FreeSurfer汉化教程

介绍FsFAST的预处理

根据官网的英文进行翻译，并在使用过程中所犯的错误进行解决的过程

介绍Tutorial Data 下载以及安装

安装

安装Tutorial Datasets 从教程数据，创建文件tutorial_data在自己的工作路径中。

curl https://surfer.nmr.mgh.harvard.edu/pub/data/tutorial_data.tar.gz -o tutorial_data.tar.gz
tar -xzvf tutorial_data.tar.gz
rm tutorial_data.tar.gz

配置

为了能够运行tutuorials用于需要设置环境变量TUTORIAL_DATA设置为 tutorial_data的根目录，文件夹中必须包含提取出来的数据(目录有’buckner_data’,‘long-tutorial’,'fsfast-functional’等)，由于教程中频繁使用环境变量TUTORIAL_DATA，需要对他进行适当的设置才能正常运行

export TUTORIAL_DATA=/path/to/your/tutorial/dir
ls $TUTORIAL_DATA

buckner_data                    fsfast-functional
diffusion_recons                fsfast-tutorial.subjects
diffusion_tutorial              long-tutorial

如果出现类似上面的输出，则可以进行教程的学习了

FSFAST 预处理介绍

一旦数据存放在适当的目录结构和命名约定中，可以对数据执行预处理步骤，预处理包括：
a) Template Creation
b) Brain Mask Creation
c) Registration with FreeSurfer Anatomical
d) Motion Correction
e) Slice Timing Correction
f) Spatial Normalization
g) Masking
h) Spatial Smoothing
在FSFAST中，假设每个数据集将在三个归一化空间中进行分析：

1. Left cortical Hemisphere 左半球大脑皮层
2. Right cortical Hemisphere 右半球大脑皮层
3. Subcortical Structures 皮层下结构(Volumed-based)
   判断多大的平滑和是否需要进行Slice Timing Correction。在这个分析中使用FWHM=5mm对数据进行平滑处理，然后需要进行Slice Timing Correction。 Slice Timing对于特殊的数据集是升序的(“Ascending”)，即first slice是最先得到的，second slice是第二个得到的。
   执行一下命令，对数据执行预处理部分，首先切换到目标目录中.

export SUBJECTS_DIR=$TUTORIAL_DATA/fsfast-tutorial.subjects
cd $TUTORIAL_DATA/fsfast-functional

然后执行preproc-sess具体命令如下

preproc-sess -s sess01 -fsd bold -stc up -surface fsaverage lhrh -mni305 -fwhm 5 -per-run

这条命令有几个参数：

• -s sess01:进行预处理的session是哪个
• -fsd bold:表示functional subdirectory(FSD)
• -stc up:执行slice-timing correction的顺序是 ascending(‘up’)
• -surface fsaverage lhrh:数据应该被采样到 "fsaverage"受试者的左右半球
• -mni305:将数据采样到 mni305 volume(2 mm 各向同性体素大小)
• -fwhm 5:在重采样之后使用 5mm FWHM进行平滑处理
• -per-run：分别配准每个run

上面的了命令做的步骤比较多，如果是包含多个被试时，将花费比较长的时间执行。
产看其中一个运行目录的内容

ls $TUTORIAL_DATA/fsfast-functional/sess01/bold/001

你将看到呈现出很多的文件，但是有三个比较重要的文件:

• fmcpr.up.sm5.fsaverage.lh.nii.gz -左半球的 fsaverage
• fmcpr.up.sm5.fsaverage.rh.nii.gz -右半球的 fsaverage
• fmcpr.sm5.mni305.2mm.nii.gz - volume的fsaverage - 用于皮层下分析

这些是时间序列的数据，并且他们的名称表明他们执行的过程

• fmcpr - 每个run的头动校正
• up - 使用升序的时间层校正(slice-timing correction)
• sm5 - 使用 5mm FWHM进行平滑处理。
• fsaverage.lh - 左侧半球的表面进行采样
• fsaverage.rh - 右侧半球的表面进行采样
• mni305.2mm - 在2mm各向同性的 fsaverage (MNI305)volume中采样
  
