心理所論文DPABI入選ESI Top千分之一高被引論文

　　在2019年1月發布的Essential Science Indicators（ESI，基本科學指標）數據庫中，中國科學院心理研究所嚴超贛研究員團隊發表的論文《DPABI: Data Processing & Analysis for (Resting-State) Brain Imaging》入選Neuroscience & Behavior研究領域的ESI Top千分之一高被引論文。這是當期ESI數據中唯一一篇以中國科學院心理研究所為第一單位的千分之一高被引論文。而在整個ESI Neuroscience & Behavior研究領域中，以中國大陸機構為第一單位的千分之一高被引論文一共只有8篇（數據來源：CLARIVATE ANALYTICS和中國心理科學信息中心）。

　　該論文發表于Neuroinformatics，介紹了嚴超贛研究員開發的腦影像數據處理與分析平臺DPABI，入選ESI Top千分之一高被引論文表明DPABI在國際上的重要影響力。 

　　DPABI（腦成像數據分析平臺，Data Processing & Analysis for (Resting-State) Brain Imaging）是在靜息態功能磁共振流水線式數據處理軟件DPARSF（Data Processing Assistant for Resting-State fMRI）基礎上開發的一站式腦功能成像數據處理平臺。該工具包融入了頭動控制、噪聲去除、數據標準化等方面的最新研究進展，強調了重測信度和質量控制在腦影像數據處理中的影響，為動物數據（如大鼠和非人類靈長類動物）的靜息態功能磁共振數據提供了用戶友好的流水線數據處理工具。其中，作為DPABI核心組件的DPARSF經過持續不斷的更新升級，已經成為領域內廣受歡迎的流水線式靜息態數據處理平臺之一。用戶可以從掃描儀原始數據開始，通過申請人團隊開發的一站式解決方案，計算出最后的靜息態功能指標。DPARSF大大降低了靜息態功能磁共振數據處理的門檻，研究者不需要深刻理解每一個預處理步驟的實施細節，也不需要進行繁瑣耗時且易出錯的手工操作，更無需熟練的編程技巧。DPARSF尤其適合于臨床醫生，以及機器學習等其他領域的研究者，快速地將靜息態功能磁共振成像應用于其所關心的科學問題，而不必糾結于數據預處理的繁瑣細節。 

　　近期，嚴超贛在DPABI/DPARSF標準化計算平臺的基礎上建設了靜息態腦影像大數據共享平臺(The R-fMRI Maps Project, http://rfmri.org/maps)，與全球用戶共同累積正常人與多種腦疾病的靜息態功能磁共振數據處理指標。DPABI包含了使用簡單、界面友好的數據處理、整理和上傳模塊，研究者可以很方便地上傳被試的標準化數據處理指標，避免了上傳原始數據的種種弊端。另外，精心挑選的數據指標而不是龐雜的原始數據，更能促進科學共同體的廣泛參與，充分利用各自學科的優勢，探索精神疾病診斷治療。基于公開數據，平臺已經共享了4702名被試靜息態影像數據，已有1000余名研究者下載該數據用于研究。 

　　DPABI完全免費，研究者可以隨時前往http://rfmri.org/dpabi下載使用，http://rfmri.org/Course提供了豐富的免費視頻課程，可以幫助研究者快速掌握該軟件。 

　　除了DPABI論文之外，嚴超贛研究員還有一篇第一作者論文《A comprehensive assessment of regional variation in the impact of head micromovements on functional connectomics》入選ESI Top千分之一高被引論文，還有兩篇第一/通訊作者論文（《Standardizing the intrinsic brain: towards robust measurement of inter-individual variation in 1000 functional connectomes》和《Reproducibility of R-fMRI metrics on the impact of different strategies for multiple comparison correction and sample sizes》）入選ESI Top百分之一高被引論文。 

　　參考文獻： 

　　Yan, C.G., Wang, X.D., Zuo, X.N., Zang, Y.F., 2016. DPABI: Data Processing & Analysis for (Resting-State) Brain Imaging. Neuroinformatics 14, 339-351. 

　　Yan, C.G., Cheung, B., Kelly, C., Colcombe, S., Craddock, R.C., Di Martino, A., Li, Q., Zuo, X.N., Castellanos, F.X., Milham, M.P., 2013. A comprehensive assessment of regional variation in the impact of head micromovements on functional connectomics. Neuroimage 76, 183-201. 

　　Yan, C.G., Craddock, R.C., Zuo, X.N., Zang, Y.F., Milham, M.P., 2013. Standardizing the intrinsic brain: towards robust measurement of inter-individual variation in 1000 functional connectomes. Neuroimage 80, 246-262.  

　　Chen, X., Lu, B., Yan, C.G., 2018. Reproducibility of R-fMRI metrics on the impact of different strategies for multiple comparison correction and sample sizes. Hum Brain Mapp 39, 300-318.