Freesurfer学习笔记——Multimodal Integration(2.1 Individual fMRI Integration ) 8/13_aparc和aseg

本节目的：使用单个对象的数据来执行fMRI集成

数据：功能生物医学信息学研究网络Functional Biomedical Informatics Research Network（fBIRN）。

1. fMRI Basics

受试者受到刺激后，在功能磁共振成像fMRI中，大脑的某些区域诱发BOLD血液动力学反应功能（HRF）。 首先通过使用运动校正执行分析，然后将每个体素的时程与刺激时间表（与假设的HRF形状进行卷积）相关联。 结果是对每个体素上每个条件的HRF振幅的估计，各种条件的HRF振幅的对比度，此对比度的方差以及对显着性的某种度量（例如p，t，F或z）图 。 所有这些图都与运动校正模板（来自功能分析）对齐，应将其用作配准模板。

静息状态分析的教程：FsFastFunctionalConnectivityWalkthrough

2. Preparations

## bash
<source_freesurfer>
export TUTORIAL_DATA=<path_to_your_tutorial_data>
export SUBJECTS_DIR=$TUTORIAL_DATA/buckner_data/tutorial_subjs
cd $SUBJECTS_DIR/multimodal/fmri/fbirn-101
 
## tcsh
source $FREESURFER_HOME/SetUpFreeSurfer.csh
setenv TUTORIAL_DATA <path_to_your_tutorial_data>
setenv SUBJECTS_DIR $TUTORIAL_DATA/buckner_data/tutorial_subjs
cd $SUBJECTS_DIR/multimodal/fmri/fbirn-101

$SUBJECTS_DIR/multimodal/fmri/fbirn-101目录是fBIRN第一阶段获取的5个对象之一。 这些对象称为fbirn-10 ?，其中“？” 是1、3、4、5、6（请注意，缺少＃2）。 每个都有一个名为fbirn-anat-10？.v6的FreeSurfer重构（anat是解剖学的缩写）。 本教程仅使用对象fbirn-101（但您可以在其他对象上练习）。

数据是来自感觉运动范例（棋盘闪烁，听得见的声音和敲击手指）的结果。 原始的fMRI数据经过了运动校正，但没有被平滑。 每个对象都有四卷（fMRI分析的输出，在这种情况下，是通过FS-FAST完成的）：

对比是刺激范例的开启和关闭之间的对比（即与基线的比较）。 sig.nii卷具有带符号的-log10(p)值。 因此，当p值= .01，-log10(p)=2。如果对比度为正（即ON> OFF），那么该值将为+2，如果为负（即ON <OFF）， 那么该值将为-2。

3. Check Registration

首先检查配准（我们在配准教程中了解了如何配准功能区和解剖表面-在这种情况下，register.lta是该步骤的输出）。 请注意，此配准应该已经很好，因此无需进行任何修改。

freeview -v $SUBJECTS_DIR/fbirn-anat-101.v6/mri/orig.mgz:visible=0 \
    template.nii:reg=register.lta -f \
    $SUBJECTS_DIR/fbirn-anat-101.v6/surf/lh.white \
    $SUBJECTS_DIR/fbirn-anat-101.v6/surf/rh.white \
    -viewport cor -transform-volume

单击模板体积，使用Alt + c在模板和原件之间切换，并以表面为指导以确保它们对齐。

4. View sig map on anatomical volume

freeview -v $SUBJECTS_DIR/fbirn-anat-101.v6/mri/orig.mgz \
    $SUBJECTS_DIR/fbirn-anat-101.v6/mri/aparc+aseg.mgz:colormap=lut:opacity=0.2 \
    sig.nii:reg=register.lta:colormap=heat:heatscale=2,2,4 -colorscale \
    -viewport coronal

此命令加载受试者的解剖数据orig.mgz以及皮质和皮质下的分割（全部来自recon-all输出）。 我们加载重要性图（从fMRI分析中输出）和我们先前创建的配准文件，以便将sig图正确覆盖在解剖数据上。

