HRF和BOLD信号
HRF 是 血液动力学响应函数（Hemodynamic Response Function）的缩写。
它是 fMRI（功能磁共振成像）的核心概念，描述了神经元活动引发血液动力学反应随时间变化的典型形态。
1. HRF的本质
fMRI 并不直接测量神经元放电，而是通过 BOLD 信号（血氧水平依赖信号）间接反映神经活动。当某个脑区神经元活动增强时，局部耗氧量增加，触发脑血管舒张，导致局部脑血流量和血容积过度补偿，使脱氧血红蛋白浓度下降，从而增强 BOLD 信号。
HRF 就是这个“从神经活动到 BOLD 信号”的转换函数——它描述了神经活动发生后，BOLD 信号如何随时间变化。
一个标准的 HRF 包含以下几个阶段：
| 阶段 | 时间点（约） | 特征 |
|---|---|---|
| 潜伏期 | 刺激后 0-2 秒 | 神经活动开始，但 BOLD 信号尚未明显上升 |
| 主升支 | 刺激后 2-5 秒 | BOLD 信号快速上升 |
| 峰值 | 刺激后 5-7 秒 | 达到最大值 |
| 回落期 | 刺激后 7-12 秒 | 信号逐渐下降 |
| 下冲 | 刺激后 12-20 秒 | 有时会短暂低于基线（undershoot） |
| 恢复基线 | 刺激后 20-30 秒 | 完全恢复 |
2. HRF 的个体差异与变异性
HRF 并非在所有脑区、所有人、所有生理状态下完全相同：
脑区差异：不同脑区的血管密度、血流动力学特性不同，HRF 形态可能有差异
个体差异：年龄、血管健康、药物状态会影响 HRF 的峰值延迟和幅度
任务/状态差异：注意状态、觉醒水平等也会影响 HRF
因此，现代 fMRI 分析有时会使用个体化的 HRF（如使用有限脉冲响应模型），而不是完全依赖标准 HRF 模板。
3. HRF图像
横坐标（X 轴）：时间（单位：秒，s）。通常以刺激 / 神经脉冲发生的时刻为 0 点；范围一般取 0–30 秒（覆盖主响应 + 后回落全过程）。
纵坐标（Y 轴）：BOLD 信号强度（常用任意单位 a.u./ 百分比信号变化 % signal change）；0 线是基线信号水平（刺激前的静息 BOLD 值）。
4. BOLD信号
神经元的放电（动作电位）和突触传递的时间尺度是毫秒（ms）级的。当你给受试者看一张图片，视觉皮层的神经元在几十到一百毫秒内就已经完成了极其强烈的爆发式放电，然后迅速平息。在时间轴上，它就是一根极细、极陡峭的“针”（脉冲）。
血氧的反应速度非常慢。 相比于毫秒级的神经放电，血管的舒张、血流的增加、脱氧血红蛋白被冲刷掉的过程是极其笨重和迟缓的。
- 神经元“点火”只需 0.1 秒。
- 血氧（BOLD）信号要花 4-6 秒 才能爬到顶峰，花 20-30 秒 才能彻底恢复平静。
核磁共振的最终目的是捕捉到神经信号的强度，但是它的原理是测量血氧浓度，我们首先用刺激时间序列与 HRF 做卷积，生成血氧信号的预测模型；然后再用这个模型去拟合真实的血氧数据，最终算出的拟合系数（β 值），就是我们想要捕捉的神经信号强度。
神经活动时间序列 × 标准卷积 HRF（卷积核） → 得到我们实际测到的 fMRI BOLD 信号
$$
BOLD(t) = \int_{-\infty}^{\infty} Neural(\tau) \cdot HRF(t - \tau) , d\tau
$$
- 神经活动
真正的神经活动是一串很尖的脉冲：什么时候激活，就突然亮一下。
- HRF 是系统响应函数
大脑血流系统就像一个 “低通滤波器 + 延迟器”，任何神经脉冲经过它，都会被拉宽、变钝、延迟。
- 卷积
就是让神经信号通过这个系统，得到最终我们在 fMRI 上看到的平滑、延迟、缓慢的 BOLD 曲线。
5. 狄拉克函数
在 fMRI 的事件相关实验中，神经脉冲通常被理想化为狄拉克 δ 函数 (Dirac delta function).下面是狄拉克函数的定义：
$$
\delta(x) = \begin{cases}
+\infty, & x = 0 \
0, & x \neq 0
\end{cases}
$$
可以将它想象成这样一个函数，函数下方的面积是1,在横向长度取得很小的时候，那么它的纵向长度就会非常大。(BV1nvYezAE49)
$$
\int_{-\infty}^{\infty} \delta(x) , dx = 1
$$
筛选性质是$\delta$函数最重要、最核心的性质。
$$
\int_{-\infty}^{\infty} f(x) \delta(x - a) , dx = f(a)
$$
其中 $f(x)$ 是在 $x = a$ 处连续的任意函数，$\delta(x - a)$ 是狄拉克$\delta$函数。
通俗一点说就是，一个函数与$\delta$函数相乘后积分，其作用就是筛选出该函数在尖峰位置的取值。
6. 一个计算实例
假设在第2、12、14秒给被试一个闪光（神经刺激）。可以将这个结构表达成一种函数“在 2、12、14 秒时取值为 1，其他时候全是 0”。这个函数在数学上确实存在，它叫冲激序列（Impulse Sequence）。在连续时间（微积分的世界）里，我们用狄拉克$\delta(x)$函数来表示。单个$\delta$函数$\delta(t - 2)$的意思是，在$t = 2$这一瞬间，它突然出现一个面积为1的脉冲，而其他所有的时间他的值都是0.
