磁共振实验数据SPM8处理流程(继续)
2013-03-24 15:32
387 查看
继续上一次的话题,做完了Slice Timing,接下来就该进行头动校正了。
2、Realignment 头动校正
即使我们对被试的头部做了很好的固定,在实验过程中,被试也会不由自主的有一些轻微的头动,这在fMRI实验中尤为明显。这一步就是把一个实验序列中的每一帧图像都和这个序列的第一帧图像按照一定的算法做对齐,以矫正头动。
目的:如果在容许的头动范围内,可以使用一定的算法校正信号,使其靠近真实值,如果超过了这个规定的范围,则必须剔除这组数据。
头动范围(Check Realign): 平动≤2.0mm and 旋转≤2.0degree[严老师观点]
我们在预处理面板校准选项中选择“Realign(Est&Res)”,出现一个参数设置对话框。
修改其中参数:
Data:New:Session
然后选中data下出现的“Session”选项。点击“Specify Files”,用spm文件选择器选择刚做完时间校准的全部图像(a*.img)。
Filename Prefix:默认为r
其余选项采用默认设置,点击上方绿色的三角开始运行。
做完这一步,能给出该序列中被试的头动情况,以作为是否放弃该数据的依据,如果头动超过1个voxel(功能图像扫描矩阵一般是64*64,则体素的大小为(FOV/64)*(FOV/64)*(层厚+层间距)),则要考虑放弃该时间点数据。该程序利用最小二乘法(leastsquaresapproach)原理和含6个参数(刚体模型)的空间变换,对从一个被试获取的时间序列进行校正。用户可指定某个volume作为随后volumes的参考。可以是第1个volume,也可选择比较有代表性的volume(更明智的选择),例如选择磁场相对稳定的第4个volume。校正信息(头动信息)将在结果窗口(GraphicsWindow)显示。每个Session的校正信息将存储为rp*.txt,其中*为Session数据集名称。另外,头动校正信息将以plot图形显示。
Translation图表示被试头部在X,Y,Z三个方向的平移,分别用蓝,绿,红三种颜色表示。Rotation图表示被试头部在实验过程当中绕X(L-R),Y(A-P),Z(S-I)三条轴的转动角度。横坐标代表这个序列所采集的所有图像,纵坐标表示的是偏移量和偏转角度,分别以毫米和度为单位。采用SPM8,头动信息和空间标准化的图形文件将以spm_“data”.ps的形式保存于matlab的工作目录下,如我们是2009年4月30日处理的数据,则将以spm_2009Apr30.ps文件存于matlab的work目录下。当然也可以将生成的图像保存成.jpg格式:File->Save
As->.jpg
说明:①matlab中如何查看头动范围
打开rp_af*.txt文件,前3列为平动数据、后3列为旋转数据;
在matlab中输入命令:b=load(‘rp_af*.txt’); %----[载入头动数据文件]
c=max(abs(b)); %---[取b值的绝对值的最大值,表示找出每列的最大值]
c(4:6)=c(4:6)*180/pi %---[4-6列为转动,将以弧度为单位的数值转化为以角度为单位的值,pi表示π]
②运行结束后将生成一对mean*(.img和.hdr)文件(平均脑)、一个rp_*.txt文件(头动参数文件)及若干对r*(.img和.hdr)文件。
3、Coregister 配准
目的:是将所有的图像同一个volume对齐,对功能像与结构像做一个信息的变换。我们相信对于被试,功能像与结构像是线性相关的平动与转动,而不是扭曲的。由功能像向结构像去配,对于结构像中的hdr文件存有一个矩阵,而这个矩阵就包含了功能像的信息。
过程:
在spm8中选择Coregister(Estimate):---[只需要将旋转的矩阵写入到hdr文件中,不需要生成新的文件,也就是对3D文件做一个刚体的变换,变换到功能像空间里]
Reference Image---[选择头动校正后生成的mean*.img文件]
Source Image---[选择3D文件,即data3D文件夹中的.img文件]
其余选项采用默认设置,点击上方绿色的三角开始运行。
说明:Source image与Reference image的关系,可以认为是将结构像向以mean开头的功能像里估计,估计结束后就可以将旋转矩阵写入到精度更高的3D文件当中,最后做出的图像的分辨率就会很高。(结构像比功能像清晰很多)
4、Segment 分割
目的:要将被试的结构像配到功能像里,就需要将结构像进行分割。一般分割为灰质、白质和脑脊液三部分。
过程:
在spm8中选择Segment
Data---[选择配准后的3D图像,即data3D文件夹中的.img文件]
.Clean up any partitions----Light clean
Affine Regularisation---[选择欧洲人或东亚人大脑模板] 如:ICBMspace template-European brains
