赞
踩
被试DWI和T1数据,均放置在同一文件夹/home/hitlab/hitlab/GS/data/tt1/text下。数据类型均为 DICOM 格式。
原理说明:DWI的DICOM数据进行格式转换成mif格式,mif格式是MRtrix自定义的格式,同时储存图像 信息,图像头文件和梯度信息。
mrconvert /home/hitlab/hitlab/GS/data/tt1/text/DTI dwi.mif
另外若将.nii.gz .bvec .bval 文件转换为.mif文件可以用
mrconvert -fslgrad bvecs.txt bvals.txt biascorr.nii biascorr.mif
原理说明:将从磁共振扫描仪上采集的T1原始数据DICOM转换成 NIFTI 格式,使用 dcm2nii
dcm2nii /home/hitlab/hitlab/GS/data/tt1/text/DTI
原理说明:去图像热噪声,增加信噪比SNR
dwidenoise dwi.mif dwi_denoised.mif
原理说明:包括去磁敏感伪影(susceptibility-induced distortion),涡流伪影(eddy current-induced distortion),头动效应(motion effect)。这一步依赖FSL。-rpe_header表示从头信息中提取phase-encoding,用于去磁敏感伪影。如果图像没有用到phase-encoding,就不需要做去磁敏感伪影。
dwifslpreproc dwi_denoised.mif dwi_denoised_preproc.mif -rpe_header
fslroi dwi.nii.gz b0.nii.gz 0 -1 0 -1 0 -1 0 1
原理说明:生成mask是为了在后续步骤中限定图像分析的范围在脑内而非脑外.
dwi2mask dwi_denoised_preproc.mif dwi_mask.mif
原理说明:global intensity normalisation主要通过对b0图像的低频信号不均匀性估计,矫正整个DWI图像。利用FSL
Dwibiascorrect fsl dwi_denoised_preproc.mif dwi_denoise_preproc_bias.mif -mask dwi_mask.mif
QC:mrview dwi_denoised_preproc_bias.mif -roi.load dwi_mask.mif
原理说明:从DWI估计出tensor文件,再生成各种参数图包括fractional anisotropy (FA)、mean diffusivity (MD)、axial diffusivity (AD)、radial diffusivity (RD)。
dwi2tensor dwi_denoise_preproc_bias.mif tensor.mif
tensor2metric -fa FA.nii.gz tensor.mif
tensor2metric -adc MD.nii.gz tensor.mif
tensor2metric -ad AD.nii.gz tensor.mif
tensor2metric -rd RD.nii.gz tensor.mif
原理说明:T1的主要目的是用于dMRI图的定位。把T1配准到DTI,而非 DTI配准到T1的好处是:不用调整diffusion gradient 的方向。首先把T1 配准到dMRI空(刚体变换+标准互信息相似度+三线性插值)。
/usr/share/fsl/5.0/bin/flirt -in /home/hitlab/hitlab/GS/data/tt1/text/coT1.nii -ref /home/hitlab/hitlab/GS/data/tt1/text/b0.nii.gz -out /home/hitlab/hitlab/GS/data/tt1/text/r182 -omat /home/hitlab/hitlab/GS/data/tt1/text/r182.mat -bins 256 -cost normmi -searchrx -180 180 -searchry -180 180 -searchrz -180 180 -dof 6 -interp trilinear
原理说明:这一步需要用户自定义,比如用户要看穿过双侧桥脑的纤维,在lookuptable中找到双侧前脑的index是133和134,然后生成桥脑的binary mask
fslmaths r182.nii.gz -thr 133 -uthr 134 -bin r182_roi1
这里-thr 133是忽略灰度小于133的label,-uthr 134是忽略回答大于134的label,-bin是binary操作
tckgen dwi_denoised_preproc_bias.mif track_roi1.tck -algorithm Tensor_Det -select 2000 -mask dwi_mask.mif -seed_image r182_roi1.nii.gz
tckgen wmfod.mif track_roi1.tck -seed_image r182_283Labels_roi1.nii.gz -mask dwi_mask.mif -select 2000
原理说明:统计值包括纤维的平均长度、纤维根数等,由console直接返回结果。
tckstats track_roi1.tck
提取纤维DTI参数值
原理说明: 生成的文本文件包括每一根纤维束的FA、MD、AD、RD均值。
tcksample track_roi1.tck FA.nii.gz FA_roi1.txt -stat_tck mean
tcksample track_roi1.tck MD.nii.gz MD_roi1.txt -stat_tck mean
tcksample track_roi1.tck AD.nii.gz AD_roi1.txt -stat_tck mean
tcksample track_roi1.tck RD.nii.gz RD_roi1.txt -stat_tck mean
原理说明:如果dMRI的数据是按照DTI protocol扫描的,那么常规处理是用DTI框架下的tensor建模。优点是运算量小,可解释性好,缺点是对于存在交叉纤维的体素容易追错纤维方向。
tckgen dwi_denoised_preproc_bias.mif track.tck -algorithm Tensor_Det -select 20000 -mask dwi_mask.mif -seed_image dwi_mask.mif
原理说明:CSD是一种HARDI技术,主要针对高b值多梯度的dMRI数据进行diffustion建模。首先估计响应函数response function,这是下一步spherical deconvolution 的关键;然后进行球面反卷积CSD,球面反卷积模型可以估计出每个体素的弥散分布,这和DTI的tensor三轴估计形成了本质区别;然后默认是利用概率性纤维追踪法,随机的在mask区域内设定种子点,从每个种子点开始进行纤维束追踪,直到完成指定数目的纤维束;最后再进行SIFT矫正,去除部分追的不好的纤维,使得追出的局部纤维数目正比于真实的局部神经纤维密度。
dwi2response tournier dwi_denoised_preproc_bias.mif response.txt
dwi2fod csd dwi_denoised_preproc_bias.mif response.txt wmfod.mif -mask dwi_mask.mif
tckgen wmfod.mif CSDtrack.tck -seed_image dwi_mask.mif -mask dwi_mask.mif -select 2000000
tcksift CSDtrack.tck wmfod.mif CSDtrack_sift.tck -term_number 100000
这里是进行全脑纤维追踪,-select是选择预期追到的纤维根数,可以由用户自定义。
QC:tckedit CSDtrack_sift.tck track.tck -number 10000
mrview 182.nii.gz -tractography.load track.tck
利用全脑纤维追踪方法提取局部纤维。
tckedit track.tck track_roi1.tck -include r182_roi1.nii.gz
原理说明:统计值包括纤维的平均长度、纤维根数等,由console直接返回结果。
tckstats track_roi1.tck
原理说明: 生成的文本文件包括每一根纤维束的FA、MD、AD、RD均值。
tcksample track_roi1.tck FA.nii.gz FA_roi1.txt -stat_tck mean
tcksample track_roi1.tck MD.nii.gz MD_roi1.txt -stat_tck mean
tcksample track_roi1.tck AD.nii.gz AD_roi1.txt -stat_tck mean
tcksample track_roi1.tck RD.nii.gz RD_roi1.txt -stat_tck mean
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。