 fMRI 成像基本原理（三类磁场：主磁场、射频磁场、梯度磁场）

 脑血流与 BOLD 效应（名词解释 BOLD，HRF，TR，TE，T1，T2）

 fmri 成像数据格式

 时间分辨率与空间分辨率（体素大小怎么选？）的权衡？

 非线性响应（不应期）的原因？4 大，p35

 信噪比的种类（raw SNR，functional SNR）、影响因素？

 噪声的来源

 信噪比的提高方式（三种）

 因变量与自变量？被试内/被试间设计？控制变量（能控制什么-4

类 p11；控制条件的设置 p16；混杂因素 p17）？

 各种实验设计（p20）的优缺点比较（p73），核心是 Detection vs.

Estimation

 数据的预处理：各个步骤、作用

 数据处理中的统计方法
 fMRI 研究指南
因为能够提供对⼤脑功能的独特洞察⽽受到医⽣和研究⼈员的⼴泛欢迎。然⽽，我
fMRI
们必须考虑多种技术因素，从实验设计到数据采集、数据处理以及⽅法的内在限制，以优
化fMRI分析并对数据作出最准确和最有根据的解释。
实际研究过程中，研究者/临床医⽣必须从许多可⽤的选项中选择每个阶段最合适的软件
⼯具。在这⾥我们提供简单的指南，包含主要的分析阶段，每个阶段涉及的技术和⼯具。
这份指南旨在作为神经成像社区的资源，帮助新⼿克服最关键的困难。本⽂由葡萄⽛学者
发表在Frontiers in Neuroscience杂志。
关键词：fMRI，数据收集、预处理、分析
应⽤领域
技术被⼴泛应⽤于认知神经科学领域（⽐如感知运动功能、语⾔、视觉空间、注
fMRI
意、记忆、⼈格、决策、执⾏功能）以及成瘾、神经营销等等。另⼀个主要研究领域为临
床神经成像（⽐如⼿术前后的状态对⽐、基因相关的功能研究等）。最后⼀个较为新兴的
领域是结合实时神经反馈或脑机接⼝治疗疾病⽐如强迫症、抑郁症、精神分裂。
实验设计
核磁的实验设计分静息态和任务态2种。当研究同时涉及静息态和任务态时，建议先扫描
静息态。
静息态
静息态是最简单直接的实验设计，被试不需要完成任何外在任务。这种情况下收集到
的数据具有⼀致稳定的功能模式，被称为静息态⽹络（Resting State Networks
,RSNs)。

最经典的实验设计为
闭眼静息（数据收集过程中，被试眼睛闭上，不要想任何事情也不要睡着）
睁眼静息（数据收集过程中，被试眼睛睁着视线固定，不要乱动不要想任何事
情）。
真实研究中选何种设计，由研究⽬的决定。扫描时⻓也会对结果产⽣影响，⼀般为5
—7min，如果是⼉童被试可适当缩短⽐如5.5分钟。

研究指南
fMRI 1
 任务态
任务态fMRI研究中，刺激的呈现⽅式⾄关重要。最经典的实验设计为block设计、event
设计和混合设计三种。
其中最简单的实验设计是block设计
其包含⼀系列的block，每个block⾥⾯呈现1种条件的刺激。Block之间的间
隔取决于刺激类型，通常为15-30s
每个条件呈现的顺序也很重要，通常要在被试间平衡。Block设计的优点是⽅
法简单、统计功效良好、信号鲁棒，缺点是被试会产⽣练习效应并且⽆法准
确定义响应时间。
Event设计

旨在描述⼤脑功能与离散事件的相关，刺激顺序随机，刺激间隔（inter-
stimulus interva，ISI）通常在0.5-20s

这⼀任务增加了不可预测性，提供了有效⼿段检测局部⾎流动⼒学反应的瞬
态变化，但同时也造成信噪⽐降低、分析过程变得复杂，最终导致检测能⼒
下降。
2种类型，其差异来⾃ISI的范围：

慢事件相关设计（slow event-related designs），其ISI通常在15s以

上，这样可以防⽌刺激间HRF的重叠
快事件相关设计（rapid event-related designs），刺激间的间隔时间短
（短于先前刺激的HRF），导致刺激间HRF的重叠
jitter设计则允许出现不同的HRF重叠，可以减少多重线性问题并更好的
表征每种条件的反应。
此外，刺激呈现顺序设置为随机或伪随机，也可有效减少练习效应。对于快
速事件相关设计，
混合设计
结合了block设计和event设计的优点，能提供持续和瞬间功能激活情况
不过，它需要更多的假设，对HRF的估计较差，持续信号的统计效应变低，
需要更多的被试量。

