MRI数据预处理流程
核磁数据处理方法
核磁数据处理方法简介：核磁共振成像（MRI）是一种非侵入性的医学影像技术，通过利用原子核的自旋磁矩来获得人体内部的结构和功能信息。
核磁数据处理方法是对从MRI扫描中获得的原始数据进行处理和分析的过程，旨在提取实用的信息并生成可视化的图象。
数据预处理：1. 数据采集：使用核磁共振仪器对患者进行扫描，获取原始数据。
2. 去噪处理：对原始数据进行去噪处理，以减少扫描过程中的噪声干扰。
3. 空间标定：对原始数据进行空间标定，将数据映射到三维空间中的特定位置。
图象重建：1. 傅里叶变换：对空间域中的原始数据进行傅里叶变换，将其转换为频域数据。
2. 滤波处理：对频域数据进行滤波处理，以增强图象的对照度和清晰度。
3. 逆傅里叶变换：对滤波后的频域数据进行逆傅里叶变换，将其转换回空间域。
图象分析：1. 区域分割：将图象分割为不同的区域，以便进一步分析和处理。
2. 特征提取：从每一个区域中提取出一些重要的特征，如形状、大小、密度等。
3. 图象配准：对不同时间点或者不同患者的图象进行配准，以便比较和分析。
数据可视化：1. 三维重建：将处理后的数据进行三维重建，以获得更直观的图象信息。
2. 体绘制：将重建后的数据进行体绘制，以展示人体内部的结构和功能。
3. 切片显示：将三维数据进行切片显示，以便更详细地观察和分析。
数据分析：1. 病灶检测：利用图象处理和分析方法，检测和定位患者体内的病灶。
2. 功能连接：通过分析不同区域之间的功能连接性，研究人体的神经网络。
3. 统计分析：对大量的核磁数据进行统计分析，以寻觅潜在的关联和趋势。
总结：核磁数据处理方法是对从MRI扫描中获得的原始数据进行处理和分析的过程。
通过数据预处理、图象重建、图象分析、数据可视化和数据分析等步骤，可以从核磁共振成像中提取实用的信息，并生成可视化的图象，为医学诊断和科学研究提供支持。
该方法在临床医学、神经科学等领域具有重要的应用价值。
磁共振实验数据SPM8处理流程
磁共振实验数据SPM8处理流程磁共振实验数据的处理流程主要包括原始数据预处理、功能图像处理和统计分析三个步骤。
其中，SPM8是一款常用的功能磁共振成像软件，可以用于实现磁共振实验数据的处理与分析。
以下是磁共振实验数据SPM8处理流程的详细步骤：1.原始数据预处理：(1)数据导入：将原始数据导入SPM8软件，通常数据的格式为DICOM 或NIfTI格式。
(2)切片时间校正：根据数据采集过程中的切片顺序和时间信息，对数据进行切片时间校正，以获得各个时间点上的切片数据。
(3)运动校正：校正数据中由于受试者运动引起的图像运动，通常使用刚体变换或流形形变方法进行运动校正，以消除不同时间点之间的运动偏移。
(4)标准空间转换：将运动校正后的数据转换到参考空间中，通常使用统一分割方法，将每个受试者的数据映射到一个标准的空间模板上。
(5)降噪处理：对数据进行降噪处理，一般使用高斯平滑方法，平滑数据以减小噪声干扰。
2.功能图像处理：(1)激活检测：通过对原始数据进行激活检测，识别可能激活区域。
常用的方法包括广义线性模型（GLM）和独立成分分析（ICA）等。
(2) 功能图像标准化：将激活检测得到的功能图像进行标准化处理，以便进行后续的统计分析。
常用的方法包括z-score标准化和百分位标准化等。
(4)时间序列提取：从功能图像中提取感兴趣脑区的时间序列数据，以便进行统计分析。
3.统计分析：(1)组间比较：使用统计学方法对不同组别的数据进行比较，常用的方法包括单样本t检验、双样本t检验和方差分析等，可以得到激活区域和激活程度的差异信息。
(2) 相关性分析：分析不同脑区之间的功能连接关系，通常使用Pearson相关系数或互信息等方法进行分析。
(3)多变量分析：使用多变量模式识别方法（如支持向量机、随机森林等）对脑图像数据进行分类或预测，以探索脑区之间的潜在模式。