现在，您可以滚动浏览此对象，以查看大脑的哪些区域显示出重要的价值。

1. ON> OFF为红色/黄色。

2. ON <OFF为蓝色/青色。

3.注意运动，听觉和视觉区域的激活。
4.单击在freeview中加载的卷时，您将在主查看窗口下方的Cursor和Mouse窗口中看到“ sig”旁边的值更改。 “ aparc + aseg”旁边的值也将更改。
5.请注意，查看窗口左侧的“最小”值指定为2。这是指您要在叠加层上显示的体素的最小功能值（并且由于我们加载了sig图，因此“功能值”是体素的sig值。
6.功能值是-log 10（p值），此处的p值为0.01。
7.注意，不超过阈值的区域仍将具有非零功能值（如果将鼠标悬停在没有红色或蓝色sig体素的体素上，则可以看到该值）。
8.最大值实际上是饱和度值，即，如果功能值大于最大值（或小于-max），则颜色不会改变。这就是为什么您会看到值大于4（或小于-4）的体素上仍带有红色或蓝色sig体素的原因。

要做的事情：

1.您可以通过选中/取消选中主查看窗口左侧“音量”列表中“信号”旁边的框来使叠加层可见或不可见。
2.要进一步了解和试验此图像，请尝试更改左侧滑块中的“最小值”和“最大值”，当前分别设置为2和4。您可以移动滑块或输入新值，然后按Enter。

5. View sig map on left hemisphere

您必须先将数据重新采样到曲面上，然后才能在（膨胀的）表面上查看fMRI数据：

mri_vol2surf --mov sig.nii \
    --reg register.lta \
    --projfrac 0.5 --interp nearest \
    --hemi lh --o lh.sig.mgh

笔记：

“moveable”（--mov）是显着性图（与用于配准的template.nii一致）。
“ --projfrac 0.5”表示应该在white和pial surfaces之间的中间位置采样 重要性。
“ --interp nearest”表示使用最近邻插值（这对于重要性图好，因为它减少了平滑）。

输出为lh.sig.mgh，这是采样到左半球的重要性。 它具有与此对象的任何其他表面覆盖层相同的大小，例如lh.thickness。 要查看其尺寸，请运行：

mri_info lh.sig.mgh

您将看到“dimensions：164660 x 1 x 1”，表示存在164660个“列”，即表面上的顶点数。

要实际查看在左半球表面采样的显着性：

freeview -f $SUBJECTS_DIR/fbirn-anat-101.v6/surf/lh.inflated:annot=aparc.annot:annot_outline=1:overlay=lh.sig.mgh:overlay_threshold=2,5 \
    -viewport 3d

     

 

注意事项：

1.如上一节所述，我们在此处考虑的示例是执行感觉运动任务的结果。 可以在相应的区域看到听觉激活-听觉皮层（颞叶），视觉皮层（枕叶）和运动皮层（顶叶）。
2.单击表面上的一点，注意标签已更改。
3.更改最小和最大阈值，并注意覆盖层的变化。 为此，请单击侧栏中的“Configure”。 这将显示一个界面，如下所示。 最小和最大阈值当前分别设置为2和5。

6. ROI Analysis without a Functional Constraint

在本节中，我们将计算某些ROI中的平均HRF对比度（ces）。 首先，我们需要使用mri_vol2vol将ces.nii体积重新采样到个人的解剖空间中。 您必须先将数据重新采样到个人的解剖空间中，然后才能执行ROI分析。

mri_vol2vol --mov ces.nii \
    --reg register.lta \
    --fstarg --interp nearest \
    --o ces.anat.bb.mgh

笔记：

1.“ --fstarg”表示将数据采样到解剖空间中
2.Nearest-neighbor（--interp nearest），因为我们将在每个ROI内求平均值，因此我们不想对插值求平均值。

输出是ces.anat.bb.mgh。 看一下它的尺寸：

mri_info ces.anat.bb.mgh

注意，它是256x256x256，每个体素各向同性1mm。 这与FreeSurfer解剖图的大小相同。

现在运行细分统计信息：

mri_segstats \
   --seg $SUBJECTS_DIR/fbirn-anat-101.v6/mri/aparc+aseg.mgz \
   --ctab $FREESURFER_HOME/FreeSurferColorLUT.txt \
   --id 1021 --id 1022 --id 1030  --id 17 \
   --i ces.anat.bb.mgh --sum ces.bb.stats

