一、fMRI原理介绍

功能性磁共振成像（Functional Magnetic Resonance Imaging，fMRI）是一种神经影像学技术，其基本原理是利用磁振造影来测量神经元活动所引发的血液动力的改变，由于其非侵入性（不需要注射放射性同位素或其他药理代理）和相对低廉的成本以及具有良好的空间分辨率，fMRI已经在认知神经科学、临床心理/心理学和术前规划中被广泛使用。

1、核磁共振成像简介

fMRI的基础是核磁共振成像（Magnetic Resonance Imaging，MRI）技术，因此我们先简要介绍一下后者的成像原理。当人体组织中的质子（由于人体大约70%以上是水，因此这里主要是指水分子中的质子，即氢原子核）被放置在强大的恒定磁场中时，这个磁场会使这些质子排列得更有序，并且大部分的质子都会沿着外部磁场的方向进行排列；此时，施加一系列的具有特定频率的射频（Radio Frequency，RF）脉冲，这些RF脉冲能够暂时扰乱质子的排列，使它们偏离原来与外部磁场所平行的方向；当RF脉冲被停止以后，质子就会逐渐返回到其初始的状态，也就是返回到重新与外部磁场所平行的状态，而在他们返回原始状态的过程中，质子会释放之前所吸收的能量，这个过程被称为弛豫（Relaxation），伴随着射频信号（即磁共振信号）的发射；计算机将这些磁共振信号收集起来，按强度转换为黑白灰阶，按位置组成二维或者三维的形态，最终组成核磁共振图像^[1][2]。

图1 MRI原理示意图^[2]

MRI的关键优势在于其能够提供非常详细的软组织图像，比如可以清楚地看到脑组织、脊髓、关节和内部器官等，而且不涉及使用X射线或其他辐射，对病人而言相对安全^[3]。此外，通过改变扫描参数，MRI可以根据需要强调不同的组织特性，如T1加权、T2加权和磁化率加权成像等，每种方法都能提供关于组织特性的独特信息^[1]。

2、功能性磁共振成像简介

fMRI在MRI技术的基础之上，利用血氧水平依赖（BOLD）对比来检测与大脑活动相关的血流变化。BOLD对比来源于红细胞周围磁场的变化，这取决于血红蛋白的氧合状态，氧合血红蛋白分子不含有未成对电子，呈弱的抗磁性，当释放氧分子而变成脱氧血红蛋白后，在每个(Fe-)中心裸露有4个未成对电子，使得整个分子变成强顺磁性，于是我们便可以利用血液中脱氧血红蛋白和氧合血红蛋白的磁性差异来探测大脑的活动。当大脑的某一部分变得更活跃时，它会消耗更多的氧气，这导致该区域的血流量增加以补充氧气，这一过程导致脱氧血红蛋白和氧合血红蛋白的比例发生变化，而fMRI设备可以检测到这种变化，并将其转换为大脑活动的图像^[4]。在进行fMRI扫描时，参与者通常躺在MRI机内，执行特定的任务（如观看图片、听声音或进行思维任务），同时，fMRI设备会记录大脑各部分在任务执行过程中的活动变化，这些数据随后经过详细分析，便可以确定哪些大脑区域在执行任务时被激活。

fMRI技术已经成为神经科学研究的重要工具，广泛应用于心理学、临床医学、认知科学等领域。通过fMRI，科学家可以探究大脑如何处理语言、记忆、情绪等复杂过程，以及大脑如何在不同的健康和疾病状态下工作^[5]。此外，fMRI也被用于了解学习和记忆过程，以及在开发新的治疗方法，如神经反馈训练中的应用。fMRI不仅深化了我们对大脑功能的理解，而且对于诊断和治疗各种神经疾病（如精神分裂症、社交焦虑障碍、应激相关障碍、阿尔茨海默病、帕金森病等）具有重要意义^[6]。它提供了一种无创的方法来评估大脑损伤、疾病进展和治疗效果，为医生提供了宝贵的信息，以制定更有效的治疗方案。

二、fMRI数据介绍

1、fMRI数据格式

常见的功能性磁共振成像（fMRI）数据格式是DICOM（Digital Imaging and Communicationsin Medicine）。DICOM是医学影像领域的一种标准格式，用于存储医学影像数据，包括MRI、CT、PET等^[7]。DICOM格式的fMRI数据通常包含多个序列，每个序列代表了一次扫描（即一个时间点），并包含了体积图像数据以及相关的元数据，比如扫描参数、患者信息等。这种格式在医学影像研究中广泛使用，并且可以方便地与其他医学影像工具和软件进行交互和分析。

