企业官网建设流程全解析

直接说结论：fMRI原始数据分割这件事，听起来像是一个处理步骤，实际上它是整个预处理流程里最容易出错、也最影响后续结果质量的一环。我见过太多人跑完一整套SPM流程，最后发现分割结果一团糟，灰质概率图惨不忍睹，回头排查才发现是slice timing的slice order填反了，或者是segment时affine regularization选错了模板。这种坑，纯靠自己摸索真的很费时间，所以我把这几年处理fMRI原始数据的笔记整理出来，希望能帮你少走弯路。

这篇笔记面向的是刚开始接触fMRI数据分析、或者已经在跑预处理但被分割环节卡住的朋友。我会把“分割”这件事拆成两个层面来讲：一是时间维度上的分割（slice timing，时间层校正），二是空间维度上的分割（组织分割，tissue segmentation），这两个操作虽然名字都带“分割”，但原理、目的、操作方式完全不同。我还会结合SPM12和FSL里最常用的做法，把参数设置、操作顺序、常见报错一次性讲透。

1. 先搞清楚“分割”到底指什么

1.1 时间维度上的分割

fMRI扫描是一层一层扫的，一个TR内要采几十层图像。磁共振机器不是瞬间把整个脑壳同时拍下来的，它需要按照特定顺序一层一层地采集。常见的采集方式有顺序采集（sequential，从第1层到第N层）和隔层采集（interleaved，先扫奇数层再扫偶数层）。这就意味着，同一个TR里，第1层和第30层的采集时间差了整整一个TR的几分之几，而这个时间差会让BOLD信号产生相位偏移。

时间层校正（slice timing）要做的就是：选一个参考时刻，把所有层面通过插值对齐到那个时间点，让数据在时间上“看起来”是同时采集的。这一步处理不好，后面算出来的激活体素位置会偏移，时间序列的频谱也会被污染。

我刚开始做的时候，一直不理解为什么slice timing要放在realign前面做。后来想明白了：头动校正这一步，会把不同时刻采集的图像在空间上重新排列，图像的强度值是通过插值重采样的。如果先做realign再做slice timing，等于先对空间做了插值、再对时间做插值，两次插值叠加，信号失真会更明显。所以SPM官方流程默认是slice timing → realign → coregister → segment，这个顺序有它的道理，别随便改。

1.2 空间维度上的分割

空间分割指的是把大脑图像按组织类型分成灰质（GM）、白质（WM）、脑脊液（CSF）。这一步在SPM里对应的是Segment模块，在FSL里对应的是FAST。空间分割的核心原理是：基于组织概率图先验，再结合图像本身的强度分布，用混合高斯模型估算每个体素属于灰质、白质、脑脊液的概率。

空间分割的目的通常有两个。第一个是VBM分析，你要比较两组人的灰质体积差异，就得先把灰质概率图提取出来做配准和统计。第二个是作为fMRI预处理的一环，分割得到的白质和脑脊液概率图，可以用来提取噪音信号（比如aCompCor方法），用于回归掉呼吸、心跳等生理噪音。所以分割的质量直接影响后续统计分析的敏感性。

空间分割里有个容易忽略的细节：这一步虽然叫“分割”，但它不只是分灰白质，它还会同时估计配准参数和偏置场（bias field correction）。也就是说，SPM的Segment实际上是同时在做分割+配准+偏置场校正三件事。理解了这一点，你在看分割输出文件的时候就不会困惑，为什么除了c1、c2、c3（分割概率图）之外，还有y_.nii（变形场）和m.nii（偏置场校正后的图像）。

1.3 为什么原始数据阶段就要处理分割

“原始数据分割”这个说法，我理解有两层含义。一是字面上的，直接从原始数据开始做slice timing，这是预处理的第一步。二是数据处理习惯上的，很多人喜欢在拿到原始数据后，先做一个初步的质量检查（QC），看看每个通道的信号是否正常、有没有大范围的头动伪影，然后再决定分割参数怎么设。

不管从哪层含义理解，有一点是共通的：分割的参数一旦定错，后面所有步骤都会被带偏。slice timing的slice order错了，你可以在realign阶段发现时间序列变得很奇怪，但那时你没法确定是slice timing的问题还是头动的问题。segment的affine regularization选错了，DARTEL配准出来的脑形态图就会有系统性的形变偏差。所以，分割这一步值得多花点时间，把每个参数的含义和你的数据采集方式对齐。