| 时间 t (秒) | 神经刺激值 N(t) |
|---|---|
| 0 | 0 |
| 1 | 0 |
| 2 | 1 |
| 3 | 0 |
| 4 | 0 |
| … | 0 |
| 12 | 1 |
| 13 | 0 |
| 14 | 1 |
| 15 | 0 |
| … | 0 |
| 24 | 0 |
| 25 | 0 |
我们可以用一种严谨的方式表示神经激活函数$Neural$:
$$ Neural(t) = 1 \cdot \delta(t-2) + 1 \cdot \delta(t-12) + 1 \cdot \delta(t-14) $$
显然的有$t = 2、12、14$时，$Neural=\infty$
然后是一个HRF模板（卷积核）
| 时间 t (秒) | HRF模板值 H(t) | 备注 |
|---|---|---|
| 0 | 0 | 初始基线 |
| 1 | 0.2 | 主升支 |
| 2 | 0.8 | 主升支 |
| 3 | 1.5 | 主升支 |
| 4 | 2.0 | 峰值 |
| 5 | 1.5 | 回落 |
| 6 | 0.5 | 回落 |
| 7 | 0 | 恢复基线 |
| 8 | -0.2 | 轻微下冲 |
| 9 | -0.1 | 下冲收尾 |
| 10 | 0 | 恢复基线 |
接下来可以开始积分的计算了。
带入$Neural$函数，$$ BOLD(t) = \int_{-\infty}^{\infty} \Big[ \delta(\tau-2) + \delta(\tau-12) + \delta(\tau-14) \Big] \cdot HRF(t - \tau) , d\tau $$
把括号拆开，变成三个独立的积分（因为积分满足加法分配律）。 $$ BOLD(t) = \int_{-\infty}^{\infty} \delta(\tau-2) \cdot HRF(t - \tau) , d\tau $$ $$ \quad \quad \quad + \int_{-\infty}^{\infty} \delta(\tau-12) \cdot HRF(t - \tau) , d\tau $$ $$ \quad \quad \quad + \int_{-\infty}^{\infty} \delta(\tau-14) \cdot HRF(t - \tau) , d\tau $$
使用“筛选性质”消去积分号。看第一个积分：里面有$\delta(\tau - 2)$，说明它只会把$\tau = 2$这一瞬间的$HRF$值给“摘”出来。我们把$\tau$替换成2，积分号消失第一个积分变成$HRF(t - 2)$。
同理，对剩下两个积分执行同样的魔法：
$$ \text{第二个积分变成：} HRF(t - 12) $$ $$ \text{第三个积分变成：} HRF(t - 14) $$
- 得到最终结果。 $$ BOLD(t) = HRF(t - 2) + HRF(t - 12) + HRF(t - 14) $$
| 时间 t (秒) | 神经刺激值 N(t) | 最终BOLD信号值 |
|---|---|---|
| 0 | 0 | 0.00 |
| 1 | 0 | 0.00 |
| 2 | 1 | 0.80 |
| 3 | 0 | 1.50 |
| 4 | 0 | 2.00 |
| 5 | 0 | 1.50 |
| 6 | 0 | 0.50 |
| 7 | 0 | 0.00 |
| 8 | 0 | -0.20 |
| 9 | 0 | -0.10 |
| 10 | 0 | 0.00 |
| 11 | 0 | 0.00 |
| 12 | 1 | 0.20 |
| 13 | 0 | 0.80 |
| 14 | 1 | 2.30 |
| 15 | 0 | 3.50 |
| 16 | 0 | 2.00 |
| 17 | 0 | 0.50 |
| 18 | 0 | 0.00 |
| 19 | 0 | -0.20 |
