DIPY - Bundle-based Analysis，AFQ和BUAN，更新ing

利用DIPY （Diffusion Imaging in PYthon）可以方便提取和分析大脑神经纤维束，利用神经纤维束就可以方便分析白质感兴趣区域的变化，进行发育规律刻画，组间比较等神经科学、临床任务。目前主要有AFQ和BUAN两种bundle-base-analysis 方法，该帖子主要参考参考DIPY课程github站。

Dipy

Fiber bundle definition

Dipy fiber bundles are defined by an atlas saved at ****\.dipy\bundle_atlas_hcp842\Atlas_80_Bundles\bundles, which composes of 79 specific fiber bundles + 1 whole brain tractome.

Fiber bundle alignment

在追踪神经纤维时，它的起点和终点并不确定，因此在分析时，就需要对齐神经纤维束的起点和终点。
oriented_cst_l = dts.orient_by_streamline(cst_l, standard_cst_l)

AFQ （Automating Fiber-Tract Quantification）

Clutering & weighting

利用QuickBundles聚类神经纤维，利用fiber的labels，并计算fibers和聚类中心的距离，用来对神经纤维的指标进行weighting。

BUAN （BUndle ANalytics）

BUAN更进一步，在计算fibers的指标时，还要将神经纤维延神经纤维束的法向对齐。

DIPY fiber bundle 基本介绍

Dipy在home目录下会生成一个.dipy的文件夹，里面保存着bundle_atlas_hcp842，里面保存着79个fiber bundles的atlas，在后续分析时将个体空间的fiber bundle配准到atlas的标准空间，就可以方便分析大脑白质的变化情况。

Atlas_80_Bundles/bundles/
├── AF_L.trk
├── AF_R.trk
├── CCMid.trk
├── CC_ForcepsMajor.trk
├── CC_ForcepsMinor.trk
├── CST_L.trk
├── CST_R.trk
├── EMC_L.trk
├── EMC_R.trk
├── FPT_L.trk
├── FPT_R.trk
├── IFOF_L.trk
├── IFOF_R.trk
├── ILF_L.trk
├── ILF_R.trk
...

https://github.com/dipy/dipy/blob/master/doc/interfaces/buan_flow.rst

DIPY bundle-based analysis基本设置

文件夹结构主要分为两组，一个对照组，一个目标组。每一个subject的子文件夹中包含三个文件夹，分别时anatomical_measures，org_bundles，rec_bundles。

subjects_small
├── control
│   ├── id1
│   │   ├── anatomical_measures
│   │   ├── org_bundles
│   │   └── rec_bundles
│   └── id2
│       ├── anatomical_measures
│       ├── org_bundles
│       └── rec_bundles
└── patient
    ├── id3
    │   ├── anatomical_measures
    │   ├── org_bundles
    │   └── rec_bundles
    └── id4 
        ├── anatomical_measures
        ├── org_bundles
        └── rec_bundles

其中, anatomical_measures 文件夹保存感兴趣的scalar maps，例如FA, MD等文件。org_bundles 文件夹是所提取的fiber bundles在dMRI数据的个体空间。而rec_bundles 文件夹是在统一的空间的fiber bundles。

DIPY bundle-based analysis

在组织好数据之后，就可以用dipy_buan_profiles，dipy_buan_lmm 开始分析。

dipy_buan_profiles bundles/ subjects_small/ --out_dir "bundle_profiles"
dipy_buan_lmm "bundle_profiles/*" --out_dir "lmm_plots"

就能进行组间比较和分析，输出p值的延Fiber bundle的显著区域图。如下所示，

此后，还可以展示结果更细节的图，如下面第一个命令展示，

dipy_horizon bundles/AF_L.trk lmm_plots/AF_L_fa_pvalues.npy --buan --buan_thr 0.05