TBSS和dpabifiber

以前用过TBSS，最近好久没用，又忘记了，现在重新捡起来。
首先是QSIprep和QSIrecon。
QSIPrep预处理后，文件夹包括anat和dwi。anat和fmriprep是一样的，就不介绍了。
dwi：

可以看出，这些就是在原始T1空间做了eddy头动校正等，最后生成mask和preproc_dwi.nii.gz。dwiref是参考像。
然后使用MRtrix3的dwi2tensor函数，生成dwitensor.nii.gz，tensor就是张量图，之前有介绍过。
然后用MRtrix3的tensor2metric函数，将tensor图像生成ADC, FA, AD, RD。
有了所有被试的FA，就可以开始进行TBSS了。
DPABIFiber的TBSS命令：

cp -rf $1/Results/DwiVolu/TensorMetrics/FA/* $1/Results/DwiVolu/TBSS/Working/
cd $1/Results/DwiVolu/TBSS/Working/
tbss_1_preproc *.nii.gz
tbss_2_reg -T
tbss_3_postreg -S
tbss_4_prestats 0.2

先来看官网的介绍（以FA指标为例）。
tbss_1_preproc *.nii.gz会创建origdata目录存放原始图像，然后生成新的FA子目录。并运行slicesdir。
tbss_2_reg运行非线性配准。即将所有FA图像（T1space）通过非线性配准到1X1X1的标准空间。-T表视将原始FA图像对齐到FMRIB58_FA标准空间图像中（MNI152）。-n是自定义模板，把模板对齐到1X1X1mm的MNI152空间。成年人一般建议用FMRIB58_FA，小孩建议用-n的选项。
tbss_3_postreg将上一阶段的非线性变化应用到所有FA图像。如果上一步是-T或者-n，那么这一步可以选择-S，即将所有原始FA图像根据上一步的配准矩阵，变换到目标空间（-T的目标空间是FMRIB58_FA）。生成所有被试的标准空间FA图像，然后把所有标准FA图像合并成all_FA的4D图像，创建stats子目录，并创建所有标准FA图像的平均值，mean_FA.nii.gz，以及均值骨架，mean_FA_skeleton.nii.gz。
如果不想对齐到受试者平均值，而对齐到FMRIB58_FA均值，就用-T选项。一般推荐用-S。
tbss_4_prestats，对上一步的平均FA骨架进行阈值处理，低于0.2阈值的被归零，留下的体素作为最后可以统计的范围。然后在stats子目录中，生成4D的skeletonised FA 图像，用这个图像进行统计分析。
所以可以用skeletonished FA图进行统计分析。在fsl中就是design_ttest2，建议使用TFCE来进行随机化。
同样的，如果要使用ADC，AD, RD等值进行统计分析，也同样使用all_AD_skeletonised.nii.gz等图像。

统计：

# example: 7 health and 11 patients
design_ttest2 design 7 11
randomise -i all_FA_skeletonised -o tbss -m mean_FA_skeleton_mask -d design.mat -t design.con -n 500 --T2
fslview $FSLDIR/data/standard/MNI152_T1_1mm mean_FA_skeleton -1 Green -b 0.2,0.8 tbss_tstat1 -1 Red-Yellow -b 3,6 tbss_tstat2 -1 Blue-Lightblue -b 3,6

输入design_ttest2 design 7 11以后，会生成design.mat和design.con，其中mat是group级别的二分类，[0, 1]和[1, 0]来代表2个不同的组。con是对比形式，为[1 -1]和[-1 1]，即control>patient 和control<patient。
tbss_tstat1代表control>patient, tbss_tstat2代表control<patient，TFCE pvalue是tbss_tfce_corrp_tstat1 和 tbss_tfce_corrp_tstat2，为了方便显示，这里实际上是1-p，因此阈值需要设置为0.95才能看到显著聚类团块。
这里的1就是group1，2就是group2。在DPABIFiber中也是如此。
显示TBSS结果：
可以把mean_FA作为背景显示，或者是FMRIB58_FA作为背景显示。

将TBSS结果转换回原始空间：
包含2步，第一将骨架体素从其骨架位置投影到标准空间的模板对应的位置或附近位置，第二根据tbss_2_reg的非线性配准矩阵，将这些体素再warp回到被试的原生空间。

fslmaths tbss_tfce_corrp_tstat1 -thr 0.95 grot
tbss_deproject grot 1
fslview all_FA grot_to_all_FA -1 Red-Yellow
tbss_deproject grot 2
fslview ../FA/subject_001_FA subject_001_FA_grot -1 Red-Yellow

TBSS和dpabifiber相关推荐

基于TBSS的DTI数据处理流程
Linux系统,安装好FSL,DTI数据完成预处理后可进行TBSS处理,比较各组间FA骨架的差异. 1.数据准备: 在研究目录下,创建一个叫'TBSS',并且把所有被试个体空间下的FA图像(data_ ...
DTI数据预处理及tbss的批处理代码
批处理代码数据存放:DTI/sub01下存放sub01.nii.gz,sub01.bvec ,sub01.bval 脚本存放:FSL文件夹下如下代码 #!/bin/bash input='/User ...
DTI数据TBSS组间统计对比设计矩阵
对于不需要回归协变量的组间统计对比,可参照TBSS维基百科公布的事例即可,即如下假设数据包含7个control (命名为Con*)和11个患者(命名为PAT*) 代码: cd -/stats des ...
DTI（dwi）使用FSL做预处理及做TBSS处理流程（fsleyes查看结果）
预处理刚开始我用的数据初始文件是多个dcm格式的文件,当时我从格式转换.提取b0. 波脑.涡流.计算张量下来是没有问题的.后来我用dwi的文件(包含四维的.nii.gz.bvec.bval文件),用 ...
FSL——FDT数据统计处理TBSS
TBSS TBSS - Tract-Based Spatial Statistics 使用磁共振扩散成像通过测量白质束中水的各向异性扩散来提供有关大脑中解剖学连接性的信息. 分数各向异性(FA)是最常 ...
嵌入式linux编程,嵌入式Linux学习笔记 - 嵌入式Linux基础知识和开发环境的构建_Linux编程_Linux公社-Linux系统门户网站...
注:所有内容基于友善之臂Mini2440开发板一.嵌入式Linux开发环境的构建嵌入式开发一般分为三个步骤: 1.编译bootloader,烧到开发板 2.编译嵌入式Linux内核,烧到开发板 3 ...
arm-linux-ld中的参数,arm-linux-ld指令详解
arm-linux-ld指令详解我们对每个c或者汇编文件进行单独编译,但是不去连接,生成很多.o 的文件,这些.o文件首先是分散的,我们首先要考虑的如何组合起来:其次,这些.o文件存在相互调用的关系 ...
gcc可以编译python程序吗_gcc c语言编译流程
1 前言最近群里讨论个C语言的小程序,看起来都不是很难,但是大家对答案有争论,所以想讨论编译原理,做嵌入式要对编译原理有一定的了解,所以转了这篇文章. 我们之前讨论的问题如下代码 #include ...
gcc s.lds 使用方法
在__bss_start之前插入下面之句话 _myown_start = .;.myown : { *(.myown) } = 0x90000000 //可以修改_myown_end = .;code ...

TBSS和dpabifiber

TBSS和dpabifiber相关推荐

最新文章

热门文章