神经胶质瘤是最常见的颅内肿瘤,约占所有脑肿瘤的70-80%。神经外科手术是最常用治疗手段。对肿瘤组织以及瘤周重要功能区进行精确的定位能够辅助神经外科手术在尽可能保护重要功能区的前提下,进行肿瘤组织的的最大化切除,这能够大大减少患者的死亡率,进一步提高病人术后生活质量。血氧水平依赖的功能磁共振成像(BOLD-fMRI)是用于辅助术前定位重要功能区的常规检查模态。在本研究中我们揭示了这个成像模态在术前的另外一项有趣的创新性的应用：术前肿瘤组织的功能定位。我们提出了全新的基于静息态fMRI和独立成分分析(ICA)以及基于模板匹配的自动化肿瘤组织识别算法—“基于辨别力指数的成分识别(DICI)"对神经胶质瘤病人进行术前肿瘤组织定位。我们从三个中心采集了32个神经胶质瘤病人的数据来验证我们方法的可行性,并且从第四个中心采集了28个非脑部肿瘤(骨骼肌肿瘤的数据来探究肿瘤组织识别的潜在生理机制。我们运用个体水平的ICA方法,并且在多个成分数(TNCs)上重复运行,把静息态fMRI数据分解成多个空间独立的成分。然后运用自动化成分识别的DICI算法来识别最优的肿瘤相关成分以及与之对应的最佳TNCs。结果表明前三个中心肿瘤组织识别的成功率分别为100%,100%,93.75%,第四个中心非脑部肿瘤的的识别成功率也到到85.19%。不同的肿瘤大小、位置以及病理机制都不阻碍我们方法的运用。我们还证明了DICI算法不受二值化阈值的影响,具有较高的鲁棒性。此外,考虑到个体间差异较大,我们也是首个提出“被试特定的TNCs"来识别感兴趣成分(如本研究中的最优肿瘤相关成分)的研究,即每个被试都有其合适的最佳的模型阶数(总的成分个数,TNCs),而不是所有的被试都采用统一的TNCs。我们还把我们的方法与已有研究运用的比较多的种子点相关分析方法进行比较,结果表明我们的自动化肿瘤组织识别方法要优于种子点相关分析方法。最后,对于自动化肿瘤组织识别如此高的成功率,我们提出了一些可能的潜在生理机制的解释。BOLD信号不仅受自发神经活动的影响,而且与脑血流(CBF)、血容量(CBV)以及微血管的自我调节等因素密切相关。肿瘤组织异于正常组织的形态学以及代谢的差异很可能导致局部脑血流增加、不正常的血管化、血管运动以及微血管的自我调节等,因此肿瘤组织也有其不同的BOLD信号强度。ICA作为一种敏感的盲源分离方法,恰好能够抓住肿瘤组织BOLD信号这种不正常的时空特征,从而能够分离出“肿瘤相关成分”。这些有趣的发现都表明静息态BOLD-fMRI作为一种富有前景的非侵入性技术将为综合的术前评估提供更多有用的辅助信息。