DPARSF处理数据总结

数据处理流程

预处理——>计算指标——>统计分析——>看图/作图
数据处理流程
预处理后通过计算一些指标(FC、ReHo等)来对两组之间进行统计分析,比较它们之间显著的差异,得到的显著的结果使用Results View来看结果然后作图。将结果整理成表格或图放到文章里面去。
流程的预处理和计算指标可以在Dparsf里面去做,

预处理

在MNI空间的流程如下图:
Processing
一般会先做Slice Timing,Realign头动的矫正等,如上图。

使用Dparsf进行预处理和指标计算

Dparsf界面如下:
界面
数据存放要求:被试的功能像存放在FunRaw文件夹下,结构像存放在T1Raw文件夹下。
存放要求

选项功能介绍

Time Points: 一共输入了多少个时间点,可以填0,这样的话软件就不会去检测数据是否正确。如果给定的话,则会检测数据是否有错误。所以当我们知道时间点数的时候就填上时间点数。
TR: 当我们扫描功能像是一个大脑一个扫描的,扫完全脑需要时间,常用的TR是2s。也可以填0,这样软件会从数据中读取信息。
Template Plament: 选择处理基于的模板。
EPI DIcom to NIFITI: 我们从磁共振机器里得到数据一般是DICOM格式的,需要转化成NIFITI格式。
Apply Mats: 一般情况下不会用到,当数据跑第二次的时候选上该选项就不用重新做头动调整了。做法如下:
Apply Mats
Remove First 10 Time Points: 通常我们会去掉前面几个时间点,目的是第一让磁场达到稳态,使得采集的信号更加稳定;第二被试刚开始扫描的时候心理上也不是特别的适应。所以一般会去掉前面5个或10个时间点。
Slice Timing: 因为扫描大脑不是一下子扫到,而是一层一层扫,如果第一层刚扫,就扫第二次会对信号进行干扰。为了避免
相邻层的干扰所以采用隔层扫描的方式。先扫第一层、第三次、…再扫第二层、第四层…。slice timing的目的就是用一种矫正的办法使得相邻层仿佛都是在同一点扫描。
Slice Number: 一共有多少层。一般是33层
Slice Order: 一般是1,3,5…;2,4,6…,这里要注意的是如果是西门子的机器,总数是偶数层的话,那么会按照2,4,6…1,3,5…
进行扫描。
Realign: 由于被试在磁共振机器里面头会动,使用Realign调整朝向进行头动校正。可以在{WorkingDir}\RealignParameter\Sub_xxx:下看头动到底有多厉害。里面的rp_.txt可以看头动的数据有六列,前三列是xyz平动,后三列是xyz转动;FD_Power_.txt是用power的公式来计算的,一般推荐使用FD_Jenkinson_*.txt来衡量的。
还有一种是查看ExcludeSubjectsAccordingToMaxHeadMotion.txt来排除被试,里面有2mm,2degree;1mm,1degree;可以排除大于2mm,2degree的被试,现在一般不用这种方法。现在一般用meanFD来排除被试,在HeadMotion.csv文件里,使用excel打开就会有max或者mean motion,mean FD等等,一般使用MeanFD或者MeanFD Jenkinson在后面做统计分析的时候可能也要作为协变量。阈值一般是按照大于0.2来排除的,如果被试头动都很多但又想保留可以使用平均FD+两倍标准差的方式来做。
Voxel-Specific Head Motion: 可以计算每个体素的头动。
Reorient Fun: 对功能像进行Reorient,作用是对图像进行观察和质量控制,另外就是把被试位置调到和标准位置差别不大。Reorient T1则是对结构像进行Reorient。
AutoMask: 检验功能像的覆盖情况。有些被试扫的覆盖很差,它的作用就是检验,还有一个作用就是生成groupmask。存放在Masks/AutoMasks/下:
在这里插入图片描述
Bet: 去掉头皮,使得功能像和结构像配准的时候达到更好的效果。bet之后把剥掉头皮的结构像配到功能像上去就会得到相应的配准信息,再应用到原始的结构像去,然后T1像配准了,把T1像配准了后用带着头皮的图像去做segement。这样效果会更好。
在这里插入图片描述
T1 Coreg to Fun: 把结构像配准到功能像空间。一般先分割为白质、灰质、脑脊液。segement会生成一些VBM结果,dpabi自带VBM功能。在T1Img(New)Segmet\sub_xxx路径下会有一系列的文件。c1co开头的表示原始空间的灰质密度,c2co开头的表示原始空间的白质密度,c3co开头的表示原始空间的脑脊液密度
wc1开头的表示MNI空间的灰质密度,wc2开头的表示MNI空间的白质密度,wc3开头的表示MNI空间的脑脊液密度
mwc1开头的表示MNI空间的灰质体积,mwc1开头的表示MNI空间的白质体积,mwc1开头的表示MNI空间的脑脊液体积。
所以在做VBM分析的时候一定要搞清楚是要做灰质密度的比较还是灰质体积的比较。
Nuisance Covariates Regression: 对协变量的去除,这是一种控制生理噪声的办法。一般去除线性趋势,使用Friston 24来进行头动校正。
Normalize: 将不同的大脑配到一个标准的模板上面。方法有好几种:
在这里插入图片描述
现在大多数用DARTEL配准。
smooth: 如果图像配准的效果不是特别好或者信噪比不是很高,那么smooth可以提高配准或者提高信噪比。会给smooth的平滑和,默认FWHM:444
Default mask: 如果我们要计算功能连接,我们对于脑外的体素不感兴趣,那么我们就给定脑mask所有的计算都局限在mask上。
ALFF/fALFF: ALFF低频段的能量,fALFF是用全频段的能量作为分母做一个归一化,再取低频段。之后再做filter。
Functional Connectivity: 计算功能连接,选定一个佐值点计算和全脑体素的相关。
Extract ROI time courses: 能够提取出时间点做网络。
Define ROI: 要做功能连接就必须要定义一个有意义的ROI。

