当前，功能磁共振成像（fMRI）的最重要临床应用是预防功能缺陷的术前计划（Bookheimer，2007 ; Stippich，Blatow，＆Garcia，2015）。通过确定术中作图的必要性，必要的脑暴露范围以及最安全的手术途径，fMRI数据可用于影响患者的手术管理（Morrison等，2016）。实现高可靠性的fMRI激活图对于在术前计划中保留雄辩的运动和语言区域至关重要（Nettekoven，Reck，Goldbrunner，Grefkes和＆Lucas，2018年）。
尽管在功能磁共振成像方面进行了将近三十年的研究，但成像程序，数据处理和结果解释的标准化很少（Stippich等，2015）。最近，美国功能神经放射学学会（ASFNR）发布了一份白皮书，介绍了用于手术前语言评估的推荐范例（Black等人，2017年）。美国神经病学学会已经发布了在癫痫患者的术前评估中使用fMRI的指南（Szaflarski et al。，2017）。但是，对于数据处理，仍然没有准则，因地而异。缺乏标准化的处理方法表明fMRI激活图的精度可能会在各个站点之间变化。
在实验设计和数据采集过程中可以执行许多步骤来提高fMRI结果的可重复性。贝内特和米勒（2010，2013）建议其维护良好的扫描仪，精心设计的任务（目标与非目标，块设计），培训一个模拟扫描仪主题，并采取较长的扫描时间优势在可能的情况。对于经历多个疗程的受试者，在一天的同一时间进行扫描可以减少由激素水平的昼夜变化引起的变异性（Bennett＆Miller，2010）。Gorgolewski，Storkey，Bastin，Whittle和Pernet（2013）讨论了不同的任务如何涉及不同的认知策略，并报告说所使用的任务类型可以解释单项信度的30％–40％。
早期研究表明，运动校正可以提高fMRI的敏感性（Morgan，Dawant，Li和Pickens，2007； Oakes等，2005）。但是，运动校正也会引起人为信号。Freire和Mangin（2001）报告说，标准的运动校正方法可能会引起虚假激活，从而增加了假阳性的出现。Grootoonk等。（2000）表明非理想的插值方法可以在运动校正过程中产生残留的伪像。Voyvodic（2012）报告说运动校正不能提高可重复性，但是未提供细节。尽管通常由于假定的益处而应用了运动校正，但仍不清楚它对fMRI激活的再现性有什么影响，以及不同的运动校正方法是否会对激活的再现性产生不同的影响。
从OpenNeuro网站（OpenNeuro，2017）下载了公开可用的重测fMRI数据集（Gorgolewski，Storkey，Bastin，Whittle，Wardlaw等，2013）。十个正常健康受试者（中位年龄为52.5岁，年龄范围为50-58，四名男性，六名女性）中的每一名都在两次会议中进行了扫描，相隔2天或3天。该研究得到苏格兰东南部研究伦理委员会01的批准。
受试者执行了五项行为任务：（1）重复单词，（2）隐式动词生成，（3）显式动词生成，（4）（a）手指，（b）脚或（c）嘴唇的运动（5）（a）视觉地标识别任务或（b）视觉检测任务。这些任务已通过小组研究很好地确立，并有可能在术前皮层标测中使用（Gorgolewski，Storkey，Bastin，Whittle，Wardlaw等，2013年）。）。任务时间安排如下。公开词重复任务包括四个重复时间（TRs）的休息时间，然后是六个周期的六个任务TR和六个休息时间的TR（总共76个图像量），使用了5 s的有效TR的稀疏采样。隐式动词生成任务包括五个静息TR，然后是七个周期，分别是任务12个TR和静息12个TR（总共173个图像体积）。显式动词生成任务包括四个TR的静息，然后是七个周期的六个TR任务和六个TR的静息（总共88个图像体积），使用了5 s的有效TR的稀疏采样。运动任务包括四个静息TR，然后是十个周期，六个周期是指轻敲任务的六个TR，六个是脚踏任务的TR和六个动唇任务的TR（共184个图像体积）。
在英国爱丁堡大学脑成像中心的带有8通道相控阵线圈的GE Signa HDxt 1.5 T扫描仪上采集图像。所有fMRI采集均使用视野（FOV）为256×256 mm 2的单次梯度回波回波平面图像（EPI），切片厚度= 4 mm，每个图像体积30切片，交错采集顺序，矩阵为64 ×64，TR = 2.5 s，回波时间（TE）= 50 ms，翻转角= 90°。因此，EPI体素尺寸为4×4×4 mm 3。在冠状平面中获取高分辨率3D T 1加权图像，其FOV = 256×256 mm 2，切片厚度= 1.3 mm，156切片，采集矩阵为256×256，TR = 10s，TE = 4 ms ，并且反转时间（TI）为500毫秒。
使用本地编写的Shell脚本AFNI（AFNI_18.0.05版）（Cox，1996），FSL（5.0.10版）（Smith等人，2004）和为MATLAB编写的本地编写程序（R2018b版本）处理图像数据。马萨诸塞州内蒂克（MathWorks，Inc.）
在预处理期间，将高分辨率的T 1图像体积重新采样为1×1×1 mm 3分辨率（使用AFNI程序3dresample），使其倾斜（使用AFNI程序3dWarp），并去除颅骨强度（使用AFNI程序3dSkullStrip） 。复检会话Ť 1个然后图像体积对准到测试会话Ť 1图像体积（使用AFNI程序3dAllineate）。然后将T 1图像体积分为灰质，白质和脑脊液（使用FSL程序快速）（Zhang，Brady和Smith，2001）。他们还被扭曲到MNI152地图集大脑（使用AFNI程序 @auto_tlrc ）。将EPI图像卷解斜（使用AFNI程序 3drefit），与相应的 T 1图像卷对齐（使用AFNI命令 align_epi_anat.py），并删除零值切片（使用AFNI命令 3dZcutup）。
这项研究确定了不同的数据处理方法，以提高三个单对象功能性核磁共振成像激活指标的可重复性。最小的空间平滑和AMPLE阈值改善了激活体积的重现性。仿射运动校正和最小的空间平滑度提高了重心的重现性。仿射运动校正和慷慨的空间平滑改善了激活重叠的可重复性。但是，将激活重叠作为重测指标可能并不明智，因为任何提高灵敏度（降低特异性）的方法都可以人为地增加重叠。
这项研究表明，提高重复性所需的数据处理方法取决于感兴趣的fMRI激活指标。未来关于fMRI可重复性的研究应确定先验研究哪些fMRI激活指标。检查具有临床重要性的fMRI激活指标的可重复性比检查体素指标的可重复性将更为有益。
这项研究的结果可以应用于术前fMRI的使用，以提高fMRI激活图的准确性，并增加它们用于帮助神经外科医生避免去除关键的运动和大脑语言区域的信心。该结果还可以应用于RSNA QIBA fMRI的研究工作，以创建一个配置文件，以改善单对象fMRI激活的重现性并将其用作定量成像生物标记物。
