企业官网建设流程全解析

ALFF（amplitude of low-frequency fluctuation）和ReHo（regional homogeneity）都是静息态 fMRI 中常用的局部脑活动指标。ALFF 关注某一频段内 BOLD 信号振幅，ReHo 关注一个体素与其邻近体素时间序列的一致性。两者使用同一批功能数据，也共享大部分基础预处理步骤，但在时间滤波和空间平滑等环节存在关键差异。

实际处理中，“ALFF 和 ReHo 分开预处理”更准确的理解，是先完成共同的预处理主干，再在指标计算前分支。没有必要从 DICOM 开始建立两套完全独立的流水线。真正需要避免的是把同一套滤波、平滑设置机械地同时用于两个指标。

静息态 fMRI 分析中，ALFF 与 ReHo 对预处理步骤的要求并不完全一致，尤其在空间平滑、时间滤波、动态窗口和指标标准化等环节容易混淆。下面结合 RESTplus / SPM 的常见处理逻辑，梳理这些关键问题。

ALFF与ReHo的处理主线

实践中真正容易混淆的几个问题

问题一：把“分开处理”理解成从头跑两套完全独立的预处理

基础步骤可以共用。去初始时间点、Slice Timing、Realignment 和空间标准化都可以使用同一份处理结果。真正需要分开的环节出现在指标计算前后，尤其是 ReHo 对空间平滑非常敏感，ALFF 对时间滤波的要求也与 ReHo 不完全相同。

更实用的做法是保留一份“未平滑的共同预处理 4D 数据”，再从这里建立 ALFF和 ReHo 两个分支。这样既能减少重复计算，也能保证两个指标使用相同的头动校正、标准化和混杂控制策略。

问题二：ReHo计算前先做空间平滑

这是ReHo中最需要避免的处理顺序之一。ReHo 使用 Kendall’s coefficient of concordance（KCC）衡量一个体素与其邻近体素时间序列的一致性。空间平滑会直接混合相邻体素信号，使邻近时间序列变得更相似，从而人为改变局部一致性和空间边界。

因此，ReHo应在未平滑的4D时间序列上计算。常见流程是在完成标准化、混杂协变量以及计划中的时间滤波后计算 ReHo，随后再对 ReHo 指标图进行空间平滑，用于后续组水平统计。若在计算 ReHo 前先平滑，邻近体素信号会被人为混合，可能抬高局部同步性并削弱空间特异性，因此通常不建议这样处理。

图1.ReHo 计算示意图，一般选择27个相邻体素计算ReHo。

问题三：把ReHo的带通滤波设置直接照搬到ALFF

ReHo和ALFF在时间滤波上的逻辑不同。ReHo 常在计算前对时间序列进行带通滤波，以限定分析频段并减少极低频漂移和较高频噪声。实际分析中，0.01–0.08 Hz 或0.01–0.10 Hz 都是文献中常见设置。

对于常规ALFF，RESTplus的常见做法是使用未经过同一目标频段带通滤波的残差时间序列进行频域转换，然后直接从功率谱中提取目标频段的振幅。如果先把数据严格限制在 0.01–0.08 Hz，再计算同一频段 ALFF，会让“滤波”和“指标定义”发生重复。

图2.ALFF 计算频段示意图，一般提取0.01-0.08Hz频段计算ALFF。

问题四：把平滑核大小写成固定答案

平滑核没有适用于所有项目的单一数值。4–6 mm FWHM 在常见 2–3 mm 重采样体素的静息态研究中很常见，部分研究也使用 8 mm。选择时应考虑重采样后的体素尺寸、目标脑区大小以及希望保留的空间特异性。小脑、脑干或体积较小的结构通常更需要谨慎控制平滑程度。

同一研究内部最重要的是保持所有被试和组别使用一致的平滑策略，并明确报告 FWHM。对 ReHo，平滑应放在 ReHo 图生成之后；对 ALFF，文献中既有计算前平滑，也有指标图生成后平滑的实现。只要方法依据清楚、全体被试一致，并在论文中准确描述即可。

问题五：混杂协变量、全局信号和去趋势被当成固定勾选项

头动、白质和脑脊液信号通常需要在指标计算前控制，Friston 24 参数模型也是常见的头动回归方案。全局信号回归（GSR）仍存在方法学争议，它会改变信号分布以及区域间关系，因此不适合简单写成“默认必须回归”或“默认绝不回归”。更稳妥的做法是预先确定主分析方案，必要时增加包含或不包含 GSR 的敏感性分析。

线性去趋势同样不应被描述成与带通滤波互相排斥。去趋势用于控制缓慢的线性漂移，很多 RESTplus 处理流程会在 ALFF 或 ReHo 前使用。是否执行应结合整个时间域处理链统一决定，并在所有被试中保持一致。

问题六：动态ALFF/ReHo的窗口长度和步长直接套固定数值

滑动窗长度是动态指标最敏感的参数之一。30–60 s 的窗口在部分动态研究中使用过，但如果分析关注低至 0.01 Hz 的波动，应特别注意窗口长度与最低频率之间的匹配。很多研究依据 1/fmin 原则采用约 100 s 或更长的窗口，例如 TR = 2 s 时可考虑 50 TR 左右。窗口过短更容易产生不稳定或伪动态，窗口过长则会降低对快速变化的敏感性。

步长决定相邻窗口的重叠程度和窗口数量。1–5 TR 都有实际应用。步长越小，相邻窗口越相似、计算量越大；步长越大，窗口数量减少，但时间分辨率下降。动态分析更推荐预先设定主窗口，并增加一个或多个替代窗口长度作为敏感性分析，而不是根据结果再反向选择参数。

图3.静态ALFF与动态ALFF-CV指标示意图。

问题七：把Z标准化当成对异常值处理

ALFF/ReHo的mALFF、zALFF、mReHo或zReHo主要用于个体内尺度标准化和跨被试比较。Z 标准化不会自动“压缩”真正的异常值，也不能替代影像 QC、头动检查和统计学离群值诊断。发现极端值时，应先判断其来源是配准失败、运动残余、掩模问题还是实际个体差异，再决定是否排除或采用稳健统计。

在动态分析中，STD（或方差）和CV都可以描述窗口间波动。STD 表示绝对变异，CV = STD / mean 表示相对变异。一般情况下，可优先选择 CV 进行后续统计分析，但是 CV 在均值接近 0 时会变得不稳定，因此不能简单理解为 CV 一定由于 STD。应根据指标尺度和研究问题选择，并在同一分析中保持定义一致。

实际处理建议

如果同时计划计算 ALFF 和 ReHo，可以先完成共同预处理，然后保留未平滑的 4D 数据作为分支起点。ALFF 分支从未进行带通滤波的时间序列中计算目标频段振幅，再按预设方案进行空间平滑（可在计算 ALFF 之前，也可放在计算 ALFF 之后，推荐在计算 ALFF 之前平滑）和标准化；ReHo 分支先按研究频段进行带通滤波，在未平滑数据上计算 KCC，再对 ReHo 图进行标准化和平滑。动态 ALFF / ReHo 则分别沿用对应静态指标的预处理原则，在滑动窗口内重复计算指标，并进一步计算反映其变异性的STD或CV指标。

这样处理的核心价值是让共同步骤保持一致，同时把真正影响指标定义的步骤单独控制。RESTplus 可以完成常规预处理及 ALFF、ReHo 等指标计算，SPM/MATLAB 可用于额外的平滑、统计建模或自定义脚本。工具本身没有必要人为固定成“前处理只能用某一个软件、统计只能用另一个软件”，更重要的是记录软件版本、参数、步骤顺序和输入输出文件。