以上是磁共振实验数据SPM8处理流程的主要步骤，这些步骤将原始数据进行预处理，提取功能图像，以及进行统计分析，从而得出与研究目的相关的结论。
核磁数据处理方法
核磁数据处理方法一、引言核磁共振（NMR）是一种重要的物理现象，广泛应用于化学、生物、医学等领域。
核磁共振技术通过对样品中的核自旋进行激发和探测，获取样品的结构和性质信息。
在核磁共振实验中，数据处理是不可或者缺的一步，它能够对原始数据进行噪声滤除、谱线拟合、峰识别等操作，从而提取实用的信息。
二、数据处理方法1. 数据预处理数据预处理是核磁数据处理的第一步，旨在去除噪声、消除基线偏移等。
常用的数据预处理方法包括：- 噪声滤波：采用滑动平均、高斯滤波等方法，平滑数据曲线，降低噪声的影响。
- 基线校正：通过拟合基线曲线，将基线偏移的影响消除，使得谱线更加清晰。
2. 谱线拟合谱线拟合是核磁数据处理的关键步骤，它能够从复杂的谱线中提取出实用的信息。
常用的谱线拟合方法包括：- 高斯拟合：将谱线拟合为高斯函数，通过调整高斯函数的参数，使得拟合曲线与实际数据吻合度最高。
- 洛伦兹拟合：将谱线拟合为洛伦兹函数，通过调整洛伦兹函数的参数，使得拟合曲线与实际数据吻合度最高。
- Voigt拟合：将谱线拟合为Voigt函数，它是高斯函数和洛伦兹函数的卷积，能够更好地拟合复杂的谱线。
3. 峰识别峰识别是核磁数据处理的重要环节，它能够确定谱线中的峰位、峰面积等参数。
常用的峰识别方法包括：- 阈值法：通过设置一个阈值，将超过阈值的数据点认定为峰位，从而实现峰识别。
- 导数法：通过计算谱线的导数，找到导数为零的点，即为峰位。
- 滑动窗口法：将一个固定大小的窗口在谱线上滑动，找到窗口内的最大值，即为峰位。
4. 数据分析数据分析是核磁数据处理的最终目标，它能够从处理后的数据中提取出实用的化学或者生物信息。
常用的数据分析方法包括：- 化学位移分析：通过对峰位的分析，确定样品中不同核自旋的化学位移，从而判断样品的结构和组成。
- 峰面积分析：通过对峰面积的分析，确定样品中不同核自旋的相对含量，从而判断样品的组成比例。
- 峰形分析：通过对峰形的分析，确定样品中不同核自旋的环境和相互作用情况，从而判断样品的性质和结构。
核磁数据处理方法
核磁数据处理方法概述：核磁共振成像（MRI）是一种非侵入性的医学成像技术，广泛应用于临床诊断和科学研究领域。
核磁共振技术通过对人体组织中的水份子进行激发和检测，生成高分辨率的图象。
在核磁共振成像过程中，数据处理是至关重要的一步，它能够提取实用的信息并优化图象质量。
本文将介绍一种标准的核磁数据处理方法，以提高MRI图象的质量和准确性。
1. 数据获取和预处理：在进行核磁共振成像之前，需要获取原始数据。
这些数据通常以k-空间的形式存储，其中每一个数据点表示一个频率分量。
在预处理阶段，需要进行一些基本的数据校正和滤波操作，以减少噪声和伪影的影响。
2. 数据重采样：核磁共振成像过程中，数据采集是在k-空间中进行的。
为了生成图象，需要将k-空间数据转换为图象空间数据。
这一步骤称为数据重采样，它涉及到插值和滤波操作，以确保图象的空间分辨率和几何形状的准确性。
3. 图象重建：数据重采样之后，需要进行图象重建。
图象重建是将k-空间数据转换为图象的过程。
常用的图象重建方法包括傅里叶变换和滤波反投影等。
这些方法能够将频域数据转换为空域图象，并校正伪影和噪声。
4. 空间滤波：图象重建之后，可能存在一些伪影和噪声。
为了去除这些干扰，可以应用一些空间滤波方法，如高斯滤波、中值滤波和小波滤波等。
这些滤波方法能够平滑图象并增强边缘信息，提高图象质量。
5. 图象配准：在某些情况下，需要将多个核磁共振图象进行配准，以便进行比较和分析。
图象配准是将不同图象的空间位置和方向进行匹配的过程。
常用的图象配准方法包括互信息法和最小二乘法等。
6. 图象分割：图象分割是将图象中的不同组织或者结构分开的过程。
在核磁共振成像中，图象分割可以用于定位和量化感兴趣区域。
常用的图象分割方法包括阈值分割、区域生长和边缘检测等。