2. Slice Timing实操：从参数计算到参数设置

2.1 三组关键参数必须算清楚

用SPM12做slice timing，界面看起来很简单，但参数填错很常见。需要你准确填定的有：number of slices（总层数）、TR（重复时间，单位秒）、TA（TR减去有效采集时间后的间隔）、slice order（层面采集顺序）、reference slice（参考层）。这几个参数看起来很基础，但它们每个都能毁掉你的数据。

number of slices一般等于你的扫描序列参数里Slice number的值，国产3T机器上常见的是32层、40层、48层。TR也很直观，就是序列参数里的Repetition Time，注意单位是秒，不是毫秒。最容易出问题的是TA，SPM的帮助文档里写的是TA = TR - (TR / number of slices)，很多教程直接告诉你用这个公式，但没说清楚这个公式的适用条件。

TA的完整含义是：在每一个TR内，机器实际采集完所有层之后，到下一个TR开始采集之前，那段“空窗期”的时长。对于2D多层采集序列来说，假设TR=2s，采了40层，每层采集时间是0.05s，那么实际采集时间是40×0.05=2s，TA=0。但现实是，2D序列的TR通常是总采集时间的1.0到1.5倍左右，也就是说会有一定的“空闲时间”，TA的计算标准公式是TA = TR - (TR / nslices)，这个式子来源于SPM文档，它假设每层采集的时间是相等的。

不过我在实际处理中发现，很多序列的TA并不是这么算的。最稳妥的办法，是直接看扫描序列的源参数，有些厂商的序列参数里会直接给出“Slab Time”或者“Acquisition Time”，如果没有，才退回去用公式估算。还有一个快速验证技巧：做完slice timing之后，把任意一个体素的时间序列画出来，如果时间序列的频谱明显出现高于任务频率的锯齿状波动，多半是slice timing的参数没填对。

2.2 slice order怎么确认

slice order这个东西，是很多新手栽跟头的地方。你需要在你的扫描参数里找到层面采集的顺序，顺序采集就填[1:1:nslices]，隔层采集一般有两种可能：先奇数层后偶数层，或者从第2层开始先偶数后奇数。

以32层为例，如果是隔层采集、从第1层开始先奇数，那么slice order填：1,3,5,...,31,2,4,6,...,32。如果是隔层采集、从第2层开始先偶数，那么填：2,4,6,...,32,1,3,5,...,31。这些信息一般会在设备厂商的序列说明里标注，英文一般叫“Interleaved (odd-first)”或“Interleaved (even-first)”。

一个我踩过坑的细节：有些序列是隔层采2遍（multi-band/多频带采集），它实际的层面采集顺序跟普通隔层不太一样，slicetiming工具不一定支持，需要用专门的工具。如果你用的是多频带序列，建议先问问设备工程师，拿到这组序列的slice acquisition group参数，别硬套普通序列的规则。另外，如果序列参数实在查不到，可以做一个简单实验：快速扫一组静息态数据，用FSL的slicetimer工具跑一遍不同的--order选项，对比校正后图像的时间序列平滑度，也能反推出采集顺序。

2.3 FSL方案和SPM方案怎么选

SPM的slice timing操作图形化、直观，但如果你想批量处理很多人，用SPM的batch脚本会更高效。FSL的slicetimer是命令行工具，命令很简单：slicetimer -i 输入文件 -o 输出文件 --tcustom=文件 或 --ocustom=文件。

FSL里需要你给定的是--repeat（TR）、--tcustom（每层采集时间文件）或者--ocustom（slice order文件），此外还有一个--direction参数，用于指定层面的采集方向。FSL的这个--direction参数经常被人忽略，它表示的是层面编号沿着哪个空间轴递增。默认是z轴（自上而下），但有些序列是沿着y轴采集的，如果没有指定，校正等于白做。

SPM和FSL的选择，我的建议很直接：如果你后续要用SPM做DARTEL或VBM分析，那就全程SPM，保持处理管线统一；如果你后续要用FSL的FEAT做first-level分析，那就用FSL的slicetimer。混用不是不行，但会引入额外的格式转换和排序烦恼。

