2.2 脑功能数据采集、分析及结果显示方法

2.2.1 脑功能数据采集方法

目前，MRI并不是直接测量大脑的神经功能活动，它只能基于假设脑功能活动所导致MRI成像体素内的信号变化，来间接反映大脑活动。最为流行的数据采集方法是由奥格瓦等人（Ogawa et al., 1990）在1990年提出并得到迅速发展的基于血氧水平依赖性（blood oxygenation level dependent, BOLD）的成像机制。BOLD-fMRI测量结果是脑神经活动时多神经元集体活动的平均效果，它通过附近血管内含氧和脱氧血红蛋白的比例反映出来，是神经活动的间接测量。

基于1992年由德特利等人（Detre et al., 1992）和威廉姆斯等人（Williams et al., 1992）提出的灌注磁共振成像（perfusion magnetic resonance imaging）原理发展出的动脉自旋标记（arterial spin labeling, ASL）成像方法（Wang et al.,2005; Wu et al.,2007; Wey et al.,2011），也可用于脑功能数据采集（Aguirre et al., 2002; Duong et al., 2002; Wang et al., 2003; Perthen et al., 2008; Borogovac & Asllani, 2012），通称为灌注脑功能方法（perfusion fMRI）。相对于BOLD-fMRI方法，灌注脑功能方法能得到更高的功能激活和更好的时间稳定性，缺点是图像噪声高、分辨率低。

有关脑功能数据采集方法的更详细的讨论可参见第1章，这里不再重复。

2.2.2 传统功能数据分析和结果显示方法

脑功能的数据分析算法有很多，通常都是结合实验设计的任务完成方式，根据体素的统计量来统计推断大脑各个区域的功能激活强度，包括：（1）差值法，任务执行阶段的图像减去控制阶段的图像，得到的信号强度差值反映功能区大小及激活强度；（2）t检验法，依靠构造t统计量，运用逐个像素进行检验，将大于一定阈值的大脑区域定义为激活状态；（3）F统计、互信息等。进行功能数据分析之前，一般都要进行图像数据的预处理，包括图像配准、滤波去噪、重采样和空间归一标准化等。这些工作通常都可以借助成型的软件包完成，常用的有SPM、FSL、MEDx、AFNI和Analyze等。传统的功能数据分析，都是在原有的三维数据空间中进行的，即无论如何进行数据预处理，都是在一个标准大小的三维数据矩阵中完成的，最后将统计分析的激活结果显示在配准好的标准大脑结构像上。

2.2.3 大脑皮层表面的二维平面化分析和显示技术

2.2.3.1 数据分析工具

人类大脑皮层是由卷绕层形成的脑沟和脑回折叠模式，个体之间存在巨大差别（Van Essen et al., 1998; Fischl et al., 1999; Lyttelton et al., 2007），显然具有个体唯一性。皮层机构的这种复杂性使得在皮层的原有空间研究脑功能特性变得异常困难，然而大脑皮层模型却能保持皮层的几何特性（Fischl et al., 1999, 2008; Van Essen, 2004, 2005; Toga et al., 2006; Lyttelton et al., 2007）。三维脑空间（3DBV）分析方法已获得认可（Talairach & Tournoux, 1988; Evans et al., 1993; Friston et al., 1995;Smith et al., 2001），利用大脑皮层模型的皮层表面（cortical surface, CS）形态学技术也正被开发成可应用于人类大脑的结构和功能图像研究中（Fischl et al., 1999; Van Essen et al., 2001; Dinol et al.,2006; Saad et al.,2006;Goebel,2012）。表2.1列出了部分常用的三维脑空间和脑皮层表面模型的大脑图像数据分析软件工具，更多的常用神经影像软件包和数据库可以参见神经影像工具和资源网址（neuroimaging informatics tools and resources clearinghouse, NITRC, http://www.nitrc.org/）。

2.2.3.2 常用的二维平面化显示方法

考虑到脑皮层的折叠结构，为了进行准确定位，表面显示方法被提了出来，它可以通过保持皮层的主要几何和拓扑关系来适用于所有脑功能数据的显示和分析。皮层表面模型能够提供更准确的多个个体之间的皮层表面结构的配准，这个结论已经得到全面证实（Fischl et al., 1999; Breet et al., 2002;Van Essen, 2005; Kang et al., 2012）。这种方法对于大脑亚皮层的结构显示是必不可少的。相对于常用的三维空间分析方法，它可以增加功能反应的统计功效（Fischl et al.,1999; Kang et al.,2004）。因此，表面分析方法成了研究人类和猕猴大脑皮层功能结构的较好的选择（Van Essen, 1997; Van Essen et al., 1998, 2001）。不同的表面算法的性能已经能够基于不同标准进行比较和检验（Ju et al., 2005; Qiu &Miller, 2007; Zhong et al., 2010）。基于曲线方法的CARET和基于折叠模型的FreeSurfer皮层映射算法得到了广泛应用，部分原因是它们不仅对公众开放，还能提供合理的皮层配准。

尽管表面算法更适用于大脑皮层的数据分析，三维空间分析方法却常用于三维图像的预处理。换言之，大脑图像需要先在三维空间做预处理，再投影到皮层表面。另外，需要选择合适的操作系统和平台来处理整个流程。对于一个大的神经影像项目或实验室来说，Linux操作系统在系统稳定性、安全性、可用性、计算能力以及和各种软件包的兼容性方面更具有优势。

