoRS進(jìn)行圖像處理后吸奴，通過(guò)基于種子點(diǎn)的功能連接獲得的靜息態(tài)網(wǎng)絡(luò)。

圖12是NeoRS中包含的31個(gè)種子點(diǎn)的單個(gè)被試示例缠局。

圖12.種子到種子的功能連接相關(guān)性则奥。

結(jié)論

NeoRS2是一個(gè)開(kāi)源的、易于使用的新生兒大腦rsfMRI數(shù)據(jù)處理流程狭园，包括基于種子點(diǎn)的分析和種子到種子的分析读处。NeoRS擁有1mm和3mm Talairach空間的新生兒大腦模板，以及一組定義了7種常見(jiàn)靜息態(tài)網(wǎng)絡(luò)的31個(gè)種子區(qū)域唱矛。它依賴于開(kāi)源神經(jīng)成像工具FSL罚舱、AFNI和SPM，并包含穩(wěn)健的方法來(lái)分割绎谦、配準(zhǔn)和去噪新生兒的rsfMRI數(shù)據(jù)管闷。NeoRS適用于nifti格式、BIDS文件夾結(jié)構(gòu)窃肠，并且已開(kāi)發(fā)用于與不同的MRI供應(yīng)商和不同的采集參數(shù)一起使用渐北。使用NeoRS進(jìn)行圖像處理后，可以觀察到靜息態(tài)網(wǎng)絡(luò)與前人的研究一致铭拧，并且每個(gè)處理步驟都易于檢查。

原文：NeoRS: A Neonatal Resting State fMRI Data Preprocessing Pipeline.

doi: 10.3389/fninf.2022.843114