3. Segment组织分割：SPM操作流程与参数详解

3.1 SPM12 Segment模块的功能拆解

打开SPM12，点Segment按钮，会弹出一个界面，你只需要选入T1像（严格来说应该是T1加权结构像，如果是原始fMRI数据没有T1，那需要先配准到结构像上）。Segment的核心里面有好几个Tab，最常用到的就是Data和Tissue，其他选项一般保持默认。

在Data这个栏里，你需要指定的是Image。如果在run fMRI预处理流程时，你用的是T1结构像做分割，那Image就是coregister之后的T1图像。这里有个容易混淆的点：分割用的图像，应该是高分辨率的结构像（T1），而不是低分辨率的EPI功能像。EPI的功能像虽然也能分割，但空间分辨率不够，组织边界不清晰，分割出来的概率图质量会明显偏差。

Tissue栏里默认有6个组织类：灰质（c1）、白质（c2）、脑脊液（c3）、骨骼（c4）、软组织（c5）、背景（c6）。如果只是做fMRI预处理需要灰白质分割，前三个就够了，后面的可以不管。每个组织类下面有Native Tissue、DARTEL等选项，默认的Native是Saved，会把灰质、白质、脑脊液的概率图各存一份c*.nii，这个就够了。

还有一个容易被忽略的选项是Warped Tissue（配准到标准空间的概率图）。如果你做VBM分析，需要把灰度图配准到MNI空间，那么Warped Tissue要选“Save”。如果你只是做fMRI预处理，一般不需要保存warped segmentation，省点硬盘空间。

3.2 Bias Regularization和Affine Regularization怎么填

Segment里最让人摸不着头脑的就是Bias Regularization和Affine Regularization。这两个参数直接决定偏置场校正的平滑程度和配准的初始变换。

Bias Regularization，全称是“偏置场正则化”，它控制的是估计偏置场时的平滑约束强度。默认值Lightly regularised (0.0001)大多数情况下都够用。如果你的图像有明显的强度不均（比如T1像靠近皮层的地方很亮、深部很暗），可以适当调到Medium regularised (0.001)。但要注意，调高正则化只会让偏置场估计更平滑，对于严重的强度不均，先试试SPM里另一个单独的Bias Correction工具，别指望靠Segment一个模块解决。

Affine Regularization，这个参数选择比较重要。它控制的是分割时跟模板做仿射配准的强度，SPM默认是“ICBM Space Template - European Brains”。这里有一个坑：如果你处理的是亚洲人群的数据，用“Average sized template”会更合适，因为平均脑大小与目标人群更匹配。我见过很多人全程用默认值，结果配准到MNI空间后图像里脑子的整体缩放比例不对，体积统计偏差明显。

我个人的经验是：处理亚洲人群的数据，直接把Affine Regularization改成“Average sized template”，其他保持默认，然后跑完分割后把c1（灰质）图跟T1像叠加起来看一眼，如果灰质边界贴合得很好，说明参数没问题；如果灰质图大范围覆盖到白质区，说明分割对配准的依赖太大，可以尝试调整。

3.3 FSL FAST：命令行分割的操作要点

如果你用FSL做分割，对应的工具是FAST（FMRIB's Automated Segmentation Tool）。一条典型命令是：

fast -t 1 -n 3 -H 0.1 -I 4 -o output_basename T1_brain.nii.gz

这里的参数含义：-t 1表示输入是T1图像种类；-n 3表示分成3个组织类（灰质、白质、CSF）；-H 0.1是空间平滑度；-I 4是最大迭代次数。

FAST比较关键的一点是：它要求输入图像必须先做脑提取（skull-stripping），也就是要先跑过BET或类似工具，把非脑组织去掉。这一点跟SPM不一样，SPM的Segment不需要先做脑提取，它自己会处理。所以你用FAST时，管线的顺序是：BET脑提取 → FAST分割。

FAST跑完之后会生成几个文件：_seg.nii.gz（分割标签图）、_pve_0.nii.gz、_pve_1.nii.gz、_pve_2.nii.gz（对应的灰质、白质、CSF概率图）、*_mixparam.txt（混合高斯参数）等。其中pve开头的文件就是概率图，对应SPM的c1、c2、c3，可以用于后续的噪音回归。

3.4 DARTEL与分割结果的进阶应用

如果你做VBM分析，分割完之后还要做DARTEL配准。DARTEL的核心思想是：把每个人的灰质、白质概率图一起用来估计一个非线性变形场，然后通过迭代精修得到高精度的空间配准结果。