笔记：

1.使用受试者自己的aparc + aseg.mgz。
2.分段名称（--id）来自LUT。 单击此处查看LUT文件的内容。

3.要求仅提供4个细分的报告（1021 = ctx-lh-pericalcarine，1022 = ctx-lh-postcentral，1030 = ctx-lh-supertemportemporal和17 = Left-Hippocampus）。 前三个与范式有关。
4.输入是ces.anat.bb.mgh。

在文本查看器中查看输出ces.bb.stats（或单击此处）。 它的格式类似于每个对象的stats目录中的aseg.stats文件。 这里的“Mean”是原始MR单位在给定ROI中的平均HRF振幅（例如：ctx-1h-Pericalcarine的平均HRF振幅为107.7495，ctx-1h-Pericalcarine分割的体积为2752.0。

7. ROI Analysis with an Unsigned Functional Constraint

在本节中，我们将计算受无符号（正或负）功能激活约束的解剖ROI中的平均HRF对比度（ces）。 首先，我们需要将sig.nii体积重新采样到个人的解剖空间中。 必须先将数据重新采样到个人的解剖空间中，然后才能执行ROI分析。

mri_vol2vol --mov sig.nii \
    --reg register.lta \
    --fstarg --interp nearest \
    --o sig.anat.bb.mgh

笔记：

1.“ --fstarg”表示将数据采样到解剖空间中。
2.Nearest-neighbor（--interp nearest），因为这是有效量。

现在使用功能约束运行细分统计信息：

mri_segstats \
   --seg $SUBJECTS_DIR/fbirn-anat-101.v6/mri/aparc+aseg.mgz \
   --ctab $FREESURFER_HOME/FreeSurferColorLUT.txt \
   --id 1021 --id 1022 --id 1030  --id 17 \
   --i ces.anat.bb.mgh --sum ces.abs-masked.bb.stats \
   --mask sig.anat.bb.mgh --maskthresh 2 --masksign abs

笔记：

1.mask 是重要性图。
2.阈值为2（p <.01）。

3.“ --masksign abs”表示使用任何超过阈值的体素，无论其sign如何。

在文本查看器中查看输出ces.abs-masked.bb.stats（或单击此处）。 ctx-lh-pericalcarine的“平均值”现在为182.5064，增长69.4％。 这种增加是由于没有将信号从ROI平均值中排除的体素。 现在的体积为1530.0 mm3，这意味着55.6％（1530.0 / 2752.0）的ROI高于阈值。

8. ROI Analysis with a Positive Functional Constraint

在本节中，我们将计算仅受正向功能激活约束的解剖ROI中的平均HRF对比度（ces）。 使用以下功能约束运行细分统计信息。 如果您在上一节（具有无符号功能约束的ROI分析）中进行了此操作，则无需运行mri_vol2vol。

mri_vol2vol --mov sig.nii \
    --reg register.lta \
    --fstarg --interp nearest \
    --o sig.anat.bb.mgh

mri_segstats \
   --seg $SUBJECTS_DIR/fbirn-anat-101.v6/mri/aparc+aseg.mgz \
   --ctab $FREESURFER_HOME/FreeSurferColorLUT.txt \
   --id 1021 --id 1022 --id 1030  --id 17 \
   --i ces.anat.bb.mgh --sum ces.pos-masked.bb.stats \
   --mask sig.anat.bb.mgh --maskthresh 2 --masksign pos

笔记：

1.“ --masksign pos”是指使用任何超过阈值并具有正号的体素。

在文本查看器中查看输出ces.pos-masked.bb.stats（或单击此处）。 ctx-lh-pericalcarine的“Mean”现在为200.5127，比无符号的案例增加了近10％。 增加的原因是，在无符号情况下某些体素为负，从而降低了ROI平均值。 请注意，由于已删除负体素，因此体积也已降至1422.0 mm3。 注意：在这种情况下，均值将始终为正，因为我们已经用这种方法进行约束！

9. Summary

在本练习结束时，您应该知道如何：

1.查看解剖体积上的重要性图
2.在充气表面上查看重要性图
3.使用无功能约束，无符号功能约束和正功能约束的mri_segstats运行ROI分析