  想要了解更多，看Preprocessing Details

Quality Assurance 质量保证

Functional-Anatomical Cross-modal Registration

功能-结构交叉模态配准
通过以下命令获得配准质量的总结

tkregister-sess -s sess01 -s sess02 -s sess03 -fsd bold -per-run -bbr-sum

输出为每一个session的每一个run的值

sess01     001 0.5740
sess01     002 0.5776
sess01     003 0.5813
sess01     004 0.5740
sess02     001 0.5159
sess03     001 0.6021

• 第一列表示Session的ID
• 第二列表示每个Session中的每次Run
• 第三列表示quality assurance (QA)值。他是从0到1的值，0表示完美，1表示糟糕。

实际值取决于您如何获取数据。一般来说，任何超过0.8的值都表示可能出了问题，比如:

• 功能和结构像的个体不匹配
• 功能像的左右颠倒
• 初始化失败(部分FOV(Field-of-View)时有发生)

使用以下命令查看registrations的图像

tkregister-sess -s sess02 -fsd bold -per-run

• 这将在Freeview中每次Run中显示registration。
• 现在只需要看一下配准的结果并确定他看起来结果不错
• 退出Freeview

如果你想知道更多的关于registration使用tkregister和Freeview，看多模态教程

Preprocessing Details

您不需要执行下面的步骤来理解本教程的剩余部分。这部分可以使你深入理解FS-FAST预处理的内部工作原理.
回到其中一个运行的目录，看看preprocess产生了什么

cd $TUTORIAL_DATA/fsfast-functional/sess01/bold/001
ls

在进行预处理之前，目录中只有 f.nii.gz, workmem.par和wmfir.par。现在里面有许多文件，每个文件都表示不同的预处理阶段，现在输入：

ls -ltr

这个命令将最早创建的文件放在最上面，最晚创建的文件放在最下面

Template

这个阶段创建 template.nii.gz 。这是原始功能数据的中间的时间点(f.nii.gz)。这是一个参考用于头动校准和配准到运行的结构图像。也被用作创建大脑的mask。

使用 mri_info验证Template与原始数据具有相同的维数和分辨率:

mri_info template.nii.gz
mri_info f.nii.gz

注意:本条命令的意思是通过mri_info之后对模板文件(template.nii.gz)与原始数据文件(f.nii.gz)进行比较，以下分别是template与f的纬度和分辨率的信息

Masking

运行期间产生的Mask存放于masks目录之下。运行ls -ltr masks。（注意： ls -ltr masks 表明罗列出masks文件夹中的文件按照创建时间进行排列）您能够发现一个名称为brain.nii.gz的文件。他是通过使用FSL BET程序产生的二进制mask，还有一个由三个体素嵌入的mask名称为brain.e3.nii.gz的文件。这个eroded mask只能通过从脑组织中计算得到（减少边缘效应）。这些文件和template文件有着相同的维度。查看masks命令：

freeview -v template.nii.gz masks/brain.nii.gz:colormap=heat:opacity=0.75 -viewport cornonal

freeview -v template.nii.gz mask/.brain.e3.nii.gz:colormap=heat:opacity=0.75 -viewport coronal

您可以通过移动不透明的滑块或者输入一个新的值来调整mask的不透明度。现在，mask的不透明度设置的是0.75(这是通过在freeview的命令行中设置 opacity=0.75)，这样您就能看到哪里与template的volume重叠。brain.nii.gz是用于约束体素的操作步骤。利用eroded mask计算强度归一化和全局平均时间过程的平均功能值。其他的masks之后会讲到。

Intensity Normalization and Global Mean Time Course.

