AFNI、FSL和ANTs做fMRI数据预处理的文章，小伙伴们都挺感兴趣，这次文章在上次公众号文章的基础上对数据预处理进行详细的解释，并附上相关的命令。一、数据格式转换（DICOM → NIfTI）
MRI扫描仪输出的是 DICOM 格式文件。为了后续分析，需要转换为 NIfTI（.nii或.nii.gz）格式（MRIcron工具包）。
dcm2niix -o ./output_dir -f sub01_func ./DICOM_func
二、去除前若干时间点
fMRI扫描开始时，磁化信号尚未稳定，前几个时间点信号偏低或不稳定，通常去除前5–10 个TR/时间点（FSL工具包）。
fslroi func func_trimmed 10 -1
三、时间校正（Slice Timing Correction）
MRI的每个体积（volume）由多个切片（slice）顺序采集，各切片采集时间不同。该步骤将所有切片的信号时间点校正到同一时间基准，以保证时间序列同步（AFNI工具包）。
3dTshift -TR 2.0 -tpattern alt+z -prefix func_stc func_trimmed.nii
四、头动校正（Motion Correction）
被试在扫描期间会发生轻微头动，导致体素位置变化。通过配准算法将每个时间点的体积对齐到参考体积。头动参数（6个：3平移 + 3旋转），后续可作为共变量回归项（AFNI工具包）。
3dvolreg \
-prefix func_mc.nii.gz \
-base 0 \
-1Dfile motion.1D \
-1Dmatrix_save mat.aff12.1D \
-Fourier \
func_stc.nii.gz
五、配准（Coregistration）
将功能图像（低分辨率）与结构图像（高分辨率T1）对齐。保证功能信号的定位在解剖结构上准确（ANTs工具包）。
antsRegistrationSyNQuick.sh \
-d 3 \
-f T1_brain.nii.gz \
-m mean_func.nii.gz \
-o coreg_
六、标准化（Normalization）
标准化（Normalization）是将个体的结构或功能图像非线性映射到标准空间（如 MNI152），以便进行群体水平的统计分析和结果可视化 (ANTs工具包)。
(1)结构像标准化（T1 → MNI）
antsRegistrationSyN.sh \
-d 3 \
-f MNI152_T1_1mm_brain.nii.gz \
-m T1_brain.nii.gz \
-o norm_
(2) 功能图像标准化（fMRI → MNI）
antsApplyTransforms \
-d 3 \
-e 3 \
-i func_coreg.nii.gz \
-r MNI152_T1_2mm_brain.nii.gz \
-o func_MNI.nii.gz \
-t norm_1Warp.nii.gz \
-t norm_0GenericAffine.mat
七、空间平滑（Spatial Smoothing）
空间平滑（Spatial Smoothing）是在空间维度上对 BOLD 图像进行高斯滤波，提高信噪比（减少高频噪声），满足统计分析的随机场理论假设（如SPM的随机场推断）弥合不同受试者的解剖差异，改善空间连续性，使统计信号更稳健（AFNI工具包）。
3dBlurToFWHM \
-input func_MNI.nii.gz \
-FWHM 6.0 \
-automask \
-prefix func_MNI_smooth.nii.gz \
-blurmaster func_MNI.nii.gz
八、共变量回归 + 时间滤波
头动影响（6个运动参数）、生理噪声（白质WM、脑脊液CSF信号）、低频漂移 / 高频噪声（AFNI工具包）。
3dTproject \
-input func_MNI_smooth.nii.gz \
-mask brain_mask.nii.gz \
-ort motion.1D \
-ort WM_CSF.1D \
-bandpass 0.01 0.1 \
-blur 0 \
-polort 2 \
-prefix func_MNI_clean.nii.gz
九、最后附上Matlab整合代码
（1）生成文件命名
（2）预处理代码
最后，有数据处理方面的疑问和讨论其他科研问题可以后台私信我呦。
