大家好，这里是茗创科技！文章同步更新于微信公众号（茗创科技），欢迎有兴趣的朋友搜索关注。
这节课里讲到了几个相关的术语(Terminology)，也讲到了具体fMRI的数据结构(fMRI Data Structure)是怎样的。
一、 时间分辨率与空间分布率、结构图像与功能图像
时间分辨率(temporal resolution)：时间分辨率由扫描一张图片所需的时间决定，事实上扫描一张图片的时间是由一个扫描时的参数TR决定的。他决定了我们区分观察不同时间点上大脑变化的能力。
空间分辨率(spacial resolution)：空间分辨率决定了我们区分不同区域微小变化的能力（图片是否清晰）。
在磁场等条件一样时，fMRI扫描出的图像的时间分辨率越高/低，对应的空间分辨率就越低/高，很多时候我们需要根据不同的情况在两者之间找到一个平衡点。
在这里我们谈谈结构图像(Structural (T1) images)与功能图像(Functional (T2*) images)
结构图像有着极其高的空间分辨率。我们可以通过它区分不同的组织。在这个图里面你可以分辨灰质和白质，也可以找出解剖上的边界等等各种结构上的微小细节。然而结构图像的时间分辨率却极其的低，事实上它就是一个静态的图像。
结构图像(Structural (T1) images)
功能图像的时间分辨率相对很高。通过它我们可以研究不同时间段里大脑发生了什么变化，例如在这里有两个情况下扫描得到的“大脑功能图像序列”，情况A是用指头敲击，情况B是静息状态（谢谢
@神威鹏
提醒！）。这样我们就可以分析两种状态相比之下大脑的信号有什么区别。
但其空间分辨率较低，相对结构图像来说很模糊。
功能图像(Functional (T2*) images)
二、 我们如何扫描大脑。
大脑是一个三维的立体结构。我们都是一层一层的扫描它。这样扫描的话就会对应一个扫描方向（那一层所在平面的方向）
这里有三种常用的方向
冠状面(Coronal) 矢状面(Sagittal) 水平面(Axial)
你可以从上到下一层一层的扫描，也可以不按顺序跳着扫描。通常来说MRI都是按照水平面扫描的。把这些扫描得到的切片拼在一起的话，就又重新组成了一个三维的大脑了。
FOV(Field of View)是指扫描的那一块空间区域。例如在图中这块空间就是 192mm x 192mm，（"一般来说FOV我们是只讲某一层面图像的视野，比如192mm *192mm，没有第三维。"）
切片厚度(Slice thickness)指一层切片的厚度。同时一层图像在扫描时又会被分成很多体素(voxel)，图示中一层图像被分成了64x64个体素，所以它的分割尺寸(Matrix Size)是64x64。
其中每个体素的尺寸是3mm x 3mm x 3mm。这也是我们图像的最小单位了。当然也可以设计使用其他的尺寸。
三、 如何扫描
在一个实验中，通常我们都会选取很多被试（subject）去做相同的任务（task）。每一个被试会参加很多轮扫描（sessions），在一轮里又会被扫描很多次（run）。我们通常会让被试重复完成几次实验任务。每一次扫描都会得到很多数据。每一次有很多体素，每个体素都有一个自己的强度值。这也是最基础的测量值。所以整个实验的数据就是这样一层层下来的，一个实验有很多被试，每个被试会参加很多轮扫描。每次扫描又会扫描很多次。每次扫描又会包含很多体素。
这些体素都会对应一个时间序列，也就是说在每一个时刻每个体素都会对应一个自己的值。
我们就是通过这些原始数据来对实验进行分析并得到一些规律的。
摘自知乎专栏“原来大脑是这么工作的”专栏，https://zhuanlan.zhihu.com/p/22007841
网友评论