SPM软件包数据处理原理简介_第二部分_应用于PET及fMRI

### SPM软件包数据处理原理简介 — 第二部分：应用于PET及fMRI #### 概述 本篇文章作为SPM软件包数据处理原理系列的第二部分，主要关注该软件包在正电子发射断层扫描（PET）与功能性磁共振成像（fMRI）中的具体应用。上一部分已经介绍了SPM软件的基础数学原理，本篇则更深入地探讨其在实际科研中的应用模型。 #### PET实验模型 在PET实验中，通过测量放射性同位素在大脑内的分布情况来推断脑功能活动的变化。为了准确评估局部脑血流量（rCBF）或局部脑葡萄糖代谢率（rCMRGlc），需要先消除整体效应的影响。 **1.1 整体效应** - **定义**：由于实验设计通常包括多个受试者以及同一个受试者在不同时间点的多次测量，因此每个实验单元的全局脑血流（gCBF）或全局脑葡萄糖代谢率（gCMRGlc）可能会有所不同。此外，在不进行定量测量的情况下，可以用局部放射性活度（rA）来近似局部脑血流量或局部脑葡萄糖代谢率。这种整体效应会影响局部放射性活度值，因此需要在数据处理过程中予以消除。 - **消除方法**： - **正比模型**：这是一种较为简单的消除方法，通过乘以比例因子使得所有扫描的全局脑血流（gCBF）值统一到一个标准值，如50ml/(min·dl)。然而，这种方法引入了额外的误差，因为每个扫描的局部放射性活度（rA）的误差会因比例因子而变化。 - **协方差分析模型（ANCOVA模型）**：这是一种更为精确的处理方法，它将整体效应视为一个协变量纳入线性模型中进行分析。这种方法可以更准确地估计局部脑功能活动的变化，尤其是在考虑个体差异时更为有效。 #### fMRI实验模型 fMRI技术通过检测血氧水平依赖（BOLD）信号的变化来间接反映大脑活动。在SPM中，fMRI数据分析主要包括以下几个步骤： - **预处理**：包括去除头动影响、平滑、标准化等步骤，确保数据的质量。 - **统计模型构建**：利用事件相关设计或块设计等模型来建立统计模型。 - **统计推断**：通过t检验、F检验等统计测试来确定哪些脑区的活动与特定刺激相关。 **具体应用模型**： - **事件相关设计**：适用于短时程、随机呈现的刺激条件。通过构建卷积模型（通常是伽马函数与刺激序列的卷积），来估计每个刺激条件下的血流动力学响应函数（HRF）。 - **块设计**：适合于持续时间较长的任务条件。这种设计能够提供较高的信噪比，便于检测较弱的激活区域。 - **多水平分析**：考虑到受试者间的变异性和群体效应，SPM提供了混合效果模型来进行多水平分析，从而更好地估计群体水平上的效应大小。 #### 结论 SPM软件包为PET和fMRI数据的处理提供了强大的工具，不仅包括基础的预处理步骤，还能通过构建复杂的统计模型来揭示大脑功能活动的本质。通过合理选择模型和分析策略，研究人员能够更加深入地理解大脑的工作机制。无论是对于PET中的整体效应消除，还是fMRI中的复杂设计模型构建，SPM都能提供有力的支持，极大地促进了神经科学研究的发展。