DTI预处理及概率性纤维束追踪

一、什么是DTI?

弥散张量成像(DTI)是在弥散加权成像(DWI)基础上发展而来的一种新的磁共振成像技术，它主要利用大脑中水分子弥散信息来成像。弥散张量成像(DTI)是在弥散加权成像基础上发展而来的一种新的磁共振成像技术，可以定量的评价脑白质的各向异性。在此成像过程中，不只用单一或三个梯度方向脉冲，而至少需要施加6个非共线方向弥散敏感梯度。(公式中代表的是一个3D矢量来描述水分子的弥散情况)

基于弥散张量成像的脑白质神经纤维追踪技术是目前可在活体无创地重建纤维的位移方法。准确、快捷的重建人类脑白质内的神经纤维，可以更好的了解一些临床疾病的机制，为脑部手术方案的选择、手术导航等针对性的治疗提供可靠的数据；也为人类认识功能、分析脑认知功能、揭示脑神经的传导机制提供可行的方法。

弥散张量成像是指水分子弥散的各向异性、不均匀组织弥散特征。DWI只有ADC一个标量来描述弥散，只代表弥散梯度磁场施加方向上水分子的弥散特点，而不能完全，正确地评价不同组织各向异性的特点。

二、DTI预处理（使用代码）

备注：

在获取DTI数据时加入多个梯度磁场，当快速切换弥散梯度时会引发涡流效应,从而影响成像磁场的均匀性,产生图像扭曲畸变。在涡流矫正里面是包括了头动矫正的处理，所以在涡流矫正的输入影像不用做头动处理。
Brain Extraction Tool把非脑的组织从全脑中剔除
在preprocessed和eddy_correct之后，可以进行这一步——弥散张量的局部拟合，从而得到DTI成像的一些基本参数，如FA,MD,M0,V1,V2,V3等等（注：如果只计算probabilistic tractography的话不需要做这一步）

最后生成10个文件：

(1). <basename>_V1 - 1st eigenvector

(2). <basename>_V2 - 2nd eigenvector

(3). <basename>_V3 - 3rd eigenvector

(4). <basename>_L1 - 1st eigenvalue

(5). <basename>_L2 - 2nd eigenvalue

(6). <basename>_L3 - 3rd eigenvalue

(7). <basename>_MD - mean diffusivity

(8). <basename>_FA - fractional anisotropy

(9). <basename>_MO - mode of the anisotropy (oblate ~ -1; isotropic ~ 0; prolate ~ 1)

(10). <basename>_S0 - raw T2 signal with no diffusion weighting.

参考资料：

[1] FDT/UserGuide - FslWiki

三、概率性追踪（所用软件：FSL）

常用指标介绍：

表观弥散系数(Apparent diffusion coefficient, ADC)来衡量水分子在人体组织环境中的弥散运动，即把影响水分子运动的所有因素都叠加成一个观察值，反应弥散敏感梯度方向上水分子位移程度。

部分各向异性分数(fractional anisotropy, FA)指水分子各向异性成份占整个弥散张量的比例，它的变化范围从0～1。0代表弥散不受限制，比如脑脊液的FA值接近0；对于非常规则的具有方向性的组织，其FA值大于0，例如大脑白质纤维FA值接近1。

平均弥散率(mean diffusivity，MD)反映分子整体的弥散水平和弥散阻力的整体情况。MD只表示弥散的大小，而与弥散的方向无关。MD越大，组织内所含自由水分子则越多。

虽然反映各向异性的参数有很多，应用较多的是FA值。

关于概率性追踪:

Probtrackx2生成样本流线，通过从一些种子开始，然后在（1）从体素的BedpostX分布中绘制一个方向，（2）朝这个方向迈出一步，以及（3）检查任何终止标准之间进行迭代。然后可以使用这些样本流线来构建直方图，显示访问每个体素的流线数或连接特定大脑区域的流线数。这种流线分布可以认为是流线位置上的后验分布或连通性分布。

(一) BEDPOSTX

Bedpostx 代表 Bayesian Estimation of Diffusion Parameters Getting using Sampling Techniques，用于对弥散参数局部建模。bedpostx要执行Markov Chain Monte Carlo sampling要建立在每个体素上弥散参数的分布，同时进行bayes估计，这一步生成了probabilistic tractography所需要的文件。

具体方法：FSL FDT diffusion下拉列表里选择BEDPOSTX Estimation of diffusion parameters,选择要进行BEDPOSTX的文件夹，其中要包含data.nii、nodif_brain_mask.nii.gz、bvecs、bvals这4个文件，其他参数默认即可，这一步每个被试大概需要9-10个小时左右。

最后生了一个$name.bedpostX文件夹，其中包含以下内容：

merged_th samples- 4D volume - Samples from the distribution on theta
merged_ph samples- 4D volume - Samples from the distribution on phi

Note that theta and phi together represent the principal diffusion direction in spherical polar co-ordinates

merged_f samples- 4D volume - Samples from the distribution on anisotropic volume fraction (see technical report)
mean_th samples- 3D Volume - Mean of distribution on theta
mean_ph samples- 3D Volume - Mean of distribution on phi
mean_f samples- 3D Volume - Mean of distribution on f anisotropy

Note that in each voxel, fibres are ordered according to a decreasing mean f-value

mean_dsamples- 3D Volume - Mean of distribution on diffusivity d
mean_S0samples- 3D Volume - Mean of distribution on T2w baseline signal intensity S0
dyads - Mean of PDD distribution in vector form. Note that this file can be loaded into fslview for easyviewing of diffusion directions
Dyads _dispersion- 3D Volume - Uncertainty on the estimated fibre orientation. Characterizes how wide the orientation distribution is around the respective PDD.
nodif_brain_mask- binary mask created from nodif_brain - copied from input directory

(二) Registration within FDT

追踪结果是在非DTI空间则需要运行这一步。

使用FLIRT运行标准化步骤，将三种空间统一，或者说将信息匹配到同一个空间进行比较，使用图形界面处理（GUI）时，必须在BEDPOSTX这一步运行完之后才可以算。Registration包括三种空间：Diffusion Space, Structural Space, Standard Space.