图2 静息状态下不同位置人脑截面图^[8]

2、fMRI数据分析举例

功能连接分析是一种研究大脑内部不同区域之间的功能连接模式的方法。它通过分析大脑在静息状态或执行任务时的功能性磁共振成像（fMRI）数据，来揭示大脑内各个区域之间的协同活动。这项技术让我们能够了解大脑内部的功能网络是如何组织的，以及这些网络如何支持我们的认知和行为。在功能连接分析中，研究人员首先对fMRI数据进行预处理，然后将大脑分成不同的区域，并提取每个区域的时间序列数据。接着，他们计算不同区域之间时间序列数据的相关性，从而得到一个描述大脑功能连接模式的连接矩阵。通过对连接矩阵进行统计分析，研究人员可以揭示大脑内不同区域之间的功能网络，包括默认模式网络、感知网络、执行控制网络等。^[9]

与功能连接分析不同，脑区域的功能定位关注于确定大脑中特定区域与特定功能之间的关联关系。这项技术旨在揭示大脑中在执行不同认知任务时活跃的区域，从而帮助我们理解大脑在特定功能上的工作机制。研究人员会让被试执行不同的认知任务，然后观察大脑在执行任务时的活动模式。通过分析fMRI数据，研究人员可以确定与特定任务相关的脑区域。脑区域的功能定位的目的是为我们提供了解大脑不同区域的功能分布和作用的重要手段，为我们理解大脑的工作原理提供了关键线索。^[10][11]

图3.fMRI数据样本（来自交替搓手模式）。在240秒的时间内，受试者参与了一个交替休息6秒、左手挤压6秒、休息6秒和右手挤压6秒的模式。^[12]

参考文献：

[1] Grover VP, Tognarelli JM, Crossey MM, Cox IJ, Taylor-Robinson SD, McPhail MJ. Magnetic Resonance Imaging: Principles and Techniques: Lessons for Clinicians. J Clin Exp Hepatol. 2015 Sep;5(3):246-55. doi: 10.1016/j.jceh.2015.08.001. Epub 2015 Aug 20. PMID: 26628842; PMCID: PMC4632105.

[2] https://www.ccnta.cn/article/7121.html

[3] https://www.fda.gov/radiation-emitting-products/mri-magnetic-

resonance-imaging/benefits-and-risks

[4] Glover GH. Overview of functional magnetic resonance imaging. Neurosurg Clin N Am. 2011 Apr;22(2):133-9, vii. doi: 10.1016/j.nec.2010.11.001. PMID: 21435566; PMCID: PMC3073717.

[5] 吴佳, 张进禄, 叶德荣. 功能磁共振成像在认知神经科学中的应用[J]. 解剖科学进展, 2011, 17 (05): 499-502.

[6] 王秀丽, 黄晓琦, 龚启勇. 神经精神疾病的功能磁共振成像研究进展[J]. 磁共振成像, 2012, 3 (01): 61-68.

[7] https://www.dicomstandard.org/about

[8] https://ida.loni.usc.edu

[9] Bastos AM, Schoffelen JM. A Tutorial Review of Functional Connectivity Analysis Methods and Their Interpretational Pitfalls. Front Syst Neurosci. 2016 Jan 8;9:175. doi: 10.3389/fnsys.2015.00175. PMID: 26778976; PMCID: PMC4705224.

[10] An Wang, Terry M. Peters, Sandrine de Ribaupierre, Seyed M. Mirsattari, 'Functional Magnetic Resonance Imaging for Language Mapping in Temporal Lobe Epilepsy', Epilepsy Research and Treatment, vol. 2012, Article ID 198183, 8 pages, 2012. https://doi.org/10.1155/2012/198183

[11] Abdullaev, Y. (2014). Brain Imaging: Localisation of Brain Functions. In eLS, John Wiley & Sons, Ltd (Ed.). https://doi.org/10.1002/9780470015902.a0000095.pub3

[12] Tatsuro K. [A brief introduction about functional MRI]. Nihon Ronen Igakkai Zasshi. 2006 Jan;43(1):1-6. Japanese. doi: 10.3143/geriatrics.43.1. PMID: 16521792.