<Principles of fMRI 1>课程笔记6--fMRI的噪音来源
2017-01-07 11:18
260 查看
BOLD fMRI包含多种来源的噪音,与设备本身和被试本身相关
-磁场和其梯度的不稳定性
-头动及其对磁场的交互影响
-生理影响:心跳、呼吸,co2浓度
-图像的伪影和畸变
-低频的漂移和周期性的波动
-合理安排实验的序列
-我们还可以用一些特殊的序列,比如自旋回波(spin-echo),同时多层采样,z-shimming(减少某个区域的伪影)
-尽可能减少头动
一些数据处理的手段(回归,层级建模)
-还可以建模并去除低频与周期性波动的内容
RF噪音与畸变的图片
瞬态梯度伪影
重影
磁敏感性伪影
任务相关的头动
所有fmri的数据都有一些伪影,在做数据分析的时候如果遇到严重的伪影问题是很难处理的,所以我们需要在数据获取的时候就尽量避免。
我们需要在预处理与进行数据分析时都考虑到漂移的问题。
漂移可能会带来严重的影响:
实验条件如果太慢了,就可能会受到漂移的很大影响
试验设计应该更高频(更多刺激的on/off状态的切换)
不好的试验设计例子:
如果我们有20秒的任务(比如说是打字任务 ),20秒的静息,我们就有希望把它分开,相反的,如果我们是两分钟的任务和静息,就很难把他们分开。
为了避免这个现象,我们需要至少比信号的频率快两倍的采样频率,如果我们采样的更快,测的的信号的变化方式也更接近原始的信号。
总体来说,噪音的时空行为处理是很复杂的,这里的一个空间图,显示了AR2模型里的参数,用来顾及每个体素的噪音水平。我们可以看到噪音在全脑不同组织和位置的分布是不一样的,因此这个噪音是非常复杂的。
转载声明:
作者:李竞捷
链接:https://zhuanlan.zhihu.com/p/22221789
来源:知乎
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
噪音的来源
-系统内自由电子的热运动-磁场和其梯度的不稳定性
-头动及其对磁场的交互影响
-生理影响:心跳、呼吸,co2浓度
这些噪声如何在数据内出现
-高频的spikes-图像的伪影和畸变
-低频的漂移和周期性的波动
如何减少噪音和伪影的影响
在获取过程中:
-我们需要高质量的控制以确保扫描器本身工作很正常-合理安排实验的序列
-我们还可以用一些特殊的序列,比如自旋回波(spin-echo),同时多层采样,z-shimming(减少某个区域的伪影)
-尽可能减少头动
在数据分析中:需要检查一下我们得到的数据
异常值/伪影的鉴别和校正
通过预处理来调整头动和漂移一些数据处理的手段(回归,层级建模)
-还可以建模并去除低频与周期性波动的内容
在检视你的数据过程中,你需要着重关注以下几点:
覆盖范围(FOV)与先前的计划是否一致;RF噪音与畸变的图片
瞬态梯度伪影
重影
磁敏感性伪影
任务相关的头动
所有fmri的数据都有一些伪影,在做数据分析的时候如果遇到严重的伪影问题是很难处理的,所以我们需要在数据获取的时候就尽量避免。
漂移:
在fmri中的单个体素强度信号随时间的缓慢变化(低频噪音),扫描器的不稳定是漂移的主要成因,因为即使是对尸体的扫描中也可以看到漂移,不过生理噪音也是很重要的我们需要在预处理与进行数据分析时都考虑到漂移的问题。
漂移可能会带来严重的影响:
实验条件如果太慢了,就可能会受到漂移的很大影响
试验设计应该更高频(更多刺激的on/off状态的切换)
不好的试验设计例子:
如果我们有20秒的任务(比如说是打字任务 ),20秒的静息,我们就有希望把它分开,相反的,如果我们是两分钟的任务和静息,就很难把他们分开。
头动
在试验中,被试的头动也有可能会造成严重的问题,我们通常在数据的预处理中进行头动校正,然而,有些“转动历史伪影”还是无法去除的,这些可能是由于一些跨平面的头动与磁场的复杂相互作用引起的。在数据分析中我们会处理这些问题,但是这个处理并不是完美的。生理噪音
呼吸与心跳也会在特定的频率上产生噪音,它可以在数据分析中被建模出来,但是如果TR(扫描的重复时间)太低了,就会存在一些混淆的问题。对于传统的TR数值(大约为2s)这种噪音事很难去除的,会以时间自相关的形式存留在数据中。混叠
远比采样频率高的周期性的信号可能会被混叠为低频信号,向下面这个图。蓝色的代表真实的高频信号,红色的点代表采样为了避免这个现象,我们需要至少比信号的频率快两倍的采样频率,如果我们采样的更快,测的的信号的变化方式也更接近原始的信号。
建模fmri噪音
许多噪音部分可以在分析之前被去除,包括低频漂移与图片的异常值鉴别,不过是无法去除所有噪音的,有一些显著的自相关还是经常会留在信号内的。,在fmri中我们经常用自回归(AR,autoregressive)或者自回归运动平均(autoregressive moving-average ,ARMA)处理来建模自相关总体来说,噪音的时空行为处理是很复杂的,这里的一个空间图,显示了AR2模型里的参数,用来顾及每个体素的噪音水平。我们可以看到噪音在全脑不同组织和位置的分布是不一样的,因此这个噪音是非常复杂的。
转载声明:
作者:李竞捷
链接:https://zhuanlan.zhihu.com/p/22221789
来源:知乎
著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
相关文章推荐
- <Principles of fMRI 1>课程笔记5--理解信号、噪音与血流
- <Principles of fMRI 1>课程笔记2--fMRI数据结构
- <Principles of fMRI 1>课程笔记8--fMRI的数据预处理
- <Principles of fMRI 1>课程笔记3--MRI的原理
- <Principles of fMRI 1>课程笔记1--fMRI简介以及数据分析
- <Principles of fMRI 1>课程笔记7--fMRI数据的时间分辨率和空间分辨率
- "Principles of Reactive Programming" 之 <Persistent Actor State>学习笔记
- 黑马程序员 .NET学习笔记 <1>
- Java笔记6 网络编程<1>Socket、UDP
- OpenCV 2 学习笔记(10): 算法的基本设计模式<1>:策略模式(strategy pattern)
- Spark学习笔记-Streaming-1<转>
- Effective C++ 学习笔记<1> 视C++为一个语言联邦
- Java笔记4 JavaAPI<1>集合框
- Java笔记3 多线程<1>线程概述、多线程的创建、多线程的安全问题、静态同步函数的锁、死锁
- C++学习笔记之对文件的操作<1>
- 多线程 学习笔记<1> 线程建立
- 『算法学习笔记』10th day. 文件操作<1>
- C++学习笔记之对文件的操作<1>
- C++学习笔记之对文件的操作<1>
- Effective STL 学习笔记<1>