DIPY bundle-based analysis
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