神經影像資料處理/處理/步驟/時間濾波

概念

時間濾波旨在去除或衰減原始訊號中不感興趣的頻率。這可以顯著提高信噪比。難點在於決定哪些頻率是感興趣的，哪些是噪聲。

感興趣的頻率：在任務相關 fMRI 中，大多數情況下，任務頻率附近的頻率是感興趣的（例如，當每 5 秒呈現一個刺激時，預計響應訊號也將在 0.2 Hz 附近具有頻率）。

噪聲頻率：通常被認為是噪聲的頻率是由於掃描器漂移、線圈干擾或緩慢的血管/代謝振盪而產生的非常低頻的趨勢（~< 0.01 Hz，線性或非線性），以及呼吸（~0.3 Hz）或心跳（~1.0 Hz）等高頻生理波動

傅立葉變換

時間濾波依賴於傅立葉變換：任何一系列資料都可以表示為不同頻率/幅度/相位的正弦波的線性組合。因此，強度隨時間（或空間）變化的訊號可以轉換為頻譜，反映每個頻率對訊號的貢獻（功率隨頻率變化）。頻譜覆蓋的頻率範圍取決於取樣率（TR），可識別出的最高頻率為 1/2 TR（奈奎斯特頻率）。較高頻率的貢獻將被混疊，即人工地表達成較低頻率。

去趨勢

在基於頻率的濾波之前，資料通常也使用線性、二次或更高階多項式演算法或有時小波進行去趨勢（參見以進行比較）去趨勢通常作為時間濾波方法的一部分實現。

不同的濾波器

高通濾波器

高通濾波器切斷低於某個閾值的頻率，當然這個閾值應該低於感興趣的最低頻率。由於在 fMRI 中，噪聲在低頻中不成比例地表達，高通濾波還可以幫助使噪聲變白（即使噪聲頻譜變平），這有助於滿足 GLM 假設。一個非常寬泛的經驗法則是，在任務相關 fMRI 中，使用 2-3 倍任務頻率的高通濾波。軟體中的預設值在 100-128 秒之間，這適用於 8-45 秒的試驗長度。

低通濾波器

低通濾波器衰減高頻噪聲，有時也稱為時間平滑。它們通常被構造為不僅僅是一個截止值，而是以一個規範的 HRF 的形狀，以便增強這種形狀的訊號（匹配濾波器定理）。它們還將高度的自相關引入訊號，這曾經被提出作為處理訊號中的序列自相關的一種方法（稱為預著色）。 但是請參閱爭議

帶通/帶阻濾波器

如果只對有限的頻率範圍感興趣，則可以專門在這個頻帶上對訊號進行濾波（帶通）。另一方面，如果已知某個頻率僅反映噪聲，則可以將其專門從訊號中去除（帶阻）。

靜息態

靜息態 fMRI 主要對低頻波動（< 0.1 Hz）感興趣。但請參閱。因此，大多數 rsfMRI 研究在 0.01 Hz – 0.1（或 0.08）Hz 之間的頻率上使用帶通濾波器。但請參閱爭議

爭議

雖然高通濾波器在大多數研究中都有使用，但低通濾波器存在爭議。已表明它會降低檢測靈敏度，而不會真正提高特異性 對訊號施加高度的自相關違反了用於統計檢驗的時間獨立性假設。在 rsfMRI 中，有人認為帶通濾波會引入虛假相關性，這應該透過校正時間濾波來解決。

生理噪聲應該透過生理噪聲迴歸來解決，尤其是在它經常被欠取樣並混疊到較低頻率的情況下。然而，大多數靜息態研究額外依賴於低通濾波（更準確地說，是帶通濾波），以便在去除高頻噪聲方面更加安全。

自相關通常透過任務相關 fMRI 中的預白化來處理。這在靜息態 fMRI 中也被建議使用，其中低通濾波實際上可能會加劇自相關的問題。然而，對於 BOLD 時間序列等振盪訊號，一定程度的自相關實際上是非常自然的。消除自相關會消除時間序列中的重要資訊。預白化的時間序列只有在兩個訊號與滯後為零相關時才會顯示相關性。但是，鑑於我們正在檢視 BOLD 響應，即使神經訊號完美相關，不同腦區的 BOLD 響應也可能存在差異，這似乎不太現實。

實現

AFNI

3dBandpass 用於 AFNI 中的基於 FFT 的時間濾波。

3dBandpass [options] fbot ftop dataset

其中 fbot 是帶通濾波器中的最低頻率，ftop 是最高頻率，單位為赫茲。要僅進行低通或高通濾波，可以分別使用 fbot=0 或 ftop=99999（或 ftop>奈奎斯特頻率）。但是，平均值和奈奎斯特頻率始終被移除。預設情況下，該程式會檢查初始瞬變以及常數線性趨勢和二次趨勢*，但是可以將其關閉（-notrans，-nodetrend）。其他選項包括去尖峰（-despike）、包含其他時間序列以進行帶通濾波，以及將原始時間序列正交化（-ort，-dsort）、在掩模內進行模糊處理（-blur，-mask / -automask）、計算區域性主向量。

注意：去趨勢也是 3DToutcount 的一部分（參見 資料質量），並且可以使用 3dDetrend 顯式呼叫。

3dFourier 是 FFT 濾波的另一種不太複雜的替代方案，其中低通和/或高通頻率作為選項 -lowpass f / -highpass f 包含在內。3dFourier 的選項更少。但是，它可以用於建立陷波濾波器，而 3dBandpass 似乎無法實現這一點。

3dFourier [options] dataset

在 afni_proc.py 中，使用迴歸塊進行時間濾波。

-regress_bandpass fbot ftop

FSL

高通時間濾波使用直線的區域性擬合（在直線內加權高斯，以給出平滑響應）來去除低頻偽影。
這優於基於 FIR 的急劇滾降濾波，因為它不會將自相關引入資料。

使用 GUI 選擇 FEAT FMRI 分析 --> 預統計 --> 時間濾波 --> 高通 --> 選中或取消選中。

高通濾波器

低通時間濾波透過高斯平滑（sigma=2.8 秒）減少高頻噪聲，但也降低了感興趣訊號的強度，特別是對於單事件實驗。
它通常不被認為是有用的，因此預設情況下處於關閉狀態。預設情況下，應用於資料的時域濾波也將應用於模型。

可以使用 `fslmaths` 以及選項 `-bptf <hp_sigma> <lp_sigma>` 來完成濾波。任一 sigma 可以設定為負值以停用該濾波器。示例

   fslmaths data.nii.gz -bptf -1 2.5 filtered_data.nii.gz

SPM

請在此處新增資訊。

謝謝

參考資料

http://mindhive.mit.edu/node/116