思影科技脑结构磁共振成像数据处理业务

一、数据质量检查

好数据是好结果的前提，我们会对您的数据进行细致的检查，提高科研结果的严谨性。

主要包括：扫描参数检查，包括体素大小、层厚等参数，确保参数合适与统一；图像伪迹检查，包括鬼影、变形等；其他检查，包括图像是否缺损、图像原点位置等。对于可能发现的数据质量问题，思影将提供合适的参考意见。也可帮助客户进行扫描参数的设计。

二、基于体素的形态学测量分析（VBM）

基于先进的图像分割/配准算法，可以为您精确计算多种体积指标。

主要包括：

1.组织分割。基于DARTEL方法，将结构像分割为灰质、白质、脑脊液。

2.空间标准化、调制。将灰质、白质、脑脊液图像配准到标准脑模板空间；随后基于配准生成的形变场，对图像进行调制，生成灰质体积、白质体积等指标图；不经过调制，可生成灰质密度、白质密度等指标图。除此之外，也可计算灰质总体积、白质总体积、颅内总体积、灰质总体积/颅内总体积比值、白质总体积/颅内总体积比值等综合指标。

图示. VBM计算流程（组织分割、空间标准化）

3.统计分析（体素水平）。对于上述指标，可根据实验设计进行统计分析，可选：双样本T检验、单因素方差分析、双因素方差分析等。此外，在适当的场景，可进行多重比较校正，如FDR校正、FWE校正等，也可基于TFCE方法进行校正。

4.基于ROI的相关分析。基于特定的脑图谱（如AAL Atlas）提取指标值，在ROI水平进行参数检验；选取适当的感兴趣脑区（可根据上述统计分析的结果提取），与临床行为量表进行相关性分析。

5. 结果可视化。根据结果形式，可绘制渲染视图、散点图等。

三、基于表面的形态学测量分析（SBM）

基于表面的皮层指标计算，也可以精确地实现。

主要包括：

1.组织分割与皮层重建。对结构像进行分割，并重建皮层。

2.皮层指标计算。主要有：

1) 常规皮层指标，包括皮层厚度、曲率等；

2)复杂度指标，包括局部回指数、脑沟深度、分形维度等指标。

图示.组织分割、皮层重建、皮层指标。

3.统计分析（顶点水平）。可基于实验设计进行参数检验（包括T检验与方差分析，参考VBM统计）。可在适当场景进行多重比较校正，包括Monte Carlo Simulation等。

4.基于ROI的统计分析。基于表面分割脑图谱（如DK Atlas）提取指标值，在ROI水平进行参数检验；根据统计分析（顶点水平）的结果确定感兴趣区域，提取感兴趣区域的指标，与临床行为量表进行相关性分析。

5.结果可视化。根据结果形式，可绘制渲染视图、散点图等。

注：数据处理过程中，会检查图像分割、皮层重建状况；如有必要，会进行手工修正。

四、结构协变网络

如果您关注脑发育相关或者进程缓慢的脑疾病，结构协变网络是一种具有潜力与可解释性的分析方法。

主要包括：

1. 结构协变网络的构建。基于特定的脑图谱（如AAL Atlas），在同一群组被试内计算脑区之间结构指标值（如灰质体积、皮层厚度等）的协同变化关系，生成协变网络矩阵。

图示.结构协变网络的构建、分析流程

2. 图论分析。基于图论数学工具，计算：1)全局属性，包括小世界属性、全局效率、特征路径长度、集聚系数、局部效率等；2)局部属性，包括节点度、介数、节点效率、节点局部效率等。 3.统计分析。对上述图论指标进行置换检验，探究不同群组之间协变网络特性的差异。

4. 结果可视化。根据结果形式，可绘制矩阵图、曲线图等。

五、皮层下区域体积分析

尺度更小的分析，如海马、杏仁核的亚区分割，如今也可以实现。

主要包括：

1. 海马亚区分割与体积分析。主要包括：海马亚区的分割；海马亚区的体积提取；海马亚区体积的统计检验。

图示.海马亚区分割

2. 杏仁核亚区分割与体积分析。主要包括：杏仁核亚区的分割；杏仁核亚区的体积提取；杏仁核体积的统计检验。

图示. 杏仁核亚区分割

3.结果可视化。根据结果形式，绘制bar图、点状图等。

六、皮下结构shape分析

皮下体积分析有时候不能检测到该皮下结构某部位萎缩或膨胀，shape分析有助于检测

到更细微的皮下结构变化。

主要包括

1、用FSL软件分割皮下结构（包括海马、杏仁核、丘脑、苍白球、壳核等），重构皮下核团表层，在表层上做基于顶点的shape统计分析。

2、结果的可视化显示

七、结构-DTI指标联合分析

白质的弥散特征，可以和结构指标一起分析。

1.皮层下结构分割/DTI指标分析。主要包括：皮层下结构的分割；结构图像-DTI图像的配准；皮层下各脑区（ROI）DTI指标值的提取；基于ROI的统计分析。

2.结构指标与DTI指标的相关性分析。主要包括：感兴趣区域内DTI指标的提取；结构指标-DTI指标的相关性分析。

图示.胼胝体FA值与皮层厚度的相关性。

3.结果可视化。依据结果形式绘制bar图、渲染视图等。

六、灵活的统计策略

如果您的实验有特殊设计或需求，我们可以为您提供灵活的统计策略，尽可能地寻找有意义的结果。

1.结构指标的纵向分析。主要包括：被试特定模板的构建；结构指标的计算；纵向数据结果的统计。

2.SurfStat统计。前述皮层指标，可使用SurfStat软件统计；借助该软件的统计模型及多重比较校正工具，以期得到更具解释性的结果。

七、基于结构指标机器学习

热门的机器学习方法，可以帮助您寻找潜在的结构影像生物标记。

1. MVPA分析。基于常见的结构指标，构建机器学习模型，实现对不同群组的分类以及对量表得分的预测。常见的结构指标包括：灰质体积、皮层厚度等（前述其他指标也可利用）；常见的机器学习模型包括：支持向量机（SVM）、线性判别分析（LDA）、Logistic回归、随机森林（Random Forest）、RVR、Elastic Net等。
2. 基于ROI的结构指标特征的分类/回归。提取感兴趣脑区的结构指标值作为特征，进行特征过滤后，基于上述模型实现分类/回归。
3. 结果可视化。MVPA分析可以提供权重图，以展示对分类/回归贡献较大的脑区；基于ROI的分类/回归可以提供bar图。

八、定制化分析

尊重您的要求，我们可以尝试实现您独特的想法。

图示.工程师在讨论

1.分析方法可定制。思影科技可根据您提供的模板文献，基于您的实验数据，实现文献中使用的数据分析方法。此外，未列出的分析方法，只要在思影科技的能力范围内，尽力实现您的想法。

2.分析代码可定制。在没有现有的软件适用于您的数据分析需求时，思影科技会与您协商，通过编写代码实现您的想法，并提供代码的完整实现。