关注“心仪脑”查看更多脑科学知识的分享。
关键词:文献综述、科普散文
相信很多朋友在初学使用fsl进行sMRI/fMRI数据分析的时候都有一些不熟悉,这里我整理了一些使用fsl进行数据处理的经验,本篇是有关使用fsl中的feat工具进行fMRI数据预处理的部分,后续文章还会继续跟进一级,二级分析与静息态功能性连接以及与PET结合的多种高级数据处理技巧等。
工具介绍:
FEAT工具多用于对task/res-fMRI数据进行预处理和统计分析(1st、2st),基于实验设计的复杂性与否可以自行选择自己定义的design matrix或是利用程序自动进行简单的矩阵生成进行GLM分析或是ICA。
预处理步骤:
预处理大致包含的步骤如下图所示,其中红色是必选项,蓝色为按照自己的实验设计与需求进行的附加项。其基本都可以在FEAT的Pre-stats tag中实现。
其分别是:转换成Nifti格式-运动校正-失真矫正-时间矫正-去颅骨-空间平滑-时间漂移滤波-注册到标准空间。
一(转换到Nifti格式):
可以使用dcm2niix工具进行无损转换,同时也可以自订输出文件的格式以应对不同的处理工具。该工具可在如下网站找到:
https://www.nitrc.org/plugins/mwiki/index.php/dcm2nii:MainPage
也可以使用常用的MRIcroGL工具进行这一步,可在以下网址找到:
https://www.nitrc.org/projects/mricrogl/
这两种工具都有将被试信息匿名化以及自订输出文件格式的功能。
二(运动校正):
因为生命在于运动(bushi),被试总是可能活动他们的头部,所以运动校正的步骤是必要的。在这一步中,每一个voxel应该在每个时间点上与稳定的解剖学结构中对应的voxel点相符。FSL中是通过MCFLIRT进行刚性矫正,基于FLIRT命令将voxel调整到一个通常的)参考点实现。如下图所示:
为所有的fMRI volumes选择一个MCtarget(参考)
将每个volume分别注册到参考
这个MCtarget可以是任何一个volume,不管是第一个/中间层或是几个volume的平均都可以。
在FEAT_GUI的操作如下图所示。
利用命令行的代码如下: