logo资料库

使用fsl与trackvis对dit进行白质纤维追踪.pdf

发布时间：2022-06-13 发布人：admin 分类：说明书 资料大小：1.05M 资料格式：pdf 举报 版权申诉
第1页 / 共7页
第2页 / 共7页
第3页 / 共7页
第4页 / 共7页
第5页 / 共7页
第6页 / 共7页
第7页 / 共7页
资料共7页，全文预览结束
    使用 FSL和 TrackVis分析 DTI数据 Alex / 2018-05-21 / free-learner@163.com 弥散加权成像（Diffusion Weighted Imaging, DWI）通过测量水分子的弥散程度来反映水分子所处的 组织结构特点，弥散张量成像（Diffusion Tensor Imaing, DTI）通过张量模型来定量地刻画水分子的弥 散程度，也是最简单的一种模型。作为初学者，总结一下使用 FSL和 TrackVis进行 DTI数据分析的基 本方法，包括涡流/头动校正（eddy current/head motion correction）、张量拟合（tensor fitting）和确 定性纤维束追踪（deterministic tractography）。 一、原始数据准备 （1）将从磁共振扫描仪上采集的原始数据转换成 NIFTI格式，可以使用 dcm2nii 或者 MRIConvert； （2）假设转换成 NIFTI格式后的数据名为 dti_data.nii.gz，此外还会生成两个文本文件，分别表示磁场 梯度施加的强度和方向，这里假设这两个文件分别命名为 bvals和 bvecs。这两个文本文件的内容如下： bvals: bvecs: （3）bvals和 bvecs这两个文件表示什么意思？DWI的大致原理是在不同方向上施加一个梯度磁场，这 个梯度磁场的强度用 b-value来表示，b-value越大、水分子弥散的距离越大、图像信号变化越明显； DTI模型总共需要估计六个参数，所以至少需要在 6个不同方向上施加梯度，梯度方向用 b-vector来表 示；还需要至少一个没有施加梯度的图像作为参考，常称为 B0像。上面的 bvals文件总共 1行 65列， 表示总共采集了 65个图像，第 1个图像的 b-value是 0，后 64个图像的 b-value是 1000；bvecs文件 总共有 3行 65列，表示在每个图像上所施加的梯度方向。
    （4）B0图像和 DWI图像: 上图是数据中的前四个图像，第一个图像是 B0像，后三个图像是 DWI像，虽然 b-value都是 1000，但 是梯度方向不同，因此图像信号也会有变化。 二、涡流/头动校正 在拟合张量模型之前，需要对图像进行一些涡流和头动校正，这里使用的是 FSL 5.0.11。 （1）脑提取 脑提取的目的就是为了获得一个（去除颅骨后）脑的 mask，可以使用如下命令： fslroi dti_data.nii.gz b0.nii.gz 0 1 bet b0.nii.gz b0_brain.nii.gz -m -f 0.3 （2）acqparams.txt和 index.txt 新建一个名为 acqparams.txt的文本文件，内容为 0 1 0 0.05，该文件描述的是图像采集的信息。根据 FSL官网的文档，该文件的正确性与否并不重要，在大多数情况下使用上面的设置即可。另外，正确地 填写这些信息需要对扫描参数有更深入的了解；新建一个名为 index.txt的文本文件，方法为：
    indx="" for ((i=1; i<=65; i+=1)) do indx="$indx 1"; done echo $indx > index.txt 上述代码的作用就是新建一个一列全为 1的数，并保存到 index.txt文件中；这个文件中的 1表示该图像 采集的参数对应于 acqparams.txt文件的第一行。由于 acqparams.txt里只有一行，所以所有图像都是 1。 （3）涡流/头动校正 eddy_openmp --imain=dti_data.nii.gz --mask=b0_brain_mask.nii.gz \ --acqp=acqparams.txt --index=index.txt --bvecs=bvecs --bvals=bvals \ --out=eddy_corrected_data eddy_corrected_data.nii.gz即为涡流/头动校正后的数据，eddy_corrected_data.eddy_rotated_bvecs 为头动校正后的 b-vector文件。 三、张量拟合 dtifit -k eddy_corrected_data.nii.gz -o dti -m b0_brain_mask.nii.gz \ -r eddy_corrected_data.eddy_rotated_bvecs -b bvals --save_tensor 张量拟合结束后就可以得到一些定量指标，比如 FA（Fractional Anisotropy）和 MD（Mean Diffusivity）:
    FA反映的是组织结构的方向性，如果水分子的弥散运动在某些方向上受到阻碍，在另一些方向上不受阻 碍，则 FA较大；FA较大的地方主要是在白质部分。MD表征水分子在所有方向上的平均弥散距离，如 果没有受到阻碍，则 MD较大；MD较大的地方主要在脑脊液。Color FA的计算方法是第一个特征向量 （first eigenvector, 文件名为 dti_V1.nii.gz）乘上 FA；第一个特征向量被认为反映（一个体素内）纤维 束的平均方向，所以 Color FA表示 FA较大的区域的纤维束的方向。一般地，红色表示左右（X轴）， 绿色表示前后（Y轴），蓝色表示上下（Z轴）。 四、确定性纤维束追踪 纤维束追踪就是重建出神经纤维束，分为确定性纤维束追踪和概率纤维束追踪两种类型，纤维束追踪需 要对人脑的纤维束有相当的先验知识（而我没有这样的先验知识）。这里使用 TrackVis进行确定性纤维 束追踪。由于纤维束追踪是根据张量拟合的结果进行的，我现在还不清楚是否可以用 FSL的拟合结果来 作为 TrackVis的输入，因此需要用 TrackVis重新进行张量拟合并在此基础上进行确定性纤维束追踪。 