神經影像資料處理/處理/步驟/平滑

空間平滑

基本上，訊號流可以分別分解為時域、空域或頻域，而“平滑”的故事發生在訊號的頻域。想象一批訊號可以表示為頻率向量與每個點的功率。曲線在達到最大值之前可能遵循一個跳躍的週期，然後峰值之後是一個長尾。平滑只是為了濾除高頻區域，目的是提高影像的信噪比。通常，所謂的低通濾波器會去除高頻訊號，同時保留低頻部分，而高通濾波器則相反。所以在平滑中，需要的是一個低通濾波器。最流行的平滑方法是用三維高斯濾波器對三維影像進行反捲積。平滑程度與高斯分佈的半高全寬 (FWHM)成正比，FWHM 與標準差 (σ) 的關係為 FWHM = 2σ√2ln(2)。標準差 (σ) 越大，曲線越平滑，平滑程度越大。

什麼是好的平滑 ?

直觀地說，平滑程度越大，影像越模糊，同時丟失的資訊也越多。那麼什麼樣的平滑程度才能在保留高解析度和去除偽影之間取得平衡呢？根據平滑的目的，可能會有不同的答案。首先，如果目的是降低影像中的噪聲，那麼平滑的明智選擇不應大於要找到的啟用訊號。這很容易理解，因為如果使用一個洞口像海豚一樣大的網，就不會捕捉到蝌蚪。然後，平滑的目的可能在於減少解剖結構變異性的影響，這種變異性在空間標準化過程中未能得到校正。在這種情況下，最佳平滑將取決於您要比較的影像系列的變異程度。最後但並非最不重要的是，平滑可能是統計分析的先決條件（例如，高斯隨機場需要一定程度的空間平滑），在這種情況下，選擇一個兩倍於體素維度的 FWHM 是合適的。

靜息態 fMRI

在基於圖的分析中，空間平滑的應用存在爭議。有人認為，平滑引入的空間依賴性增加可能會混淆區域性連線強度，特別是對於體素級配準中使用的小 ROI 來說

實現

SPM

SPM（統計引數對映）

FSL

透過 GUI

點選 FEAT FMRI 分析，選擇預統計並設定平滑核

啟動 FSL GUI，點選 FEAT FMRI 分析 並選擇 預統計。在 空間平滑 FWHM (mm) 欄位中，您可以設定平滑核。預設情況下，它設定為 5 毫米。如果您根本不想平滑，請將值設定為 0。請記住，平滑的程度（有意義）取決於潛在啟用區域的大小。因此，如果您正在尋找一個大的啟用區域，您可以增加核（例如，到 10-15 毫米的值）；如果您正在尋找一個小啟用區域，您應該將核從預設值 5 毫米降低。

AFNI

3dmerge 函式包含一個用於空間平滑的選項，即 -1blur。您可以調整不同的引數（例如，使用 rsm 或 sigma 閾值），檢視手冊頁面。對於應用於整個資料集的 4 毫米 FWHM 高斯平滑核（預設值），命令將是

3dmerge -1blur_fwhm 4.0 -doall -prefix OUTPUTFILE INPUTFILE

在 afni_proc.py 中，模糊是預設塊，具有以下設定，但是可以更改

-blur_filter -1blur_fwhm
-blur_size 4
-blur_in_mask no