研究指南
fMRI 2
 图1 经典fMRI研究流程（A）数据基本特征（B）静息态（C）block设计（D）event设计
（E）混合设计（F）采集技术（G）伪影（H）质控（I）格式转换。预处理步骤：（J）
时间层校正（K）头动校正（L）空间标准化（M）平滑（N）滤波。（O）基于任务态的
分析⽅法（P）基于静息态的分析⽅法（Q）统计界⾯（R）可视化

研究指南
fMRI 3
 Power 分析
研究因为样本量少、⽐较次数多导致统计效应低⽽⼀直为⼈诟病。另外也由于BOLD
fMRI
响应的不确定性等原因导致fMRI研究较少计算效应量。好在现在已经开发出了专门的⼯
具，只需输⼊平均激活、⽅差、Ⅰ类错误的概率（alpha level）等即可计算。已有的软件
有：PowerMap software、fMRIPower tool、NeuroPower。
数据收集技巧和伪影
常⻅的核磁技术
BOLD信号检测是最常⻅的技术，其他的⼀些技术有脑⾎容量（cerebral blood
volume，CBV）、脑⾎流量（cerebral blood flow ，CBF)和脑氧代谢率
（cerebral metabolic rate of oxygen，CMRO2)。
动脉⾃旋标记（Arterial Spin Labelling，ASL）利⽤动脉⾎液中的⽔分⼦作为内
源性对⽐剂实现脑⾎流成像；⾎管空间(Vascular-Space-Occupancy,VASO) 基于
⾎液和周围组织的差异并通过局部CBV的动态测量确定; Venous Refocusing for
Volume Estimation(VERVE)基于静脉脑⾎容量变化；扩散加权MRI测量激活过程
中与细胞肿胀有关的神经组织的结构变化。
最后，收集数据时需要获取特定的序列。常⻅的扫描序列为平⾯回波序列（echo
planar imaging，EPI）。

数据收集技巧
在采集阶段，收集到⾼质量的数据是⾄关重要的。关于收集技巧并没有⻩⾦原
则，因为参数设置都不⼤⼀样，这⾥仅针对标准单镜头梯度回波EPI 3T（a
standard single-shot gradient-echo EPI 3T）核磁数据采集提供⼀些建议。

所有因素中对磁共振结果影响最⼤的是磁场强度，随着场强的增加，灵敏度、分
辨率和信噪⽐均得到提⾼。⽬前使⽤较多的是1.5T~3T，但是⼀些研究中⼼已有
7T设备。另外⼀个因素是扫描顺序，间隔扫描还是连续扫描，升序（foot-to-
head）还是降序（⼩编注：请扫描时做好记录，后续分析会⽤上）。

间隔扫描虽然可以减少相邻层的⼲扰，但更容易受到头动等影响。为了减少这些影
响，扫描时层与层之间会存在间隙（通常是层厚的10%~25%）。⽬前保险的⽅法是
选择连续降序扫描。
磁共振成像还需考虑时间分辨率和空间分辨率的权衡，由于BOLD信号随时间改
变，因此优化时间分辨率是关键。⽬前TR普遍为2-3s。对于任务态研究，通常会
选择较短的TR，不过这会导致信噪⽐显著降低。
研究指南
fMRI 4
 伪影
磁共振成像的伪影通常来⾃脉冲序列、梯度系统硬件、采集策略以及⽣理噪⾳。
EPI序列有3种常⻅的伪影：空间形变（figure1 g1）、信号流失（figure1
g2）、⿁影（figure1 g3）

空间畸变可能是由于磁场不均匀性造成的，局部表现为沿相位编码轴的拉伸
或压缩像素，在较⾼的场强下更差
改善的⽅法有使⽤匀场线圈、field mapping、point spread function
mapping、反向相位梯度。

