1.预处理

这里预处理用Gretna软件进行，共分为以下几步：

（1）DICOM转NIfTI格式

  (2)去除前10个时间点(Remove first 10 times points)：由于机器刚启动、被试刚躺进去也还需适应环境，导致刚开始扫描的数据很不稳定，所以一般需要删除前几个时间点。本文的数据删除了前10个时间点。

（3）时间点矫正(Slice timing)：磁共振图像是逐层扫描，每一层获得的时间不一致。由于我们需要对时间序列进行操作，所以需要做一个时间尺度的校正，以保证一个全脑所有的体素获取的时间一致。

（4）头部矫正(Realign)：被试再扫描过程中不可避免地会有头部运动，所以需要对数据进行头部矫正，将全部时间点的数据在空间上与第一个时间点采集的数据对齐。

（5）标准化(Normalize)：同VBM一样，其目的为把所研究的各个个体的脑结构磁共振图像标准化到一个相同的立体空间。本文使用EPI模板进行标准化，体素大小[3 3 3]。

（6）平滑(Smooth)：提高数据的信噪比，选用高斯平滑核，平滑核的大小一般选取体素大小的2-3倍，此处选择大小[8 8 8]。

（7）去线性漂移(Detrend)：由于机器的工作而升温或被试适应，随着时间的积累会存在一个线性趋势。

（8）回归协变量和删除时间点（Nuisance Covariates Regression & Scrubbing）：采集的核磁信号里会混杂着生理噪声，白质，脑脊液信号。把数据回归协变量，便可以将这些信号排除掉。在回归协变量时，可以进一步去除头动的影响，删除头动过大的点。在去除协变量的时候就进行过，此处可不进行删除时间点。

（9）滤波(Filter)：带通滤波后的静息态fMRI信号具有重要的生理学意义。本文将数据做0.01-0.08Hz的带通滤波处理，去除了数据线性低频漂移和呼吸、心跳等高频噪声。

将上述操作直接拖入到右侧点击RUN即进行预处理。

最终会得到以下文件：

 

其中GretnaFunNIfTI文件夹中存放每一个被试预处理后的结果：

文件名的前缀表示特定的预处理：

 

选需要的预处理文件(.nii)格式进行功能连接。

2.功能连接

这里用Dpabi进行以某一种子点计算其与全脑的功能连接。

（1）按下图打开处理界面，因为已经用Gretna预处理过了，这里直接选择Blank。

 

(2) 点击Function Connectivity 、Extract ROI time course ，并且通过Define ROI选择需要以哪一个体素作为功能连接的种子点。

 

点击Sphere，输入种子点的X、Y、Z轴坐标以及半径。

 

点击Run即可，最后是在成的Results文件夹下存放功能连接的结果。