TrackVis 实际上包含两个相对独立的软件，一个是 TrackVis用于可视化，一个是 Diffusion Toolkit用 于张量拟合和纤维束追踪，这里不做区分。 （1）准备文件 由于 TrackVis不能进行涡流/头动校正，使用 FSL的校正后的结果作为输入。另外，TrackVis的 b- vector的格式不同于 FSL，首先 FSL的 b-vector的格式是每列表示一个梯度方向，TrackVis是每行表 示一个梯度方向，其次 TrackVis需要去掉 b-value为 0所对应的梯度方向。下面是一个简单的 R脚本， 将 FSL的 bvecs转换为 TrackVis的格式： tmp <- as.matrix(read.table(‘eddy_corrected_data.eddy_rotated_bvecs’)); tmp <- t(tmp); ## transpose the matrix tmp <- tmp[-1,]; ## remove the b0 rows write.table(tmp, ‘trackvis_bvecs’, row.names=FALSE, col.names=FALSE);
    （2）张量拟合 上图即为修改后的 bvecs dti_recon "eddy_corrected_data.nii.gz" "trackvis" -gm "trackvis_bvecs" \ -b 1000 -b0 1 -ot nii.gz gm选项指定 b-vector文件，b选项表示 b-value，b0选项表示有多少个 b0图像。FSL和 TrackVis的 张量拟合结果有微小的差异（大约小数点后第三位）。 （3）全脑纤维束追踪 dti_tracker "trackvis" "tmp.trk" -at 35 -m "b0_brain_mask.nii.gz" \ -m2 trackvis_fa.nii.gz 0.2 -sl -it nii.gz spline_filter "tmp.trk" 1 "trackvis.trk" m选项表示将追踪限制在脑 mask内，m2选项表示将追踪限制在 FA大于 0.2的区域；spline_filter对 追踪结果做一些平滑。在命令行输入 trackvis trackvis.trk，即可查看追踪结果：
    （4）基于 ROI纤维束追踪 上图是全脑的纤维束追踪结果，对于纤维束追踪的原理我现在还是模糊的，我当前的理解是，以每一个 体素为起点（seed），都可以得到一条重建的纤维，那么以所有体素为起点的结果叠加在一起即为全脑 的追踪结果。如果只想看到通过特定 ROI的纤维束，可以使用该 ROI作为过滤器，去除不感兴趣的纤维 束。这里假设我感兴趣的区域是大脑白质，我通过对 T1加权像进行分割和配准得到白质的 mask，即白 质 ROI，实现代码如下： ## 去除 T1像的颅骨 ## 将 T1像分割成灰质、白质和脑脊液三类 bet t1.nii.gz t1_brain.nii.gz fast -t 1 -n 3 -H 0.1 -I 4 -l 20.0 -o t1 t1_brain.nii.gz fslmaths t1_pve_2.nii.gz -thr 0.5 -bin wm_mask.nii.gz ## 使用 BBR配准，将 B0像配准到 T1像 flirt -ref t1_brain.nii.gz -in b0_brain.nii.gz -dof 6 -omat b02t1_init.mat flirt -ref t1_brain.nii.gz -in b0_brain.nii.gz -dof 6 -cost bbr \ -wmseg wm_mask.nii.gz -init b02t1_init.mat -omat b02t1.mat -out b02t1Warp ## 将 T1的白质 mask转换到 B0像空间 convert_xfm -omat t12b0.mat -inverse b02t1.mat flirt -in wm_mask.nii.gz -ref b0_brain.nii.gz -out wm_maskWarp -init t12b0.mat \ -applyxfm -interp nearestneighbour ## 将白质 mask缩小，减少配准误差的影响 fslmaths wm_maskWarp -ero wm_mask_ero 在 TrackVis的菜单栏选项 ROI -> New ROI From Nifti/Analyze Image，选择上一步得到的白质 ROI mask，即 wm_mask_ero.nii.gz；在 TrackVis的右侧的 Property界面，选择 ROI Filters -> Toggle Existing ROI，即得到通过白质 ROI的纤维束：
    上述做法是先做出全脑的纤维束，然后使用 ROI过滤掉不感兴趣的部分；也可以在做纤维束追踪的时候， 将起点限制在 ROI里，也就是只从 ROI里的区域出发来重建纤维束，代码如下： dti_tracker "trackvis" "tmp.trk" -at 35 -m "b0_brain_mask.nii.gz" \ -m2 trackvis_fa.nii.gz 0.2 -sl -it nii.gz -sm wm_mask_ero.nii.gz spline_filter "tmp.trk" 1 "wm_seed.trk" 五、小结 总结了使用 FSL进行涡流/头动校正、张量拟合，以及使用 TrackVis进行确定性纤维束追踪的基本方法。 这些方法都是来自于 FSL和 TrackVis的官方文档（TrackVis的文档不够详细）。对于原理的理解上， 还非常粗浅，有些理解完全是个人的猜测，需要进一步确认。因此，多有谬误，敬请指正。
    分享到：
    赞 收藏

    相关推荐

    资料库

    课程资源

    共收录17145份资料，累计13个分类，关注成员有19位，主要包括：PHP,网络管理,网页制作,Java,.Net,数据库,3G/移动开发,C/C++,游戏开发,嵌入式,讲义,软件测试,专业指导

    热门标签

    PHP 网络管理 网页制作 Java .Net 数据库 3G/移动开发 C/C++ 游戏开发 嵌入式 讲义 软件测试 专业指导

    最新资料