近场不均匀引起的信号流失通常会在额叶和颞叶发⽣
改善的⽅法有：选择合适的回波时间（当回波时间和感兴趣部位的局部T2匹
配时，BOLD信号对⽐最好）、层厚更薄、优化倾斜度、改善相位编码的⽅
向等
⿁影只发⽣在相位编码⽅向，因为K-space的奇偶⾏极性相反，改善的⽅法
有使⽤多回波扫描、⼆维相位校正、采⽤GRAPPA进⾏平⾏成像等。
质控和预处理
质控和数据格式转换
去除前n个时间点、时间层校正和头动校正
在刚开始采集的时候，机器需要时间进⾏预热，因此前⼏秒的数据通常是不稳定的需
要去除，⼀般是去除前10秒的数据。举例来说，如果TR是2秒的话，则是去除前5个
时间点。
采集数据时，机器是⼀层⼀层扫描的，不同层获取存在时间差，时间层校正的⽬的就
是把数据调整成好像是在同⼀个时刻瞬间扫描完成的。
时间层校正的效果取决于实验设计，效果由⼤到⼩依次为event设计、block设计、静
息态。不过它也不会对结果产⽣坏的效果，⼀般建议都处理⼀下。
时间层校正和头动校正谁先谁后：
隔层扫描：先时间层校正后头动校正；连续扫描：先头动校正后时间层校正；
头动较⼩的被试先时间层校正后头动校正；头动较⼤的被试先头动校正后时间层
校正。

研究指南
fMRI 5
 头动校正是为了对⻬各个时间点的图像，⼀定程度上消除头动的影响，因为头动会造
成体素的错位。最常⻅的⽅法是选择⼀张图像作为参考，通常是平均图像，然后将所
有体素进⾏刚体变换与参考图像对⻬。
空间标准化
空间标准化是为了对⻬各个被试的图像，保证相同的体素对应的各个被试的解剖结构
是⼀致的。
配准⽅式主要有2种
EPI配准也即⼀步配准法（EPInorm）：通过仿射变换将EPI图像⾮线性配准到标
准空间中的EPI模板。这种⽅法的优点在于它直接解决了EPI图像的⾮线性，但缺
点是可能存在过度校正（如⽤不相关的脑区来填充信号丢失区域）。
T1配准也即两步配准法（T1norm）：通过被试的EPI图像与T1图像之间进⾏仿
射变换，然后将T1和T1MNI模板进⾏⾮线性变换，将变换参数应⽤于EPI图像，
从⽽得到MNI归⼀化的EPI数据
这种⽅法的优点是它通常依赖于具有较⾼空间分辨率的T1像来估计对MNI空间的
⾮线性扭曲。
缺点是没有考虑到⼏何失真对EPI数据的影响，因为这种⽅法假设仿射变换可以
校正同⼀被试EPI和T1数据之间的任何差异。⾄于选择何种配准⽅式，没有定
论，重点是配准的效果。
空间平滑和滤波
空间标准化完成后通常进⾏空间平滑（也可以叫空间滤波，spatial
smoothing/filtering），因为normalize是仿射变换，会产⽣形变和噪声，⽽平滑可以
降低仿射变换的影响并提⾼统计效⼒
平滑之后体素会与周围的邻居变得接近（因为求的平均），图像会变得模糊。平滑核
⼤⼩通常是体素⼤⼩的2倍。
预处理的最后⼀步是时间滤波，滤波的⽬的也是降噪
核磁信号多为低频信号，⽽fMRI噪声可能与缓慢的扫描仪漂移(∼<0.01 Hz)以及⼼脏
(∼0.15 Hz)和呼吸(∼0.3 Hz)效应有关，所以⽬前常⻅的滤波范围是∼0.008-0.01
Hz，静息态通常采⽤0.01—0.08Hz。

