追踪完纤维束后,除了可以用FA等指标来量化分析外,还可以用纤维束的微观结构-表观纤维束密度(AFD)、纤维束横截面积等指标来量化分析,此时就需要采用fixel-based analysis(FBA)
因为最近看到一篇文章使用了这个方法,文章里说的很简略,搜索了一下发现中文的资料也很少,因此粗浅地翻译一下查阅到的文档,再加上了一些自己的理解,希望能够方便大家学习
提前声明:作者非常非常小白,脑影像入门选手,如果有任何理解错误的部分,欢迎高手们批评指正哈/敬礼
1.对DWI进行上采样(upsample 指将图像从低分辨率重采样成高分辨率)
在计算FODs前对DWI数据进行上采样能够增加组织对比度并且提高接下来空间配准和统计的准确性,我们建议使用bspline差值 并将上采样倍数设为2
mrresize <input_dwi> -scale 2.0 <output_upsampled_dwi>
2.计算上采样后全脑的mask
dwi2mask <input_upsampled_dwi> <output_upsampled_mask
3.估计纤维束取向分布函数FOD(此处官方用的是CSD模型,他说用其他纤维束重建模型也可以)
此命令可以使用先验的组平均响应函数执行约束球形反卷积(CSD),需要注意的是,我们这里可以使用并且将从这种硬性非负向的约束条件中受益(注:这里的意思可能是,他们用CSD是因为数据比较适合这个方法,大家可以根据自己的数据特性选择更合适的重建模型)
dwiextract <input_upsampled_dwi> - | dwi2fod msmt_csd - <group_average_response_text_file> <output_fod_image> -mask <input_upsampled_mask>
4.生成study-specific无偏的FOD模板(构建组水平FOD模板)
这一步是FBA中最耗时的步骤,如果你研究的被试数量很大,我们建议你先从被试集中选择20-40个人。需要选择能够确保生成的模板可以代表你的人群的被试(例如等数量的病人和对照组)
为了构建模板,将所有的FOD影像放入一个文件夹。我们同时建议在另一个文件夹中放入一组对应的mask影像(使用与FOD影像相同的前缀)(注:这里的意思可能是,一个文件夹放所有被试生成的FOD影像,另一个文件夹放他们的mask影像,为了匹配起来,来自同一被试的两个image前缀要相同),生成population_template的语句如下
population_template <input_folder_of_FOD_images> -mask_dir <input_mask_folder> <output_fod_template_image>
5.将所有被试的FOD配准到FOD组模板
mrregister <input_fod_image> -mask1 <input_subject_mask> <input_fod_template_image> -nl_warp <subject2template_warp> <template2subject_warp>
6.计算所有被试mask在模板空间中的交集
不同的被试有着些许不同的大脑覆盖范围,为了确保在包含所有被试的体素数据中执行后续分析,我们将所有被试的mask warp&#