| 20 | 0 | -0.10 |
| 21 | 0 | 0.00 |
| 22 | 0 | 0.00 |
| 23 | 0 | 0.00 |
| 24 | 0 | 0.00 |
| 25 | 0 | 0.00 |
xT是什么
T 代表 特斯拉（Tesla），是磁共振成像（MRI）中主磁场的强度单位。例如7T 意味着主磁场的强度为 7 特斯拉。
特斯拉是磁通量密度（也就是我们常说的“磁场强度”）的国际单位。
1 特斯拉 是一个很强的磁场
地球磁场 约为 0.00005 特斯拉（0.5 高斯）
一块普通冰箱贴 约为 0.01 特斯拉
所以，一台 3T 的 MRI 扫描仪的磁场强度大约是地球磁场的 60,000 倍，是冰箱贴的 300 倍。
1.5T — 临床标准
特点：技术成熟，伪影少，最稳定
应用：临床诊断（肿瘤、卒中、结构成像）
fMRI 应用：较少用于研究，但临床 fMRI 仍在使用
3T — 研究主力
特点：信噪比与稳定性的最佳平衡点
应用：绝大多数 fMRI 研究（任务态、静息态），功能定位（VWFA、FFA），大样本研究（UK Biobank、HCP 等）
优势：信噪比是 1.5T 的 2 倍，BOLD 效应更强
7T — 超高场强研究利器
特点：极高的信噪比和空间分辨率，但伪影显著增加
应用：亚毫米级 fMRI：可分辨皮层柱（如 0.8mm 体素），层特异性 fMRI：区分皮层不同层次的激活，高分辨率结构像：可见皮层下核团精细结构
定量 MRI：T1/T2 mapping、磁化率成像
挑战：生理噪声 成为主要限制（心跳、呼吸），B1 不均匀：射频场不均匀，图像亮度不均，化学位移伪影、放大，特定吸收率（SAR）限制：射频能量沉积限制扫描参数
9.4T / 10.5T / 11.7T — 人类研究的前沿
目前全球仅少数机构拥有
主要用于技术开发和基础神经科学研究
技术挑战极大，仍在探索阶段
| 维度 | 低场强（1.5T） | 高场强（3T） | 超高场强（7T 及以上） |
|---|---|---|---|
| 信噪比（SNR） | 基准 | 约 2 倍 | 约 4-6 倍 |
| BOLD 信号强度 | 基准 | 约 2 倍 | 约 4-6 倍 |
| 空间分辨率 | 3-4 mm | 2-3 mm | 0.5-1 mm（亚毫米级） |
| 时间分辨率 | 2-3 秒 | 1-2 秒 | 0.5-1 秒 |
| 可检测的脑区 | 大皮层区域 | 皮层 + 皮层下 | 皮层柱、分层结构 |
| 设备成本 | 低 | 中 | 极高 |
| 技术难度 | 低 | 中 | 高（伪影多、序列复杂） |
| 场强 | 能看到的精细结构 | 功能成像能力 |
|---|---|---|
| 1.5T | 大脑整体结构，脑叶边界 | 只能检测大块皮层激活 |
| 3T | 灰白质边界清晰，可见主要沟回 | 可靠检测皮层激活，可定位 VWFA/FFA |
| 7T | 皮层下核团（丘脑亚核）、海马亚区、血管结构 | 皮层柱水平功能成像、层特异性 fMRI |
| 11.7T+ | 细胞层、微小血管网络 | 单细胞尺度功能成像（动物） |
数据类型
从成像内容角度，MRI 数据分为三大类：
| 数据类型 | 英文 | 成像对象 | 一句话描述 |
|---|---|---|---|
| 结构像 | Structural MRI (sMRI) | 大脑的解剖结构 | 拍一张大脑的“高清照片” |
| 功能像 | Functional MRI (fMRI) | 大脑的活动变化 | 拍一部大脑活动的“电影” |
| 弥散像 | Diffusion MRI (dMRI) | 白质纤维连接通路 | 拍大脑的“wiring diagram” |
结构像（Structural MRI）
结构像显示大脑的静态解剖结构——灰质、白质、脑脊液、不同脑区的形状和大小。
| 序列 | 全称 | 特点 | 应用 |
|---|---|---|---|
