基于CAT的VBM和SBM计算学习笔记（一）VBM

前言

   基于体素的形态学方法(voxel-based morphometry, VBM)，是大脑结构研究中最常见的指标。我刚开始学习fMRI数据处理时主要都聚焦在功能差异的研究，但接触了一批受外伤的被试，对其脑结构的改变产生兴趣，遂学习之。

  VBM用T1计算，稳定性强；覆盖全脑，全面性强；而且其计算软件发展已经很成熟，可以自动化完成。大概一天时间就可学会。

  （ps:VBM等指标有很多种计算方法，我选择用DPABI来生成和校准T1，因为批量化处理迅速；选择cat12来做分割因为精细化程度高，本笔记仅供参考。）

一、环境配置

系统：Windows 11
软件运行平台：Matlab2022a
所需工具包：

1. SPM12（下载安装教程）
2. DPABI（​​​​​​下载安装教程）
3. cat12(下载安装教程)（ps:请记得将cat12文件夹移动到spm的toobox路径里）
    

二、处理总流程

目录

1.用DPABI预处理T1

1.1 生成T1图像

1.2 校正T1原点（Reorient）

2.用CAT进行分割（Segment）

3.用spm确认分割质量（Qauilty Control）

4.用spm进行平滑（Smooth）

---

图1 从原始T1得到可以计算灰质体素图像的全过程

三、处理步骤

1.用DPABI预处理T1

图2 用DPABI进行T1预处理过程

1.1 生成T1图像

  将原始的T1图像由dcm转化为.nii格式，以备后续查看和操作。参考图2用DPABI自带的DICOM to NIFTI功能进行转化即可。

1.2 校正T1原点（Reorient）

  

图3 校准T1原点的目标，过程，与输出结果。

前联合 (Anterior Commissure, AC)：连接两侧颞叶的前部和下部区域；后联合(Posterior Commissure, PC)：位于大脑中部偏后，靠近中脑顶盖。两者都是重要的大脑白质纤维结构。

勾选Reorient T1*，DPABI会在处理过程中自动跳出手动校准原点的UI页面。进行操作后点击Reorient Images确认。

AC校正简单来说就是：手动设置大脑3D笛卡尔坐标系的原点。而原点位置应该在前联合（AC）处，并与后联合（PC）形成直线的连线。其具体原理和方法参考（AC校准）。

用DPABI处理完后，我们得到了原点标准化的T1图像，可以进行后续处理了。

2.用CAT进行分割（Segment）

图4 用cat进行自动化分割、配准、调和的步骤

从spm的Toolbox里启动cat12，选中cat12-Preprocessing-Segment，开始设置自动化分割、配置、调和的具体参数。cat12作为专业的VBM计算软件，提供非常多精细化的处理。

大多数的步骤都可以按照默认设置。我们主要关注是否需要输出SBM结果，如果不需要可以选择No，这样可以节省运算时间。其次关注是否需要用ROImask提取感兴趣区。（这一步我每次都报错，还在研究中。）

3.用spm确认分割质量（Qauilty Control）

图5 cat分割完成后的图像质量控制pdf

正常的IQR>75%即可；正常的图像计算时间在35-45min内。

图像质量确认应该分为三步。（质量确认官方教程）

• 第一：查看输出的pdf，看IQR（图像质量参数）是否>75%。
• 第二：通过逐一切片的检查确认标准化没有问题（看是否有某一脑结构的缺漏）。
• 第三：cat12自带的相关性分析。

（ps.我在用cat12软件做质量控制时，永远都在报错，所以可以用spm check reg替代。）

4.用spm进行平滑（Smooth）

在spm-Spatial Preprocessing-Smooth里选择输出的文件里mvp1开头的文件，进行Smooth处理。

图6 用spm进行平滑（Smooth）的步骤

四、总结

  回顾一下，本笔记介绍了从T1原始图像到灰质体素图像的全过程。

  在先使用DPABI软件预处理好T1图像后，用Cat的Segment自动化功能得到分割后的灰质体素图像，再用spm进行Smooth。那么就得到了可以使用的灰质体积图像，后续再通过TIV得到全脑体积，然后进行组间比较、临床相关等统计分析即可。