课程笔记6--fMRI的噪音来源
BOLD fMRI包含多种来源的噪音，与设备本身和被试本身相关
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。