利用FSL进行核磁数据处理(使用GUI/代码)

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：