為更好地幫助到想要利用神經影像做科研的客戶們，拓展思影科技的業務范圍,思影科技推出腦結構磁共振（sMRI）成像數據處理業務。如感興趣請聯系楊曉飛siyingyxf或18983979082（微信號）進行咨詢，電話：18580429226.

一、數據質量檢查     

好數據是好結果的前提，我們會對您的數據進行細致的檢查，提高科研結果的嚴謹性。     

主要包括：掃描參數檢查，包括體素大小、層厚等參數，確保參數合適與統一；圖像偽跡檢查，包括鬼影、變形等；其他檢查，包括圖像是否缺損、圖像原點位置等。對于可能發現的數據質量問題，思影將提供合適的參考意見。也可幫助客戶進行掃描參數的設計。 

二、基于體素的形態學測量分析（VBM）     

基于先進的圖像分割/配準算法，可以為您精確計算多種體積指標。     

主要包括：     

1.組織分割。基于DARTEL方法，將結構像分割為灰質、白質、腦脊液。     

2.空間標準化、調制。將灰質、白質、腦脊液圖像配準到標準腦模板空間；隨后基于配準生成的形變場，對圖像進行調制，生成灰質體積、白質體積等指標圖；不經過調制，可生成灰質密度、白質密度等指標圖。除此之外，也可計算灰質總體積、白質總體積、顱內總體積、灰質總體積/顱內總體積比值、白質總體積/顱內總體積比值等綜合指標。

圖示. VBM計算流程（組織分割、空間標準化）

3.統計分析（體素水平）。對于上述指標，可根據實驗設計進行統計分析，可選：雙樣本T檢驗、單因素方差分析、雙因素方差分析等。此外，在適當的場景，可進行多重比較校正，如FDR校正、FWE校正等，也可基于TFCE方法進行校正。   

4.基于ROI的相關分析。基于特定的腦圖譜（如AAL Atlas）提取指標值，在ROI水平進行參數檢驗；選取適當的感興趣腦區（可根據上述統計分析的結果提�。�，與臨床行為量表進行相關性分析。    

5.結果可視化。根據結果形式，可繪制渲染視圖、散點圖等。
三、基于表面的形態學測量分析（SBM）     

基于表面的皮層指標計算，也可以精確地實現。     

主要包括：     

1.組織分割與皮層重建。對結構像進行分割，并重建皮層。     

2.皮層指標計算。主要有：       

1)常規皮層指標，包括皮層厚度、曲率等；       

2)復雜度指標，包括局部回指數、腦溝深度、分形維度等指標。

圖示.組織分割、皮層重建、皮層指標。

3.統計分析（頂點水平）。可基于實驗設計進行參數檢驗（包括T檢驗與方差分析，參考VBM統計）�？稍谶m當場景進行多重比較校正，包括Monte Carlo Simulation等。      

4.基于ROI的統計分析。基于表面分割腦圖譜（如DK Atlas）提取指標值，在ROI水平進行參數檢驗；根據統計分析（頂點水平）的結果確定感興趣區域，提取感興趣區域的指標，與臨床行為量表進行相關性分析。      

5.結果可視化。根據結果形式，可繪制渲染視圖、散點圖等。注：數據處理過程中，會檢查圖像分割、皮層重建狀況；如有必要，會進行手工修正。

四、結構協變網絡     

如果您關注腦發育相關或者進程緩慢的腦疾病，結構協變網絡是一種具有潛力與可解釋性的分析方法。       

主要包括：       

1. 結構協變網絡的構建。基于特定的腦圖譜（如AAL Atlas），在同一群組被試內計算腦區之間結構指標值（如灰質體積、皮層厚度等）的協同變化關系，生成協變網絡矩陣。

圖示.結構協變網絡的構建、分析流程

2.圖論分析。基于圖論數學工具，計算：1)全局屬性，包括小世界屬性、全局效率、特征路徑長度、集聚系數、局部效率等；2)局部屬性，包括節點度、介數、節點效率、節點局部效率等。  

3.統計分析。對上述圖論指標進行置換檢驗，探究不同群組之間協變網絡特性的差異。     

4.結果可視化。根據結果形式，可繪制矩陣圖、曲線圖等。 

五、皮層下區域體積分析     

尺度更小的分析，如海馬、杏仁核的亞區分割，如今也可以實現。      

主要包括：     

1. 海馬亞區分割與體積分析。主要包括：海馬亞區的分割；海馬亞區的體積提��；海馬亞區體積的統計檢驗。

圖示.海馬亞區分割

2.杏仁核亞區分割與體積分析。主要包括：杏仁核亞區的分割；杏仁核亞區的體積提��；杏仁核體積的統計檢驗。

圖示. 杏仁核亞區分割

3.結果可視化。根據結果形式，繪制bar圖、點狀圖等。

六、皮下結構shape分析

      皮下體積分析有時候不能檢測到該皮下結構某部位萎縮或膨脹，shape分析有助于檢測到更細微的皮下結構變化。

      主要包括

       1、用FSL軟件分割皮下結構（包括海馬、杏仁核、丘腦、蒼白球、殼核等），重構皮下核團表層，在表層上做基于頂點的shape統計分析。

2、結果的可視化顯示
七、結構-DTI指標聯合分析     

白質的彌散特征，可以和結構指標一起分析。     

1.皮層下結構分割/DTI指標分析。主要包括：皮層下結構的分割；結構圖像-DTI圖像的配準；皮層下各腦區（ROI）DTI指標值的提��；基于ROI的統計分析。     

2.結構指標與DTI指標的相關性分析。主要包括：感興趣區域內DTI指標的提��；結構指標-DTI指標的相關性分析。

圖示.胼胝體FA值與皮層厚度的相關性。

3.結果可視化。依據結果形式繪制bar圖、渲染視圖等。 

八、靈活的統計策略     

如果您的實驗有特殊設計或需求，我們可以為您提供靈活的統計策略，盡可能地尋找有意義的結果。     

1.結構指標的縱向分析。主要包括：被試特定模板的構建；結構指標的計算；縱向數據結果的統計。     

2.SurfStat統計。前述皮層指標，可使用SurfStat軟件統計；借助該軟件的統計模型及多重比較校正工具，以期得到更具解釋性的結果。

九、基于結構指標機器學習     

熱門的機器學習方法，可以幫助您尋找潛在的結構影像生物標記。

      1.MVPA分析。基于常見的結構指標，構建機器學習模型，實現對不同群組的分類以及對量表得分的預測。常見的結構指標包括：灰質體積、皮層厚度等（前述其他指標也可利用）；常見的機器學習模型包括：支持向量機（SVM）、線性判別分析（LDA）、Logistic回歸、隨機森林（Random Forest）、RVR、Elastic Net等。

      2.基于ROI的結構指標特征的分類/回歸。提取感興趣腦區的結構指標值作為特征，進行特征過濾后，基于上述模型實現分類/回歸。

      3.結果可視化。MVPA分析可以提供權重圖，以展示對分類/回歸貢獻較大的腦區；基于ROI的分類/回歸可以提供bar圖。

十、定制化分析       

尊重您的要求，我們可以嘗試實現您獨特的想法。

圖示.工程師在討論

  1.分析方法可定制。思影科技可根據您提供的模板文獻，基于您的實驗數據，實現文獻中使用的數據分析方法。此外，未列出的分析方法，只要在思影科技的能力范圍內，盡力實現您的想法。  

  2.分析代碼可定制。在沒有現有的軟件適用于您的數據分析需求時，思影科技會與您協商，通過編寫代碼實現您的想法，并提供代碼的完整實現。

微信掃碼或者長按選擇識別關注思影