作者：长沙茗创科技（脑科学数据分析团队）
使用 RESTplus 处理静息态 fMRI 时，界面中的模块往往并不难操作，真正困难的是参数怎么选。初始时间点删多少、头动标准定多严、平滑核用多大、全局信号要不要回归，这些选择都会改变后续结果。与其记住一套固定参数，不如先弄清每一步解决什么问题、可能带来什么影响。下面结合 6 类常见情况，梳理判断依据和更稳妥的处理方式。
一.前N个时间点的去除------"去得太多"或"去得不够"
现象：不同数据处理中，初始时间点的剔除数量可能存在差异，如剔除前 5 个或前 10 个时间点。对于本身扫描时长较短的数据，过多剔除可能导致有效时间序列进一步缩短。
原因：扫描刚开始时，信号可能尚未完全进入稳定状态，被试也可能仍在调整呼吸或头部姿势。不过，采集端有时已经设置了预扫描或未保存的初始采集，因此导出的第一个 volume 不一定就是扫描仪真正采到的第一帧。
正确做法：
1.**确认扫描序列设置。**先与扫描人员确认序列是否包含预扫描或用于信号稳定的初始采集，并了解这些数据是否已在扫描仪端自动舍弃、未保存或未随影像导出，避免重复删除。
2.**检查序列初始阶段的信号稳定性。**查看时间序列前段的整体信号变化，关注信号是否存在明显波动以及是否逐渐趋于稳定，不建议仅根据某一帧图像的亮暗变化判断需要删除的时间点数量。
3.**合理确定删除数量。**实际研究中常见剔除前 5 或 10 个时间点，但并不存在适用于所有数据的固定数量。应结合 TR、扫描序列设置、总采集时长及研究对象等因素综合确定，并在正式分析前统一处理规则，避免不同被试采用不同的删除标准。
4.**核对删除后的数据长度。**完成初始时间点删除后，应记录并检查剩余 volume 数量。后续时间层校正、头动校正及其他预处理步骤均应基于删除后的时间序列进行，并确保后续分析所使用的时间点数量与实际数据一致。
二.头动排除阈值的选取------"阈值太宽"或"阈值太严"
现象：头动排除阈值设置过宽时，可能保留运动幅度较大的被试，增加残余头动对 BOLD 信号及后续分析结果的影响；阈值设置过严时，则可能排除较多被试，尤其对于小样本研究，可能进一步减少有效样本量并降低统计功效。
原因：最大平移和最大旋转主要反映整个扫描过程中出现的极端运动幅度，但无法描述头动发生的频率、持续时间及其随时间的变化，也难以反映相邻 volumes 之间的瞬时运动。
正确做法：
1.统一头动排除标准。在正式分析前确定头动质控规则，并对所有被试采用一致的标准，避免因个体差异临时调整排除条件。
2.**选择合适的头动指标。**可根据最大平移和旋转，或逐帧位移（framewise displacement，FD）进行被试排除。在满足研究预设最低质控要求的前提下，可结合样本量选择能够减少不必要被试损失的方案，但不应为保留样本而放宽基本质控标准。
3.**处理高运动时间点。**对明显的高运动时间点，可采用 scrubbing 等方法识别并处理坏帧，例如将其从后续分析中剔除（censoring）或根据具体分析流程进行插补。
4.**完整记录质控结果。**保存所采用的头动指标、排除阈值、高运动时间点处理方法及最终被试排除情况，保证后续分析和结果报告的一致性。
图1.6个头动参数示意图。
三.平滑核大小的取舍------"过平滑"与"欠平滑"
现象：平滑核设置过大时，相邻脑区的信号可能被过度混合，使局部效应的空间边界变得模糊，降低对细粒度空间差异的识别能力；平滑核设置过小时，对随机噪声的抑制有限，可能无法充分发挥提高信噪比的作用。
原因：课程给的参考是平滑核取体素尺寸的 2--3 倍（常用 6 6 6），但它不是万能默认值------自己数据的体素多大、关注的空间尺度多细，决定核该多大。照搬别人的核宽，可能把真实差异抹掉。
正确做法：
1.**结合体素大小选择平滑核。**常见做法是选择约为体素尺寸 2--3 倍的 FWHM，但不应机械套用固定参数。
2.**根据分析目的适当调整核宽。**关注较小脑区、局部效应或精细空间差异时，可适当减小平滑核；关注较大尺度的空间效应时，可考虑较大的平滑核。
四.全局信号回归的取舍------"随意开关"
现象：有些处理中默认进行全局信号回归（global signal regression，GSR），有些则直接关闭；还有研究在看到分析结果后再决定是否进行 GSR。不同处理方式可能改变功能连接的强度和分布，导致同一批数据得到不同的结果。
原因：全局信号包含呼吸、心跳、头动及扫描漂移等非神经来源的成分，但也可能包含与广泛神经活动相关的信号。GSR 可以降低部分全脑共享噪声的影响，但同时会重新调整功能连接的相关性分布，并可能增加或强化负相关。因此，是否进行 GSR 并不是简单的"去噪越多越好"。
正确做法：
1.根据研究目的提前确定是否进行 GSR **。**在正式分析前固定处理策略，并对所有被试采用一致的处理流程，不建议根据结果显著与否临时开启或关闭 GSR。
2.**必要时进行敏感性分析。**对 GSR 可能明显影响研究结论的分析，可分别采用有 GSR 和无 GSR 的处理流程，比较主要结果是否稳定。
3.**完整报告处理策略。**在方法部分明确说明是否进行了 GSR，并同时报告白质、脑脊液、头动参数等其他混杂信号的处理方式。
图2.全局信号回归的Restplus操作界面。
五.ReHo计算顺序的硬约束------"先平滑后计算"是误区
现象：先对功能数据进行空间平滑，再计算 ReHo，可能使局部一致性被人为提高。
原因：ReHo 衡量相邻体素时间序列的一致性，而空间平滑会使邻近体素信号更加相似，因此先平滑可能影响 ReHo 的真实局部特征。
正确做法：通常应使用未平滑的预处理数据计算 ReHo，再对得到的 ReHo 图进行空间平滑；同时在所有被试中保持一致的平滑参数。
图3.ReHo 指标示意图，一般选择27个相邻体素计算ReHo。
六.去线性趋势与头动参数回归的遗漏------"忘记勾选"
现象：预处理时遗漏线性趋势或头动参数回归，导致低频漂移和运动相关信号残留，影响后续功能指标的稳定性。
**原因：**BOLD 时间序列可能存在随扫描时间变化的低频漂移，同时头动也会引入与神经活动无关的信号变化。仅进行头动校正并不能完全消除这些影响。
**正确做法：**在去除混杂信号时，根据分析流程进行线性趋势处理，并回归头动相关参数以及白质、脑脊液信号。常用 Friston 24 参数模型，包括 6 个当前头动参数、6 个前一时间点参数及两者的平方项；所有被试应采用一致的回归策略。
图4.去线性趋势以及混杂变量回归的Restplus操作界面。
结语：预处理参数需要与数据和分析目标相匹配