在SPM12里，DARTEL流程是这样的：Segment → DARTEL (create templates) → DARTEL (existing templates) → Normalise to MNI。在Segment之后，你需要在Tissue的DARTEL选项里选择“Imported”，这样会生成rc1*.nii和rc2*.nii，也就是从原始空间重采样到DARTEL输入空间的组织概率图。接着DARTEL会逐步生成模板，这个过程会花不少时间，但对结果的精确度来说值得。

DARTEL做完之后，每人的灰质图已经被扭曲到标准空间，可以用modulation选项来把体积形变考虑进去，再做Smoothing，最后才能做统计。整个DARTEL流程比较长，但每一步都是为最终统计准确性服务的。

4. 分割前的数据准备与格式转换

4.1 DICOM到NIfTI：带着全局操作的转换

fMRI原始数据通常以DICOM格式存盘，而SPM、FSL这些工具只能处理NIfTI格式，所以你第一步要做的就是把DICOM转成NIfTI。推荐用dcm2niix，这是目前公认最好用的转换工具，它可以从一串DICOM文件里正确推断出三维体积的排列顺序，自动生成4D文件（如果是功能像的话），并且把大部分关键采集参数写进NIfTI的头文件里，方便后面读取。

dcm2niix的典型命令是：

dcm2niix -f "%p_%s" -o 输出目录 输入DICOM目录

-f参数控制输出文件的命名格式，%p是序列名称，%s是序列号。我常用的命名方式是%p_%s_%d（序列名_序列号_实例号），这样方便我区分同一被试的不同序列。转换后，记得检查一下生成的.json文件，里面会记录SliceTiming、PhaseEncodingDirection等参数，这些参数跟slice timing的设置直接相关。

还有一个dcm2niix的细节：在转换4D功能像时，默认会生成一个.nii.gz和一个.json文件。如果开了-b选项（BIDS格式），输出文件名会变成sub-xxx_task-xxx_run-xxx_T1w.nii.gz这种风格。如果你打算把数据整理成BIDS格式，建议转的时候直接加-b参数，省得后面再改。

4.2 头动校正和分割的先后逻辑

预处理流程里，头动校正（realign）在slice timing之后，在segment之前。这个顺序是有讲究的。slice timing需要图像层面之间的时间信息保持原始采集状态，如果先做realign，层面之间的时间关系会被空间插值打乱，slice timing就失去了意义。所以标准逻辑是：先做slice timing，再做realign，再做coregister（把功能像配准到结构像），最后做segment。

realign的输出是*_unwarped.nii或经过重排的*r*.nii。跑完realign后，/tmp文件夹里会生成rp*.txt文件（头动参数，6列），这个文件在后续做运动回归时会被用到。如果你发现某个被试的头动位移超过3mm，或者旋转超过3度，这个被试的fMRI数据后面做统计时很可能需要排除或特殊处理，分割参数也要重新检查。

4.3 批处理脚本：一个人处理一百个被试的经验

处理大量被试时，手动在SPM图形界面里一个个点，效率太低了。推荐的做法是写一个MATLAB批处理脚本，把slice timing、realign、coregister、segment放在一起跑。SPM12的batch模块可以记录你每一步的操作，然后在MATLAB里直接运行。

一个基础模板长这样：

matlabbatch{1}.spm.temporal.st.scans = {功能像列表}; matlabbatch{1}.spm.temporal.st.nslices = 40; matlabbatch{1}.spm.temporal.st.tr = 2; matlabbatch{1}.spm.temporal.st.ta = 2 - (2/40); matlabbatch{1}.spm.temporal.st.so = [1:2:39, 2:2:40]; matlabbatch{1}.spm.temporal.st.refslice = 20; matlabbatch{1}.spm.temporal.st.prefix = 'a';

这里的prefix='a'表示输出的文件名会加一个a前缀，a开头的文件就是slice timing校正后的数据。然后realign的matlabbatch是下一段，coregister再一段，segment一段。整个脚本一次能处理一个被试的所有数据，只要把你的路径统一管理好。

批处理的时候有个经验：先选两个被试手动跑一遍全流程，确认每个步骤的输出文件名和期望一致，再放开跑全组。不然全组100个被试跑到一半发现某个参数填错了，只能全部重来。

