定义
头动矫正是功能磁共振成像（fMRI）数据预处理中的基本步骤之一，其目的是去除被试在长时间fMRI扫描采样过程中发生微小的头动运动（呼吸、心跳等生理因素和外界环境因素的影响）给后续数据分析处理带来的干扰。
在做fMRI数据分析时，一个基础假设是整个扫描采集期间被试大脑保持静止不动，这样可以使得每张图像中的每个体素总是能代表和反映大脑某一区域的活动变化。而采集过程中不由自主的头动会使破坏这一对应关系，对后续的数据处理分析造成干扰。因此，为了减少误差，在进行数据预处理时需要采用图像配准策略确保不同时间序列图像的体素位置完全对应，进而来消除微小头动的影响。
经典的头动矫正算法假设大脑为刚性物体，进而将大脑的运动看成是头部在三维空间中平移和旋转运动的组合。因此，头动矫正的算法思路为，利用一个代价函数（互信息）来描述所有图像与靶图像的相似度和重合度，迭代头部的平移和旋转参数，使得代价函数最小化，最终实现所有图像序列的配准。一般来说，靶图像通常为第一张图像或者所有图像关于时间的平均图像。
目前很多开源的脑功能分析处理工具软件都包含了fMRI数据头动矫正的功能，例如SPM、AFNI和FSL等，下图为SPM计算得到的每张图像头动参数。
图 1 所有图像随时间变化的头动的平移和旋转参数[1]。
参考文献
[1] Henson R. Multimodal dataset: Localising face-evoked responses using MEG, EEG, sMRI and fMRI[J].