为了方便有效地利用表面分析技术，脑神经科学软件平台Neuro Debian （Halchenko & Hanke, 2012）为Linux操作系统，如Debian、Ubuntu、Windows和Mac OSX操作系统，提供了大量的常用脑神经科学研究软件。这个平台包括了表2.1所示的常用的及其他更多的软件包。NeuroDebian可以在http://neuro.debian.net上得到。

三维数据的二维平面化，类似于展开的世界地图。相比图2.1所示的传统脑功能定位结果，二维图谱能够提供更加精确的局部结构特征信息，准确进行不同实验个体之间的数据配准和比对统计分析，研究各种功能分区时可以更方便地计算对比面积大小等信息，显示时也不存在大脑沟回的遮挡，可以直观展示fMRI激活区域在沟回上的分布。前人的研究工作已经证实，相比传统的直接分析三维数据，针对大脑皮层特定层面的数据分析可以提高大脑皮层解剖学特征的研究精度，同时也可以增强fMRI功能数据分析激活结果的显著性程度，而结合数据层面的二维平面化技术则可以进一步提高解剖结构数据的分析精度和fMRI功能激活的定位精度。

以自由表面（http://surfer.nmr.mgh.harvard.edu/）为例，其处理流程包括：（1）从T1结构像中分割大脑皮层，并存储数据；（2）将分割得到的左右半脑（LH/RH）的大脑皮层数据膨胀化，并进一步归一化到标准的球面空间坐标中；（3）将不同被试的个体数据配准统一到多个被试的平均图谱上，可以是左半球图谱，或者是右半球图谱；（4）依据大脑皮层的不同曲率（即大脑沟回的褶皱）对上一步结果进行微调校正。图2.2（A）～（D）显示了上述处理流程。

显示整个半球皮层表面的解剖结构特性，是一个把折叠三维表面展示到二维平面的复杂问题。研究者提出了各种皮层表面的展平方法，把复杂的三维结构显示到平面上（Jourdet et al., 1989; Van Essen et al., 2001;Furdal & Stephenson, 2004; Modha, 2009; Balasubram Anian et al., 2010）。由于自由表面用球面表示皮层表面，故可以利用标准的地图映射方法把皮层表面数据显示到平面图上（Wandell et al., 2000）。亢孝俭等人（Kang et al., 2012）提出了应用等面积莫怀（Mollweide, MW）映射，将自由表面产生的球面映射到二维平面上。图2.2（E）显示的是单个个体皮层球面的二维映射。图中，岛叶放置于椭圆面的中央部位。

2.2.3.3 莫怀映射

莫怀映射属于拟似圆柱等面积映射（Feeman, 2000; Yang et al., 2000）。在映射椭圆面上，非边缘部分形状畸变小，赤道线和一半长度的中央子午线垂直。MW映射具有以下特征：（1）它属于等面积映射，也就是说MW映射面上两个同面积的区域在球面上面积相同；（2）映射面每个水平线或每两个水平线之间的比例为常数；（3）MW映射因为仅用三角函数而计算相对容易；（4）和其他等面积对称映射相比，MW映射形变小，特别是在中央区域（Goldberg et al.,2007）; （5）MW映射中央部分以子午线为直径的大圆面积是球面面积的一半，且比三维球面侧影有更小的透视形变。

在大脑皮层表面的MW映射图上，岛叶周围脑回结构形变很小且比三维膨胀面上看到的更清晰。MW映射的主要缺点是，椭圆面的对角线四角存在形状不连续和畸变。比如，若把岛叶放在MW映射面中央，则椭圆边界附近前额和顶骨的脑回会出现形变。但是，把研究区放在MW映射图的中央部位，就有可能显示任何皮层区域而保持形变最小（Feeman, 2000; Yang et al., 2000）。

MW映射优于等角映射，比如由旺德等人（Wandell et al., 2000）和沙谭等人（Sultan et al., 2010）提出的映射，因为等角映射存在严重的面积形变，从而使得很小的皮层区域占到映射图上很大一部分。相比之下，等面积映射可以在整个皮层表面上对单个分区进行直观比较。MW映射图还有一个优点，即中央部分大部分区域可以保持原图形状。如果需要的话，可采用类似矩形的托布勒（Tobler）超椭圆映射（Tobler, 1973）来减少高纬度区域的角度形变，但这会增加映射的复杂程度。或者可采用艾克特（Eckert）IV或瓦格纳（Wagner）VI（Yang et al., 2000; Goldberg et al., 2007）映射来减少两极附近MW映射等面积特性造成的形变。

2.2.3.4 大脑皮层的解剖分区和脑叶

自由表面提供了两种皮层结构的神经解剖分区：德思肯—基里艾尼（Desikan-Killiany）定义的大的分区（Desikan et al., 2006）和德思萃（Destrieux）定义的更细的分区（Destkieux et al., 2006）。图2.3所示为以上两种分区显示在从三维图像到MW映射图的各种视图上。

为了计算并比较各个脑叶上的性质，根据德思肯—基里艾尼分区可定义出以下脑叶（参见表2.2和图2.4（A））：额叶（frontal lobe, FL），岛叶皮层（insular cortex, IC），边缘皮层（limbic cortex, LC），枕叶（occipital lobe, OL），顶叶（parietal lobe, PL），颞叶（temporal lobe, TL）。图2.4为脑叶在各种空间的示意。