7. 图象后处理：图象后处理是对处理后的图象进行进一步的优化和增强。
常见的图象后处理方法包括图象增强、去噪和图象压缩等。
这些方法能够提高图象的对照度、清晰度和可视化效果。
静息态磁共振预处理步骤
静息态磁共振预处理步骤摘要：1.静息态磁共振预处理步骤的概述2.静息态磁共振预处理步骤的具体流程3.静息态磁共振预处理步骤的注意事项正文：一、静息态磁共振预处理步骤的概述静息态磁共振预处理步骤是指在进行静息态磁共振成像（rs-fMRI）之前，对磁共振数据进行的一系列处理。
这些处理旨在提高数据质量、减少噪声，以及使数据满足后续分析的要求。
静息态磁共振预处理步骤对于获得可靠的脑功能数据至关重要。
二、静息态磁共振预处理步骤的具体流程1.数据采集：首先，通过磁共振成像设备对受试者进行数据采集。
在采集过程中，需要确保受试者保持静息状态，避免产生运动伪影。
2.空间预处理：空间预处理主要包括空间去趋势、空间标准化等步骤。
空间去趋势是通过去除磁场不均匀性引起的噪声，使数据更干净。
空间标准化是将采集到的数据映射到一个标准空间，以便进行后续的分析。
3.时间预处理：时间预处理主要包括时间去趋势、时间标准化等步骤。
时间去趋势是去除数据中的时间趋势，以减少噪声。
时间标准化是将数据进行时间平滑，使其符合后续分析的要求。
4.噪声去除：在静息态磁共振数据中，噪声是不可避免的。
通过采用噪声去除方法，如高斯滤波、自适应滤波等，可以有效地减少噪声，提高数据质量。
5.数据模型化：数据模型化是将静息态磁共振数据转换为可供后续分析的模型。
常用的模型包括线性模型、非线性模型等。
通过数据模型化，可以更好地挖掘数据中的信息。
三、静息态磁共振预处理步骤的注意事项1.在进行静息态磁共振预处理时，应确保数据采集的质量。
数据采集的质量直接影响预处理后的数据质量。
2.选择合适的预处理方法。
不同的预处理方法对数据有不同的影响。
应根据研究目的和数据特点选择合适的预处理方法。
3.注意预处理过程中可能引入的偏差。
预处理过程中可能因为方法选择不当、参数设置不合理等原因引入偏差。
核磁数据处理方法
核磁数据处理方法核磁共振（NMR）是一种重要的分析技术，广泛应用于化学、生物医学等领域。
在核磁实验中，我们通常需要对得到的数据进行处理和分析，以获得有关样品的结构和性质信息。
本文将详细介绍核磁数据处理的常用方法和步骤。
一、数据预处理1. 原始数据导入：将核磁实验得到的原始数据导入到数据处理软件中，例如Bruker TopSpin、MestReNova等。
2. 数据校正：根据实验条件和仪器参数，对原始数据进行校正，包括频率校正、相位校正等，以确保数据的准确性和可靠性。
3. 噪声滤波：对数据进行噪声滤波处理，以减少噪声对后续分析的影响。
二、数据处理1. 傅里叶变换：对原始数据进行傅里叶变换，将时域数据转换为频域数据，以便进行进一步的分析。
2. 谱线拟合：对傅里叶变换后的频域数据进行谱线拟合，以确定峰的位置、强度和宽度等参数。
3. 化学位移校正：根据已知参考物质的化学位移值，对样品的化学位移进行校正，以获得准确的化学位移数据。
4. 积分峰面积：对谱线进行积分，计算峰的面积，以获得样品中各组分的相对含量。
5. 噪声去除：对数据进行噪声去除处理，以提高信噪比，减少噪声对分析结果的干扰。
6. 数据平滑：对数据进行平滑处理，以减少峰的峰宽，提高峰的分辨率。
三、数据分析1. 化学结构判断：根据化学位移数据和已知的化学结构信息，判断样品中各组分的化学结构。
2. 定量分析：根据峰的面积和已知参考物质的浓度，进行定量分析，计算样品中各组分的绝对含量。
3. 动力学分析：根据数据的时间序列信息，进行动力学分析，研究反应速率、反应机理等。
4. 结构优化：根据实验数据，进行份子结构的优化，以获得最稳定的构象和最低的能量。
四、结果解释和报告撰写1. 结果解释：根据数据处理和分析结果，解释样品的结构和性质信息，提出合理的解释和判断。