5. 常见问题与排查技巧实录

5.1 一张速查表帮你定位90%的问题

我把这几年遇到的分割相关报错和异常汇总成了一张表，排查的时候先看这张表，能省很多时间。

5.2 我踩过的slice timing坑

有一次处理一批数据，TR=2秒，40层，TA按公式算出来是1.95秒（2 - 2/40 = 2 - 0.05 = 1.95？注意单位：TR=2s，nslices=40，TR/nslices=0.05s，TA=1.95s），结果跑完slice timing，时间序列的功率谱出现了明显的规则性尖峰。我一开始以为是头动问题，看rp文件最大位移0.5mm，正常得很。后来仔细一查，发现这个扫描序列虽然是40层，但实际是multi-band因子为4的多频带采集，真正的slice acquisition group不是40个独立时刻，而是10个时刻内完成4层同时激发。这种情况下用普通slice timing的模型去插值，自然会出现频谱污染。

排查了很久，最终确认问题的根源是TA的计算方式不适用多频带采集。多频带序列的slice timing本质上跟单频带不一样，它的层面采集时间是“成组”的，SPM默认的slice timing模型不能直接套用。解决方案是：要么用设备商自带的预处理工具，要么用AFNI的3dTshift做时间层校正（它支持更灵活的时间参数输入），要么在SPM里把每一组当作一个“层面”来处理（但这样空间分辨率会受损）。

5.3 分割结果怎么快速检查

分割完不等于万事大吉，我每次都会花几分钟检查分割质量。最直接的检查方式：在SPM里用Check Reg功能，把分割结果（c1、c2、c3）叠加到原始T1图上。正常的灰质概率图应该是薄薄一圈贴在大脑皮层表面，白质概率图是深部大片区域，脑脊液是脑室和沟回处的信号。

如果灰质概率图大面积出现在脑室外或者看起来像散落的碎片，多半是偏置场校正或配准出了问题。如果灰质和白质比例严重失衡（比如灰质体积占了80%以上），可能是分割时把脑膜或血管分进了灰质，可以尝试调高Bias Regularization或者先做颅骨剥离。

另外一个批量质检技巧：把每个被试的c1图体积或weighted global signal提取出来，画个散点图。如果某个被试的体积异常偏离全组均值，那这个被试的分割结果很可能有问题。

5.4 解锁VBM分析前必须做的数据质量关卡

分割完成后，别急着做统计。在产出最终的灰质密度/体积图之前，还有几个关卡必须过：

1. 检查coregister结果：EPI图像有没有和T1错位。如果功能像和结构像没对齐，用EPI分割得到的组织概率图就是废的。用Check Reg把alignment显示出来，旋转角度看看，任何错位都要排查。

2. 检查配准到MNI之后图像是否过度形变：跑完DARTEL或Normalise后，看每个被试的warped图像在MNI坐标下跟标准模板是否重合。如果某个被试的脑形态变成畸形，要么是分割时出了问题，要么是该被试脑部有病变。

3. 处理异质性数据：如果你手上有不同中心、不同磁场强度的扫描数据，别直接扔到一起分割。最好先按扫描参数分组，分别做质量检查，再统一到同一预处理管线。不同场强下T1对比度差异，会影响组织分割的边界判定。

6. 关于分割参数，我最后想说的话

处理fMRI数据这几年，我最大的感受是：分割这个环节，参数设置远没有你想象的那么“自动”。SPM的Segment做得再智能，它也只是一个工具，真正决定输出质量的，是你对数据本身的了解程度。

拿到一批新数据，我会花15分钟做三件事：一，看扫描序列的完整参数表，确认TR、TE、翻转角、层面数、采集顺序；二，随机抽一个被试，用MRIcron把DICOM或NIfTI打开，逐层翻一遍，确认没有明显的大面积伪影；三，跑一遍slice timing和segment后，把结果图截出来人工看一眼。这三件事做完，数据能不能直接用，我心里基本就有数了。

最后再分享一个小技巧：做分割之前，在Linux终端或MATLAB里先把每个被试的文件权限和路径统一检查一遍。我之前就因为在Windows上同步数据时文件后缀变成了大写，导致批处理脚本在一个被试手上卡住，后面所有被试全部白跑。数据管理这件事上偷懒，后面大概率会加倍还回去的。