脑成像数据的标准空间

脑成像设备和数据都需要进行一定程度的标准化才能进行后续分析。本文是对其基本概念的一些介绍。

脑成像数据的标准空间
标准空间
根据模板提取数据

标准空间

个体空间

大脑是人体的重要器官，但不管它多重要，它也是一个器官。它是一个器官就意味着它在形态和功能上不可避免地具有个体差异。

标准模板

为了最大限度地降低这些差异，现代医学通过大量的数据和实验塑造了这样一个东西。这个东西可以称为“标准脑”。就像标准脸一样，它是统计意义上的标准模板

标准脸的样例

就像标准脸一样，虽然没有人的大脑真的长成标准脑的样子，但如果我们按照标准脑建立一个空间，在这个标准空间上进行脑区划分，就可以在统计意义上代表大脑在该脑区的解剖结构和功能。

目前使用比较广泛的标准空间称为 MNI 空间。CoordinateSystems - Brainstorm (usc.edu)

https://www.researchgate.net/figure/The-MNI-coordinate-system-of-the-brain_fig1_344782562

https://www.researchgate.net/figure/The-MNI-coordinate-system-of-the-brain_fig1_344782562

个体被试的大脑，都可以用合适的方法映射到这个标准空间上，这个过程称为“配准”。然而在介绍

这个空间不仅仅是大脑空间，它还给出了一套切实可行并且简单易行的配准方式。

首先是从大脑外部，例如采用 EEG 或 MEG 等皮肤表面的成像方式进行脑成像扫描，那么就需要使用皮肤表面的定位点。这里，它采用鼻根和双侧耳根作为定位点

CoordinateSystems - Brainstorm (usc.edu)

CoordinateSystems - Brainstorm (usc.edu)

CoordinateSystems - Brainstorm (usc.edu)

CoordinateSystems - Brainstorm (usc.edu)
而如果在获取了个体被试的大脑结构像之后，如进行了 MRI 或 CT 扫描之后，就可以通过大脑内的定位点进行配准，也是三个点，分别是扣带回前、后两个端点和头顶正中的顶点

扣带回前端点

扣带回前端点

扣带回后端点

扣带回后端点

头顶的一个端点

头顶的一个端点

简单来说，如果要对外围设备进行空间配准或进行导航，则需要用到外部的三个定位点；如果要对大脑结构进行配准，则需要用到大脑内部的三个定位点。

因此，这套定位系统能够把大脑的三维结构与外部的三维世界联系起来。

最后还需要说明的是，在这套坐标系下的笛卡尔基服从如下规定，简单来说就是 X 轴代表左右、Y 轴代表前后、Z 轴代表上下，且零点位于最左、后、下的位置。你可以想象用左手手掌挡住眼睛，四指并拢然后拇指指天，这里食指就是 X 轴，拇指就是 Z 轴，Y 轴穿过手心指向前方。

MNI space definitions

MRI coordinates

Coordinates system used to index voxels in the space of the MRI volume, in millimeters:

Axis X: left -> right

Axis Y: posterior -> anterior

Axis Z: bottom -> top

The first voxel at the bottom-left-posterior of the MRI volume is voxel (1,1,1). The coordinates of the center of this voxel in millimeters is (voxelsize_x, voxelsize_y, voxelsize_z).

配准计算

但是在处理脑成像数据时，单单有位置的配准是远远不够的，还需要进行大量的刚体变换才能将两个尺寸、偏移和旋转不同的东西配准到一个空间内。这个过程称为图像配准，在数学上对应仿射变换。仿射变换在二维平面上不难理解，它可以拉伸、旋转和缩放。

https://tensorlayer.readthedocs.io/en/stable/modules/prepro.html

https://tensorlayer.readthedocs.io/en/stable/modules/prepro.html

推广到三维空间上也是一样，只不过变换矩阵稍有扩展，形成一个的变换矩阵

https://www.slideserve.com/liam/modeling-and-the-viewing-pipeline

https://www.slideserve.com/liam/modeling-and-the-viewing-pipeline

具体的计算方法可见如下教程

Chapter 6: Registration and Normalization — Andy's Brain Book 1.0 documentation (andysbrainbook.readthedocs.io)

Chapter 6: Registration and Normalization — Andy's Brain Book 1.0 documentation (andysbrainbook.readthedocs.io)

这里的全部操作都是在计算变换矩阵。在得到这个矩阵之后，个体空间的大脑图像可以通过仿射变换映射到标准空间上。

标准空间的脑区模板

映射到标准空间后，一个显著的好处是可以使用大数据和前人的研究成果对脑区进行划分。这种脑区划分方法称为 Atlases 模板。

这样的模板有很多，选自己喜欢用的就好

标准空间模板

根据模板提取数据

接下来的问题是如何根据标准模板提取特定脑区中的数据。这个事情听上去没什么难的，但事实上，不同的软件、不同的数据结构和繁复的映射使得这个事情变得相当麻烦。