2. 报告撰写：根据实验目的和要求，撰写核磁数据处理的报告，包括实验原理、方法、结果和讨论等内容。
mri配准流程
mri配准流程MRI配准流程概述MRI配准是指将多个MRI图像或MRI图像与其他模态的医学图像进行空间对齐的过程。
配准可以消除因图像获取过程中的运动或变形引起的图像偏差，使得不同时间点或不同模态的图像能够在相同的空间坐标系下进行比较和分析。
本文将介绍MRI配准的基本流程。
1. 数据预处理在进行MRI配准之前，首先需要对原始图像进行预处理。
这包括图像去噪、增强和空间标准化等步骤。
去噪可以减少图像中的噪声干扰，增强可以突出图像中的目标结构，而空间标准化可以将不同主体的图像转化为相同的坐标空间。
2. 特征提取在进行MRI配准时，需要选择合适的特征来描述图像中的结构信息。
常用的特征包括边缘、角点、线条等。
特征提取可以通过图像处理算法来实现，如Canny边缘检测算法、Harris角点检测算法等。
3. 特征匹配特征匹配是将待配准图像中的特征与参考图像中的特征进行对应的过程。
通过计算两组特征之间的相似度，可以找到最佳的匹配对。
常用的特征匹配算法有最近邻算法、RANSAC算法等。
4. 变换模型选择在进行MRI配准时，需要选择合适的变换模型来描述待配准图像与参考图像之间的几何变换关系。
常用的变换模型包括刚体变换、相似变换、仿射变换和非线性变换等。
选择合适的变换模型可以提高配准的准确性。
5. 变换参数估计变换参数估计是根据特征匹配的结果来计算待配准图像与参考图像之间的几何变换参数。
根据选择的变换模型，可以通过最小二乘法、最大似然估计等方法来求解变换参数。
6. 图像配准在计算得到变换参数之后，可以将待配准图像进行变换，使其与参考图像在空间上对齐。
常用的图像配准方法有插值法、B样条插值法等。
图像配准的目标是使得图像的结构信息最大程度地保持一致。
7. 评估与优化完成图像配准后，需要对配准结果进行评估。
常用的评估指标包括均方差、互信息、互相关系数等。
如果配准结果不理想，可以通过调整参数或选择其他配准方法来进行优化。
总结MRI配准是一项重要的图像处理技术，可以在医学影像学、神经科学等领域中发挥重要作用。
核磁数据处理方法
核磁数据处理方法概述：核磁共振（NMR）是一种常用的分析技术，在化学、生物学和医学等领域具有广泛应用。
核磁数据处理是指对采集到的核磁共振数据进行处理和分析的过程。
本文将介绍一种标准的核磁数据处理方法，包括数据预处理、峰识别、峰积分、峰归属和数据可视化等步骤。
1. 数据预处理：在进行核磁数据处理之前，需要对采集到的原始数据进行预处理，以去除噪声和不必要的信号。
常见的数据预处理方法包括基线校正、峰对齐和峰平滑等。
基线校正是通过拟合基线曲线并将其从原始数据中减去来消除背景噪声。
峰对齐是将不同样品的峰位置进行校正，以便后续的峰识别和峰积分。
峰平滑是通过应用平滑算法来减少数据中的噪声。
2. 峰识别：峰识别是核磁数据处理的关键步骤，其目的是自动识别出数据中的峰，并确定其峰位置和峰强度。
常见的峰识别算法包括阈值法、拟合法和小波变换法等。
阈值法是根据峰的信号强度与背景噪声的差异来确定峰的位置。
拟合法是通过拟合峰形曲线来确定峰的位置和峰强度。
小波变换法是利用小波变换对数据进行频谱分析，从而确定峰的位置和峰强度。
3. 峰积分：峰积分是核磁数据处理的重要步骤，其目的是计算每个峰的面积，以获取样品中各组分的相对含量。
常见的峰积分方法包括直接积分法、拟合积分法和峰高法等。
直接积分法是将峰的面积直接计算为峰下的积分值。
拟合积分法是通过拟合峰形曲线来计算峰的面积。
峰高法是将峰的面积计算为峰高与峰宽的乘积。
4. 峰归属：峰归属是核磁数据处理的关键步骤，其目的是将每个峰与相应的化合物进行关联，以确定样品中各组分的化学结构和含量。
常见的峰归属方法包括峰数据库比对、化学位移计算和二维谱图分析等。
峰数据库比对是将实验测得的峰与已知化合物的峰数据库进行比对，以确定峰的归属。
化学位移计算是通过计算峰的化学位移与已知化合物的化学位移进行比对，以确定峰的归属。
二维谱图分析是通过绘制二维谱图并进行交叉比对，以确定峰的归属。
5. 数据可视化：数据可视化是核磁数据处理的最后一步，其目的是将处理后的数据以图形的形式进行展示，以便于结果的分析和解释。
静息态功能磁共振数据预处理流程
静息态功能磁共振数据预处理流程1.导入原始磁共振数据文件。
Import the raw magnetic resonance data file.2.检查数据文件格式是否正确。
Check if the data file format is correct.3.校正数据文件中的时间戳。
Correct the timestamps in the data file.4.检查数据文件是否有缺失值。
Check for missing values in the data file.5.将数据文件转换为适合分析的格式。
Convert the data file to a format suitable for analysis.6.标准化数据文件中的数值。
Standardize the values in the data file.7.滤波处理，去除噪音。
Filtering to remove noise.8.校正数据文件中的运动伪像。
Correct motion artifacts in the data file.9.评估磁共振扫描的质量。
Assess the quality of the magnetic resonance scan.10.去除多余的扫描。
Remove redundant scans.11.进行数据质量控制。
Perform data quality control.12.局部投影均衡化。
Local projection equalization.13.降低数据维度。
Reduce data dimensionality.14.标准化数据的强度和方向。
Standardize the intensity and direction of the data.15.矫正数据中的运动和畸变。
Correct motion and distortion in the data.16.转换磁共振数据，以便进行后续分析。
功能磁共振数据处理一般流程
功能磁共振数据处理⼀般流程⼀般基于MATLAB平台使⽤SPM⼯具包进⾏处理。
由于SPM操作较为复杂，不适合批处理，因⽽有很多实验室开发了⼀系列基于SPM的⼯具包，也即开发界⾯，调⽤SPM功能实现操作计算。
具体的⼯具包会再另⼀篇⾥详述。
本部分主要进⾏流程简述。
⼀、预处理0.删除Slice：为了防⽌初期设备不稳定，删除最初的⼏张slice（4-10）；不过现在机器都有预热时间，开始试验后都已经进⼊稳定⼯作状态，这步也可不做。
1.时间校正 (slice timing)由于磁共振图像采⽤层层扫描，层与层之间保留⼀定的间隔，但是这也很难避免相邻两个层⾯之间的影响。
为保证采集到数据的准确性及数据的空间分辨率，常采⽤间隔扫描的⽅法，即⾸先采集 1，3，5……层，然后对2，4，6……层进⾏采集。
但⽆论是隔层扫描还是连续扫描，任意两层的采集时间是不相同的，通常采集⼀个体（volume）需要⼀个TR 的时间。
尤其是间隔扫描，这使得连续两层之间相差TR/2的时间。
在进⾏静态磁共振数据处理分析的时候，这样⼀个时间段会产⽣很⼤的影响，需要对每个体的时间进⾏校正，也就是将每个体的所有时间有同⼀个时间点。
||注意：在设置的时候，要检查⼀共扫了多少层，如果是奇数层（如33）顺序应为1:2:33,2:2:32，中间层为33；若是偶数层（如28），则为 2：2:28,1:2:27，中间层为28.2.头动校正（head motion correction）spm 软件对数据的头动处理主要是将第⼀幅图像（？存疑：是否应该是中间层？）作为基准图像，然后通过旋转或平移等刚性变换将时间序列上的其它图像与第⼀幅图像的位置匹配，然后⽤内插值算法对这系列的图像进⾏重新采样。
