FSL——FDT数据统计处理TBSS

TBSS

TBSS - Tract-Based Spatial Statistics

使用磁共振扩散成像通过测量白质束中水的各向异性扩散来提供有关大脑中解剖学连接性的信息。 分数各向异性（FA）是最常从扩散数据中得出的量度之一，它可以量化局部区域结构的定向强度。 为了定位与发育，退化和疾病相关的大脑变化，许多影像学研究开始在三维像素统计分析中使用FA图像。 但是，使用标准配准算法会影响最佳分析。 对于如何以允许从后续体素分析得出有效结论的方式对齐来自多个对象的FA图像的问题，还没有令人满意的解决方案。 此外，尚未解决选择空间平滑程度的任意性。 TBSS旨在通过以下方法解决这些问题：仔细调整非线性配准然后投影到不变线束表示形式（“平均FA骨架”）上。

TBSS旨在提高多主题扩散成像研究分析的敏感性，客观性和可解释性。

通过扩散算例创建FA数据

前期准备的数据：FA图像经过了DTIFIT处理

将所有的数据放在同一个文件夹下面操作，可以使用FSLeyes进行初步查看

准备用于TBSS的FA数据

首先运行一个附加的预处理脚本，该脚本会略微腐蚀FA图像，以消除大脑边缘的伪影，并使末端切片归零（再次从扩散张量拟合中移除可能的异常值）

在terminal 输入

tbss_1_preproc *.nii.gz

该脚本将其输出放置在新创建的名为FA的子目录中。 它还将创建一个名为origdata的子目录，并将所有原始图像放在该目录中以供后续使用。

配准所有FA数据

下一个TBSS脚本运行非线性配准，将跨主体的所有FA数据对齐。 推荐的方法是将每个FA图像与FMRIB58_FA模板对齐。 此过程可能需要很长时间，因为每次配准大约需要10分钟。 如果您有多台运行群集软件（例如SGE（Sun Grid Engine））的计算机，则可以轻松加快此速度。

在FA文件夹的上一级文件夹打开terminal输入

tbss_2_reg

配准后处理

tbss_3_postreg -S

-S 通过各被试的均值确定骨架数据

以前的脚本（tbss_2_reg）只是将所有被试配准到所选模板。 tbss_3_postreg脚本应用这些配准将所有主题放入1x1x1mm标准空间。
然后，脚本将所有受试者的标准空间非线性对齐的图像合并到一个名为all_FA的4D图像文件中，该文件在一个名为stats的新子目录中创建。 创建所有FA图像的均值，称为mean_FA，然后将其输入到FA骨架化程序中以创建mean_FA_skeleton。
一旦脚本运行完成，请检查FA图像的平均值是否合理，并与MNI152图像对齐：

此时可以使用FSLeyes进行查看，

将所有预先配准的FA数据投影到骨架上

最后一个TBSS脚本执行运行voxelwise跨主题统计信息之前所需的最后步骤。 它将平均FA骨架图像的阈值设置为选定的阈值，这一步是生成了个体的骨架化的FA数据

如果您仍在stats目录中：cd回根目录

然后运行：

tbss_4_prestats 0.3

阈值创建一个二进制骨架掩码，该掩码定义了所有后续处理中使用的体素集。

接下来，从骨架蒙版创建一个“距离图”。 这用于将每个对象的FA投影到骨骼上； 当从骨架体素向外搜索局部区域中心时，仅在距离图值不断增加的同时继续搜索-这意味着当搜索距起始骨架点和坐标的另一个单独部分之间的距离超过一半时，搜索便会停止。最后，该脚本在all_FA中获取4D预对齐的FA图像，并针对每个“时间点”（主题ID）将FA数据投影到平均FA骨架上。 这将产生一个包含（投影的）骨架化FA数据的4D图像文件。 在下一部分中，将将此文件输入到voxelwise统计信息中。
脚本完成后，进入stats并查看FSLeyes中的all_FA_skeletonized 打开电影模式以查看框架化数据的不同时间点。

基于像素的骨架化FA数据的统计

可以使用命令行或者GUI对数据进行统计

Tools → misc → GLM setup 或在命令行输入Glm

选择Higherlevel，选择参与统计的人数，然后使用向导设置两组不成对的t检验，其中第3组为受试者数3（请注意， 在此设计中，受试者的顺序将很重要）。 将对比次数减少到2（我们对分组均值本身不感兴趣）。 最后，将设计另存为文件名设计，在终端中使用less查看design.mat和design.con文件。

最终使用一下语句进行处理

randomise -i all_FA_skeletonised -o tbss \
  -m mean_FA_skeleton_mask -d design.mat -t design.con -c 1.5