一般我们追踪的都是结构项，所以都是从结构空间到DTI空间转化，在同一空间才可以进行后面的计算和追踪。

具体方法：FSL里选择FLIRT linear registration，参考图选择自己想转化成空间的参考图像，输入图像选择要转化的图像，其他参数默认，选择一个。

如果报错的话，就将reference image和input image调换下位置。

结果：生成以下两个文件。

(三) PROBTRACKX（这一步可使用代码）

这一步使用BEDPO0STX估计出来的分布，进行模拟，重复地从主弥散方向采样，每次计算出通过这些采样点的streamline，继而产生一组概率streamline。通过多次采样可以建立先验分布信息，通过先验信息推断后面的真实纤维分布，得到更准确的纤维。

具体方法：FSL里选择FDT diffusion，BEDPOSTX directory选择第一步BEDPOSTX算出来的文件夹name.bedpostX文件，每一个人都要计算；Single voxel下拉列表里选择single mask；seed image选择追踪的起始点；然后勾选Seed space is not diffusion；Select Seed to diff transform选择第二步Registration within FDT得到dti_trans.mat文件。下面Optional Targets，可勾选Waypoints masks、Termination mask（加入waypoints mask，选择要经过的mask，也就是说要经过这几处；Exclusion mask是不经过的点，可以根据需要选择）；Termination mask选择最后的结束点。最后得到是概率追踪的结果图和一些日志文件。

参考资料：

[2] FDT/UserGuide - FslWiki

四、检查追踪的效果病保存修改参数后的图像

DTI预处理及概率性纤维束追踪相关推荐

DTI预处理及确定性纤维束追踪
一.什么是DTI? 弥散张量成像(DTI)是在弥散加权成像(DWI)基础上发展而来的一种新的磁共振成像技术,它主要利用大脑中水分子弥散信息来成像.弥散张量成像(DTI)是在弥散加权成像基础上发展而来的 ...
DTI预处理和脑网络构建
DTI处理流程 DTI介绍弥散张量成像(DTI),是一种描述大脑结构的新方法,是核磁共振成像(MRI)的特殊形式.举例来说,如果说核磁共振成像是追踪水分子中的氢原子,那么弥散张量成像便是依据水分子移 ...
待机时反复按Power键概率性重启-定位问题
现象: 待机时反复按power键休眠会有概率性重启,概率 >= 50%,但连接USB线情况下不会出现,所有怀疑是系统进入休眠才发生了异常,取出mtklog看到有db产生,确实发生了KE(kern ...
ios html 全选文本框,【前端】IOS input输入框按删除键删除字符，删除最后一个字符时，概率性出现光标前面多余一个字符...
IOS input输入框按删除键删除字符,删除最后一个字符时,概率性出现光标前面多余一个字符,并且placeholder文字也能显示出来回答删除最后一个字符时延迟一毫秒我用了vue,input[ ...
Camera 驱动读取摄像头ID失败问题、低温下Camera打开花屏或者读不到id、概率性读取不到id
底层驱动读不到摄像头的ID,可以从以下几个方面做检查首先检查硬件方面,多拿几个摄像头模组来做试验.因为会存在打样模组有问题的情况,在原理图上对清摄像头的各个脚是否都对应上了.模组是否都扣好等.这个是 ...
2021-03-17 RK3288 接PHILIPS 4K显示器HDMI开机概率性不显示的问题
RK3288 接PHILIPS 4K显示器HDMI开机概率性不显示的问题一.测试发现在philips显示器休眠的情况下,rk3288 开机后hmdi无法唤醒显示器. cat /d/dw-hdmi/ ...
mt6735 [Audio Common]通话时，概率性出现听筒或喇叭无声问题，如何debug
[DESCRIPTION] 在MT6595之后平台通话时,概率性出现听筒或喇叭无声问题,如何debug~ [SOLUTION] 1. 先抓复现问题的VM LOG,这样就可以定位问题是网络端还是语音算法 ...
MT6853/MT6873 视频彩铃概率性无图像
[Description] 最近客户经常提问,使用CMCC测试会出现概率性下发视频彩铃无图像的情况. [SOLUTION] 归纳发现,当彩铃中心下发480*640分辨率的彩铃时,网络会将视频端口置为i ...
Android App接入Facebook分享SDK，概率性无法启动Facebook客户端的问题分析
问题来源由于我司的android app产品主要是面向海外,因此,app中的分享功能接入facebook分享是必不可少的.最近在接入facebook android sdk进行分享时,发现一个非常奇 ...

DTI预处理及概率性纤维束追踪

DTI预处理及概率性纤维束追踪相关推荐

最新文章

热门文章