总结

该文章主要是为了方便记忆Dpasrf的各种功能来做的笔记,更详细的知识在rfmri.org里面视频里有讲到。

  • 9
    点赞
  • 162
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
dpabi是一套用于脑成像数据处理的软件,目前已经成为了领域内的标准操作,广泛应用于MRI数据处理、分析和可视化。它具有多种模块和工具,包括数据准备、预处理流程和数据分析流程等。下面我将详细介绍一下dpabi的使用教材。 一、数据准备 首先,需要将MRI数据转换为标准格式。在此过程中,需要使用MRIConvert和DICOM转换软件来转换成nii格式的数据,然后使用DPARSF软件进行前后端处理DPARSF是dpabi中的一个工具箱,可以用来进行数据的清理和安排,确保模型能被正确的分析。DPARSF的主要功能包括数据清理、新建过滤筛选、数据重采样和数据转换等。 二、预处理流程 预处理流程包括多个环节,如空间标准化、头颅去除、motion、高斯滤波、线性趋势移除、多个脑部成分去除、灰质/白质/脑脊液三个脑部成分的时间序列提取等。dpabi给出的预处理流程包括以下步骤: 1.安装SPM12及其依赖软件 2.对头颅进行标准化并进行去除 3.对数据进行motion检测并在必要时进行修正 4.对数据进行高斯滤波和线性趋势移除 5.对整个过程进行检查和必要地进行修正 6.灰质、白质、脑脊液三个脑部成分的时间序列提取 7.根据FD和DVARS问题来判断是否进行scrubbing和nuisance regression 三、数据分析流程 dpabi提供了许多工具来进行数据分析。其中最常用的是基于网络的数据分析,即将数据转换为空间图,然后将其降为一个更小的集合,以便进行更好的可视化高维数据分析。具体数据分析流程如下: 1.进行具有时间依赖的多元模型的建模 2.进行具有时间依赖的网络的建模 3.将构建的模型导出到自己可能需要的格式下 4.对处于不同情景下的特定数据进行网络构建 以上是dpabi的详细使用教材,当然这只是其中的一部分,想要更加深入了解dpabi的使用以及数据处理技术的话,还需要继续学习和实践。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 6
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值