默认情况下，FS-FAST将按比例改变所有voxel的强度和时间点，以确保他们在不同的run,session,subject有相同的值。通过除以大脑中所有voxel和时间点的平均值，然后乘100，确保不同run, session, subject有相同的值。这些数据存储在globl.meanval.dat。 您可以看到这是一个简单的text文件，将值存储起来稍后再用。每个时间点的平均值也能构成waveform(text文件是 global.waveform.dat)。这个可以作为一个nuisance回归

• runs 1，2，3，4的整体意义是什么？

Functional-Anatomical Cross-modal Registration

将之后的六个文件(init.register.dof6.dat, register.dof6.lta, register.dof6.dat.sum, register.dof6.dat.param, register.dof6.dat.mincost, register.dof6.dat.log)进行配准从功能像到相同被试FreeSurfer的结构像之上。这里只有两个文件是真正重要的:register.dof6.ltaheregister.dof6.dat.mincost

• register.dof6.lta - 包含配准矩阵的text文件
• register.dof6.mincost - is a text file that contains a measure of the quality of the registration

Motion Correction

motion correction阶段产生了这些文件: fmcpr.aff12.1D, fmcpr.nii.gz, mcprextreg, mcdat2extreg.log, fmmcpr.nii.gz.mclog, fmcpr.mcdat。其中只有三个比较最重要的文件：

• fmcpr.nii.gz – 这是motion correction的功能数据。他和原始的功能数据有着相同的维度和大小。
• fmcpr.mcdat – 每个时间点的全部头动数据的text文件
• mcprextreg – 文本文件的运动校正参数组成一个正交矩阵，可以作为 nuisance回归
• 通过命令 mri_info 确认 fmcpr.nii.gz 和f.nii.gz有相同的维度

Slice-Timing Correction

Slice-Timing Correction对在2s内获得30张slice进行时间层校正。通过在时间点之间进行插入来使每个Slice与TR中间层的时间进行对齐来进行Slice-Timing Correction。通过 fmcpr.up.nii.gz进行生成.

• 使用命令mri_info确认 fmcpr.nii.gz与f.nii.gz有着相同的维度

Resampling to Common Spaces and Spatial Smoothing

功能数据保留在native functional space。现在将其采样到公共空间。公共空间是一个geometry，即所有被试要进行体素与体素之间的配准。在FS-FAST有这样的三个空间：

• fsaverage的左半球(fmcpr.up.sm5.fsaverage.lh.nii.gz)
• fsaverage的右半球(fmcpr.up.sm5.fsaverage.rh.nii.gz)
• fsaverage的volume(MNI305 space) - 用于皮层下分析(fmcpr.sm5.mni305.2mm.nii.gz)

每一个都是将整个4D功能数据集重采样到公共空间中。进行重采样之后要进行空间平滑处理，基于2D表面的平滑处理用于表面，3D的用于Volume。查看MNI305空间volume的维度：

mri_info --dim fmcpr.up.sm5.mni305.2mm.nii.gz # 查看数据的维度和slice数量
mri_info --res fmcpr.up.sm5.mni305.2mm.nii.gz # 查看数据的分辨率

76 列76行 93slice的数量 142时间点的数量

2.000 2.000 2.000表示voxel的三个坐标轴上的大小 2000.000=TR。

这个空间的转换是基于 FreeSurfer重建过程中创建的12 DOF talairach.xfm。产看左侧大脑半球的Volume

mri_info --dim fmcpr.up.sm5.fsaverage.lh.nii.gz
mri_info --res fmcpr.up.sm5.fsaverage.lh.nii.gz

1.00 1.00 1.00 2000.000

前三个没有什么意义，因为在surface中没有行，列以及slice。最后一个2000.000表示2s。这个空间的转换时基于FreeSurfer重建过程中产生的基于表面的被试之间的配准。

First Level分析

First Level (Time Series) Analysis

这个教程描述通过 configuring 分析(设计矩阵)和对照如何分析时间序列数据。有两个不同的阶段：

1. Configuring analyses and contrasts
2. 通过拟合时间序列到模型上以及计算contrast的p值分析数据。

在Project的母目录下进行教程

export SUBJECTS_DIR=$TUTORIAL_DATA/fsfast-tutorial.subjects
cd $TUTORIAL_DATA/fsfast-functional

Configure an Analysis