任务态分析⽅法
研究指南
fMRI 6
 任务态最常⻅的⽅法是在SPM中利⽤GLM进⾏⼀阶建模然后分析，这⼀⽅法⽬前仍然很
受欢迎。任务态的功能连接也越来越受关注，⽣理⼼理交互（PPI）就是其中⼀种⽅法，
具体包括2个⽅⾯：⼀是测量脑区之间（⽣理）是否有关联，⼆是这些关联是否受到⼼理
变量也即实验条件的影响。有效连接包括动态因果模型（DCM）和格兰杰因果分析
（GCA）。
DCM流程如下：刺激输⼊引起神经活动变化 ——> 神经活动变化进⽽引起⾎管舒张、⾎
流变化、⾎容量变化以及脱氧⾎红蛋⽩变化 ——> 脱氧⾎红蛋⽩变化进⽽引起BOLD信号
改变。
DCM模型包括2部分：神经活动状态⽅程和信号⽣成⽅程（过程较复杂，不再赘述）。
GCA的基本思想是对于时间序列X(t)和Y(t)，如果添加利⽤Y(t)过去的信息，⽐单纯地利⽤
X(t)过去的信息预测 X(t)的效果要好，那么称Y(t)对X(t)有贡献，存在由Y(t)到X(t)的格兰杰
因果。该过程通过确定时间序列的优先级然后推导出因果关系。
静息态分析⽅法
历史上，第⼀个应⽤于静息态的⽅法是基于种⼦点的相关分析——定义好⼀个种⼦点，求
它与全脑其他体素的相关。REHO（Regional Homogeneity analysis）是利⽤肯德尔和
谐系数计算体素与其周围体素的⼀致性。
ALFF和fALFF反映脑区⾃发活动的强度，ALFF关注信号低频振幅的强度，fALFF关注某
个特定频段内的信号振幅强度对可探测到的全频段范围内信号的强度。数据驱动的分析⽅
法有PCA（主成分分析）、ICA(独⽴成分分析)、聚类（cluster）。
主成分的有效性很⼤程度上取决于假设的线性度、主成分的正交性和⾼信噪⽐，所以可应
⽤于任务态。静息态⽬前多⽤ICA。ICA将信号按照统计独⽴的原则，通过优化算法分解
为若⼲相互独⽴的成分，以便于分别进⾏处理，它的建⽴基础在于假设源信号的统计独⽴
性。
静息态数据通常使⽤空间ICA，任务态数据主要使⽤时间ICA。聚类是将数据集合分成由
类似对象组成的多个类的过程，和ICA类似，但是效果更好。
越来越受欢迎的脑⽹络分析⽅法是图论⽹络，其假设⼤脑由节点（脑区）和连边（节点
间的连接）组成，这使得脑区之间能相互建⽴连接，可分析的指标包括全局属性、节点属
性和连边差异。
不过，单靠静态功能连接分析⽆法准确描述⼤脑的动态功能状态变化，因此衍⽣出了动态
⽹络。追踪⼤脑功能连接的动态性可以为研究脑⽹络的基础性质和描述⼤脑的功能活动的
动态性提供更多视⾓。最常⽤的⽅法是滑动窗分析技术。

研究指南
fMRI 7
 图2 fMRI研究中常⽤的分析⽅法。对于任务态有GLM（A）、PPI（B）、SEM（C）、
DCM（D）、GCM（E）、多体素模式分析（F）。对于静息态有基于种⼦点的相关
（G）、Reho(H)、ALFF（I）、PCA（J）、ICA（K）、clustering（L）、图论⽹络
（M）、动态功能连接（N）。
数据统计
统计模型为GLM模型，常⻅的分析⽅法有T检验、⽅差分析，协变量需考虑。统计时
可全脑进⾏，也可选择⾃⼰感兴趣的脑区（基于假设）。统计结果均需进⾏校正
校正⽅式有2⼤类：基于体素⽔平的校正（family-wise error rate、false discovery
rate）和基于cluster⽔平的校正。

FWE较为严格，FDR相对宽松。实现校正的⼯具有AFNI、FSL、SPM等。

研究指南
fMRI 8
 （threshold-free cluster enhancement）可通过FSL实现。通常ROI统计更
TFCE
易出结果，因为其多重⽐较校正仅限于ROI内部。最后，⽬前的统计结果基本需
要汇报效应量。
多模态研究
使⽤不同的神经成像⽅法收集多模态数据已经变得越来越流⾏，这为研究更全⾯的⼤脑结
构和功能提供了机会，⽆疑是未来的趋势。⼏个世界级别的研究如:
Human Connectome Project, Developing Human Connectome Project , Baby
已开展相关研究，将功能像与结构像结合起来。另外，也有将fMRI
Connectome Project
与 、 、 、 等结合。
EEG MEG fNIRS TMS

报告和结果解释
通常需要报告peak点坐标（X Y Z），cluster size 、多重⽐较校正的⽅式、统计值、脑区
名称以及脑图。⽅法和结果尽可能详细描述，保证可重复性。结果解释⼀定要参考前⼈⽂
献、有依据，在此基础适当拓展。
结论和未来展望
⽬前在脑功能研究中很受欢迎，并有望在未来变得更加突出。本⽂旨在为新⼿提供
fMRI
研究的⼀套指南，从实验设计、数据采集到数据分析和结果汇报，希望能对⼤家有
fMRI
所帮助。

研究指南
fMRI 9