心理所论文DPABI入选ESI Top千分之一高被引论文

　　在2019年1月发布的Essential Science Indicators（ESI，基本科学指标）数据库中，中国科学院心理研究所严超赣研究员团队发表的论文《DPABI: Data Processing & Analysis for (Resting-State) Brain Imaging》入选Neuroscience & Behavior研究领域的ESI Top千分之一高被引论文。这是当期ESI数据中唯一一篇以中国科学院心理研究所为第一单位的千分之一高被引论文。而在整个ESI Neuroscience & Behavior研究领域中，以中国大陆机构为第一单位的千分之一高被引论文一共只有8篇（数据来源：CLARIVATE ANALYTICS和中国心理科学信息中心）。

　　该论文发表于Neuroinformatics，介绍了严超赣研究员开发的脑影像数据处理与分析平台DPABI，入选ESI Top千分之一高被引论文表明DPABI在国际上的重要影响力。 

　　DPABI（脑成像数据分析平台，Data Processing & Analysis for (Resting-State) Brain Imaging）是在静息态功能磁共振流水线式数据处理软件DPARSF（Data Processing Assistant for Resting-State fMRI）基础上开发的一站式脑功能成像数据处理平台。该工具包融入了头动控制、噪声去除、数据标准化等方面的最新研究进展，强调了重测信度和质量控制在脑影像数据处理中的影响，为动物数据（如大鼠和非人类灵长类动物）的静息态功能磁共振数据提供了用户友好的流水线数据处理工具。其中，作为DPABI核心组件的DPARSF经过持续不断的更新升级，已经成为领域内广受欢迎的流水线式静息态数据处理平台之一。用户可以从扫描仪原始数据开始，通过申请人团队开发的一站式解决方案，计算出最后的静息态功能指标。DPARSF大大降低了静息态功能磁共振数据处理的门槛，研究者不需要深刻理解每一个预处理步骤的实施细节，也不需要进行繁琐耗时且易出错的手工操作，更无需熟练的编程技巧。DPARSF尤其适合于临床医生，以及机器学习等其他领域的研究者，快速地将静息态功能磁共振成像应用于其所关心的科学问题，而不必纠结于数据预处理的繁琐细节。 

　　近期，严超赣在DPABI/DPARSF标准化计算平台的基础上建设了静息态脑影像大数据共享平台(The R-fMRI Maps Project, http://rfmri.org/maps)，与全球用户共同累积正常人与多种脑疾病的静息态功能磁共振数据处理指标。DPABI包含了使用简单、界面友好的数据处理、整理和上传模块，研究者可以很方便地上传被试的标准化数据处理指标，避免了上传原始数据的种种弊端。另外，精心挑选的数据指标而不是庞杂的原始数据，更能促进科学共同体的广泛参与，充分利用各自学科的优势，探索精神疾病诊断治疗。基于公开数据，平台已经共享了4702名被试静息态影像数据，已有1000余名研究者下载该数据用于研究。 

　　DPABI完全免费，研究者可以随时前往http://rfmri.org/dpabi下载使用，http://rfmri.org/Course提供了丰富的免费视频课程，可以帮助研究者快速掌握该软件。 

　　除了DPABI论文之外，严超赣研究员还有一篇第一作者论文《A comprehensive assessment of regional variation in the impact of head micromovements on functional connectomics》入选ESI Top千分之一高被引论文，还有两篇第一/通讯作者论文（《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》）入选ESI Top百分之一高被引论文。 

　　参考文献： 

　　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.