| T1-weighted | T1 加权像 | 灰质暗、白质亮、脑脊液最暗 | 分割脑区、测量体积、皮层厚度 |
| T2-weighted | T2 加权像 | 脑脊液亮、灰质较暗 | 检测病变、水肿 |
| FLAIR | 液体衰减反转恢复 | 抑制脑脊液信号 | 病灶检测（多发性硬化等） |
- 分辨率：1×1×1 mm³（各向同性）
- 扫描时间：5-10 分钟
- 输出：单张 3D 图像（一个被试一张）
分析内容：
- 灰质体积
- 皮层厚度
- 脑区表面积
- 形态学特征（曲率、沟回深度）
功能像（Functional MRI）
功能像捕捉大脑随时间变化的 BOLD 信号，反映神经活动的动态变化。
功能像的两种主要类型
| 类型 | 英文 | 任务要求 | 采集时被试在做什么 |
|---|---|---|---|
| 任务态 fMRI | Task-based fMRI | 执行特定任务 | 看图片、按键、默读、回忆等 |
| 静息态 fMRI | Resting-state fMRI | 什么都不做 | 闭眼休息或注视固定十字 |
- 分辨率：2-4×2-4×2-4 mm³（较低，以换取时间分辨率）
- 重复时间（TR）：0.5-3 秒
- 扫描时间：5-15 分钟
- 输出：4D 图像（3D 空间 + 时间维度）
分析内容
| 任务态 fMRI | 静息态 fMRI |
|---|---|
| 激活脑区定位（如 VWFA） | 功能连接网络 |
| 条件间对比（文字 > 乱码） | 默认模式网络（DMN） |
| 心理生理交互作用（PPI） | 图论分析 |
| 多体素模式分析（MVPA） | 动态功能连接（dFC） |
弥散像（Diffusion MRI）
弥散像通过测量水分子的扩散方向性，来推断白质纤维束的走向和完整性。
| 类型 | 英文 | 特点 | 应用 |
|---|---|---|---|
| DTI | Diffusion Tensor Imaging | 最常用，用一个张量模型 | 各向异性分数（FA）、平均弥散率（MD） |
| DSI | Diffusion Spectrum Imaging | 高角度分辨率 | 纤维束追踪、交叉纤维解析 |
| HARDI | High Angular Resolution Diffusion Imaging | 高角度分辨率 | 复杂纤维结构 |
- 分辨率：1.5-2.5 mm
- 方向数：30-100+ 个扩散梯度方向
- 扫描时间：10-30 分钟
- 输出：每个体素一个张量（或更复杂的扩散模型）
分析内容
- 纤维束追踪（tractography）
- 结构连接网络
- 白质完整性（FA、MD）
三种数据类型的对比
| 维度 | 结构像（sMRI） | 功能像（fMRI） | 弥散像（dMRI） |
|---|---|---|---|
| 成像对象 | 解剖结构 | 神经活动（BOLD） | 白质纤维通路 |
| 时间维度 | 无（静态） | 有（时间序列） | 无（静态，但有梯度方向） |
| 典型分辨率 | 1 mm³ | 2-3 mm³ | 1.5-2.5 mm³ |
| 扫描时间 | 5-10 分钟 | 10-30 分钟 | 10-30 分钟 |
| 主要指标 | 体积、厚度 | 激活强度、功能连接 | FA、纤维束 |
| 回答的问题 | “大脑长什么样？” | “大脑哪里在活动？” | “大脑如何连接？” |
| 概念 | 类型 | 说明 |
|---|---|---|
| 3T、7T | 硬件参数 | 扫描仪的磁场强度，不是数据类型 |
| 结构像（sMRI） | 数据类型 | 静态解剖，看“大脑长什么样” |
| 任务态 fMRI | 数据类型 | 执行任务时的脑活动，看“哪里参与这个任务” |
| 静息态 fMRI | 数据类型 | 休息时的自发脑活动，看“哪些脑区一起工作” |
| 弥散像（dMRI） | 数据类型 | 白质纤维连接，看“大脑如何连接” |