此步会⽣成头动的位置变化和⾓度变化图，以及头动⽂件，包含六列参数。
3.图像配准（coregister）将⼀个⼈的图像配准到⼀起，如功能像配到本⼈的结构像上。
要求将图像进⾏配准，使得格式⼤⼩统⼀。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
MRI数据处理基本流程
由于MRI是断层扫描，耗费时间较长，患者在进行MRI扫描的时候不可避免的会头部挪动，导致照射出来的图像不能一一映射；不同人的头颅，脑部大小，形状都会有所差异，获得的MRI图像也千差万别，无法对其进行对比。
所以我们就必须用一种算法将所有的MRI图像进行空间转换到一个比较标准的空间（目前使用较多的是被神经学家广泛认可的Talairach坐标系）将各个解剖结构一一对应后，再与标准化图谱或者不同个体之间相互比较（目前使用的是Talairach-Tournoux图谱）
本文使用的是SPM软件和MRIcro软件处理图像数据，将MRI图像进
行数据分析。
数据分析的基本流程：
（1）数据预处理：○1图像格式转换○2slice timing获取时间校正○3realign头动校正○4Coregister不同成像方法间的图像融合○5nomalize 不同被试之间的图像标准化(归一化）○6smooth空间平滑《2 3 4统称图像的空间变换》
（2）模型构建与参数估计：○:1建立统计模型○2将数据应用于统计模型○3进行参数统计得到单个被试的结果，多个被试的组分析
数据预处理
SPM是一款以MATLAB为平台的软件，所以使用SPM前一定要安装MATLAB。
打开MATLAB软件，界面如下：
1.图像格式转换。
在进行数据预处理第一步要先将图像格式转换成SPM可以识别的ANALYZE格式。
转换之前先将原始数据放在MATLAB下面的mri image文件夹下，将路径设置成D：\MATLAB\work\mri image\ 设置过程如下：
点击红色方块所指的按钮，在弹出的窗口中选择工作路径，按确定按钮即可。
设置完工作路径后，利用如下方法，将SPM2及其所有子文件夹添加到MATLAB的搜索途径中（1.点击file按钮，在下拉菜单选择set path2.在弹出的路径设置窗口点击"Add Folder"浏览并选择目标文件夹，eg:D:\spm2\3.点击save按钮4.点击close按钮,完成添加）
在打开SPM之前，应先确定默认变量的设置是否准确，具体做法如下：1.在matlab命令窗口输入“edit spm_defaults"打开spm_defaults.m文件2.查看defaults.analyze.flip条目，确认defaults.analyze.fip值是否为1，若不是，改成1
打开SPM：在matlab命令窗口输入“spm"回车后出现下面窗口，按黄色长方形覆盖的按钮，方可打开SPM软件（或者直接输入spm fmri即可打开）
左上角的窗口代表按钮窗口，用以对数据进行处理分析；左下方的窗口为输入窗口，右边的窗口为图形窗口，用以显示图像结果
图像格式转换：1.点选按钮窗口中Tool boxes菜单中的Dicom选项2.在弹出对话框中选择所有*IMA文件，点done 3.转换完毕，删除原文件夹下的*IMA数据4.结果将在该文件夹下生成三个*.img/hdr/mat 文件5.结束
图像格式转换方法二：用MRIcro软件进行格式转换（1）单击convert foreign to analyze(2)出现第二个窗口，将左边的数据填完后，单击箭头所指“选择”
选择所要转换的文件夹后，单击确定即可生成两个文件"*i.img/hdr" 。
（如被试者有n次试验，则需要建立n个文件夹，分别转换图像格式）头动校正：意义：realignment of functional time-series.
