磁共振影像分析之: 基于FSL的VBM分析(1)

磁共振影像分析之: 基于FSL的VBM分析(1)

基本概念

在开始之前, 先给出几个基本概念:

磁共振成像

磁共振成像(Magnetic Resonance Imaging, MRI)是一种基于核磁共振原理和射频波探测组织结构和功能的医学影像技术. 值得一提的是, 磁共振成像技术没有辐射, 对人体没有影响.
结构磁共振(structural magnetic resonance imaging) 包括T1\T2和DTI三种数据, 据说T1观察解剖结构较好。T2显示组织病变较好。
传统的形态学测量方法对全脑或者感兴趣区域(ROI)计算灰质的体积. 比较费时, VBM将每个人的大脑都形成一个模板, 避免了人与人之间较大的解剖学差异, 并将结果经过平滑处理, 使得每个体素都代表它和邻居的平均值, 然后对不同个体间进行体素水平的比较.

VBM的基本概念:

VBM (voxel-based morphometry )可以在体素水平上定量检测出脑组织的密度和体积,反映不同群体或者个体局部脑区的脑组织成分与特征的差异. 目前, VBM已经广泛应用与描绘大脑结构的细微变化.
1995年, Wright首先提出了基于体素的形态学分析(VBM)思想
2000年, Ashburner提出了标准的VBM方法
2001年, Good等人提出了优化VBM的算法.
VBM方法简单高效, 有标准的处理流程, 包括很多软件提供自动处理功能. VBM的预处理流程可以大致总结为:

1) 从原始图像产生平均模板，也就是后文中提到的subject-specific模板
2）配准：将所有的原始图像通过仿射变换配准到1）生成的模板上
3）组织分割：灰质，白质和脑脊液
4）保持体积调制
5) 平滑处理, 用各向同性的高斯核
6）统计分析

FSL的VBM处理命令

如果想要从形态学上比较组间大脑局部灰质(voxel级别)的差别, 还有比如针对大脑功能的研究, 想要得到大脑功能上的差别是否由灰质差别造成的, 面对这样的问题就可以使用VBM.

由于人脑个体之间存在解剖学上的差异, 不能直接比较, 首先要将原始NifTI图像配准到标准模板, 包括必要的非线性对齐, 使得相同解剖位置的组织在空间上相对应. 这里的标准模板通常是用被试数据生成的subject-specific模板. 将所有图像匹配到标准模板上, 也就意味着将脑组织的空间位置\大小和分辨率和模板一致.

将配准后的大脑图像分割成灰质\白质和脑脊液以及非脑成分, 调制分割后的图像, 以得到能反映脑组织体积的图像.

上述两个步骤, 就是分割和配准的整体顺序不一定是完全分开. FSL给出的pipeline就是“大脑提取->线性配准->分割灰质白质和脑脊液->灰质的非线性配准->生成subject-specific模板”这样的流程.

得到配准的结果后, 为了增加参数检测的有效性, 需要做平滑, 经过平滑后每个体素的信号强度是周期体素的加权平均值.

这里有个配准度的问题, 要比较全脑voxel-by-voxel灰质差异, 你需要所有被试都是可比较的,也就是match的, 这就是为何要做非线性配准的原因. 但是如果配准结果太完美了, 所有被试的NifTi都和标准模板特别match, 那么做体素之间的差别分析就失去了意义. 这就是为何要限制非线性修正的自由度. 也就是在配准的前提下, 保留原大脑的基本形态结构.

也正是这个原因,请一定要谨记VBM分析方法是有一定的限制的. 有的时候可能会很难决定结果是由于灰质的厚度或者形态直接造成的, 还是由于不同的皮质折叠(gyrification) 模式间接造成的. 事实上, gyri/sulci 没有对齐, 甚至是皮层的不同折叠模式都会造成灰质分布的差异. 此外, 理论上结果还会与非线性对齐的自由度设置和光滑操作算法相关.

完成平滑的工作后, 就要进入统计建模和