○1点击按钮窗口中的Realign下拉菜单中的Realign按钮（将同一被试者不同采
样时间点上的3D脑图像对齐
○2n umber subjects[要处理的被试个数eg:1] ○3n umber sessions,subj1[第一个被试者的试验次数eg:1] ○4i mages,subj1,sess 1[选择文件夹中所有i.img文件],点done ○5w hich option?[coregister&reslice] ○6c reate what?【*All images+mean image]
结果SPM 将更新i.mat 文件，并文件夹中生成一个头动参数文件（rp_i.txt ），还在文件夹中生成meani.img/hdr/mat 文件跟ri.img/hdr/mat文件。
(如果第一个被试者有n次实验，则头动校正结果为:在每个文件夹中SPM 均更新i.mat 文件，并分别生成一个头动参数文件（rp_i.txt ），还在文件夹中生成meani.img/hdr/mat 文件，并在图像窗口中显示n个试验的的头动曲线图，如下）
注：如试验次数只有一次，就没有上述头动曲线图
Coregister《图像融合（配准）》【头动校正仅对同一被试的同一种成像方法(或成像模态）有效，对于同一被试的不同成像方法所的图像，由于它们之间没有足够的可比性，就需要用图像融合的方法来做空间校正】
基于MRI，健康人的脑组织通常可分为三中组织类型：灰质，白质，脑脊液。
SPM软件采用聚类算法中的HARTIGAN混合模型的最大似然方法来分隔这三部分。
（这一方法开始只用在T加权MRI上，后来也用到PET等其他脑功能成像方法中的脑组织分割）分割完后，同一种组织不同成像方法所得图像之间就有了足够的可比性。
关键的步骤：点击按钮窗口中的Coregister ○1.number of subjects/session[1] ○2w hich Option[coregister only]
○3T arget image:[选target文件夹下的T1.mnc或者别的模板]
○3S ource image:[选功能像目录下的meani.img]
○4O ther image:[选功能像目录下的ri..img]
结果：产生ri.mat和一个meani.mat文件
Normalize 【spatial normalizsation of image volumes to a template （空间标准化到一个模板上）】个体大脑在形状，大小等方面存在明显差异，所以我们将不同被试者脑图像标准化到同一个标准脑空间(通常是Talairach 标准脑空间），使不同被试者脑图像同一像素代表相同的解
剖位置）
为了确保最优的标准化，image 和template（模板）应该被放在相似的开始位置，这可以通过选择Check Reg检查。
Normalize前需进行的操作(1)在SPM中选择default，然后在对话框里选择spatial normalize.○2d efault for writing normalize.○3P reserved concentrations○4B ound box
中选：[-90:90 -126:90 -72:108 (Template)] ○5V oxel size中选：3*3*3○6I nterpolation method中选：Trilinear interpolation ○7N o warp 如下：
Normalize具体步骤：点击按钮窗口中的Normalize按钮
然后○1Which option?[*Determine Parameters & Write Normalised（目的是把image 标准化到模板上，然后把normalize parameter《标准化参数》保存在mat文件里）○2Template image[spm2\templates目录下的T1.mnc]○3Source image[eg 功能像目录下的meani.img文件] ○4Images to write[功能像目录下的ri.img文件] ○5当问第二个被试的Source image，如果没有，直接点击Done就可以。
结果产生wri开头的hdr和img文件以及spm2.ps, "meani_sn.mat”文件，并在图形窗口中呈现数据的配准结果。
（如图所示）
Smooth[空间平滑就是将数据在空间上用一个光滑的函数<通常为高斯函数>去卷积，这个光滑的函数被称为卷积核函数】
Spatial smoothing的作用:1,提高信噪比，脑功能成像探测到的神经生理信号来源于数毫米尺度内脑血流等的改变，图像重建中对应着低空间频率部分，噪声对应着高频部分，空间平滑后，噪声得到很大抑制2.使残差项更符合高斯分布假设，这对用高斯随机场理论来做统计推断很重要3.消除不同被试脑结构间的细微差别。
在图像归一化后，不同被试之间的脑结构仍有细微差异，空间平滑后这种差异将被模糊化
具体步骤：1，在按钮窗口中点smooth按钮 2,smooth{FWHM in mm}[8] 《FWHM全称为Full Wave at Half Maximum，指高斯滤波的波宽，以毫米为单位。
建议取voxel大小的2~3倍，一般设为8》 3.select scans[选择文件夹中所有"wri.img文件],done
结果：产生swri.img/hdr.mat文件，下图为平滑后的图像：。