其余选项采用默认设置,点击上方绿色的三角开始运行。
5、Normalise 标准化
目的:将不同容积及形状的被试的大脑放到一个标准空间里,用一个公用的坐标系去描述具体的一个位置。
方法:①. Normalize by using EPI templates;
②. Normalize by using T1 image unified segmentation。
先说第①种方法的操作:
在预处理面板标准化选项中选择“Normalise:Estimate&Write”,出现一个对话框,我们做如下设置:
选中“data”——“new sbject”,在data下新出现的“subject”选项中作如下设置,“sourceimage”选择空间校准步骤中生成的mean文件,“image to write”选择所有刚进行完校准的文件“ra*.img”,“template image”我们选择“EPI.nii”,其余采用默认设置,点绿三角运行。
或用第②种方法的操作:
用3D像文件做分割,用分割的信息去做空间标准化,分割要做三个小步骤,被试既有结构像,又有功能像,我们要用结构像分割所得到的信息来做功能像的空间标准化。首先,要保证功能像与结构像在同一个位置。所以,需要做一次coregister,即配准。先把被试的结构像变换到被试的功能像空间里,然后将变换到功能像里的结构像分割所得到的相应信息运用到功能像里。
结构像在功能像空间里被分割后,会得到一个矩阵。这个矩阵就会告诉我们如何从被试的功能空间去往标准空间。也就是MNI空间。我们可以根据这些信息应用到功能像里,写进去以后就会自动配准到标准空间里去。
Normalise: Write
Data: new subject
Parameter File---[参数文件,选择3D文件夹下segment后的文件,有2个文件,分别是seg_sn.mat和seg_inv_sn.mat,前者表示由功能像到标准化空间去配,而后者正相反,所以选择前者。]
Image to Write---[要写入的文件,选择3D文件下的ms*.img文件]
Bounding box---[默认的偏小,可以改为-90 -126 -72 90 90 108] (相当于把整个大脑装在这个“盒子”里)
Voxel sizes—[改为3 3 3] (不能为1 1 1)
其余参数默认即可。
再次Normalise,做完头动校正后,以平均脑文件做一次标准化。
Normalise: Write
Data: new subject
Parameter File---[参数文件,选择3D文件夹下segment后的seg_sn.mat文件]
Image to Write---[要写入的文件,选择头动校正后以r开头的.img文件]
Bounding box---[默认的偏小,可以改为-90 -126 -72 90 90 108]
Voxel sizes—[改为3 3 3]
Filename Prefix:默认为w
其余参数默认即可。点击上方绿色的三角开始运行。
说明:运行完毕会生成若干对waf*打头的img/hdr文件,同时还会生成一个mean*_sn.mat文件(存放变换参数)。
6、Smooth 平滑
目的:将功能像文件平滑
过程:
Image to smooth---[选择做完标准化后的以w开头的功能像文件]
FWHM改为6 6 6---[半宽全高,通常取体素的2倍];
其余默认。
点击上方绿色的三角开始运行。
说明:高斯平滑后会生成若干对swaf*打头的img/hdr文件。
啊。。。数据预处理过程终于完成啦。。。
2、Realignment 头动校正
即使我们对被试的头部做了很好的固定,在实验过程中,被试也会不由自主的有一些轻微的头动,这在fMRI实验中尤为明显。这一步就是把一个实验序列中的每一帧图像都和这个序列的第一帧图像按照一定的算法做对齐,以矫正头动。
目的:如果在容许的头动范围内,可以使用一定的算法校正信号,使其靠近真实值,如果超过了这个规定的范围,则必须剔除这组数据。
头动范围(Check Realign): 平动≤2.0mm and 旋转≤2.0degree[严老师观点]
我们在预处理面板校准选项中选择“Realign(Est&Res)”,出现一个参数设置对话框。
修改其中参数:
Data:New:Session
然后选中data下出现的“Session”选项。点击“Specify Files”,用spm文件选择器选择刚做完时间校准的全部图像(a*.img)。
Filename Prefix:默认为r
其余选项采用默认设置,点击上方绿色的三角开始运行。
做完这一步,能给出该序列中被试的头动情况,以作为是否放弃该数据的依据,如果头动超过1个voxel(功能图像扫描矩阵一般是64*64,则体素的大小为(FOV/64)*(FOV/64)*(层厚+层间距)),则要考虑放弃该时间点数据。该程序利用最小二乘法(leastsquaresapproach)原理和含6个参数(刚体模型)的空间变换,对从一个被试获取的时间序列进行校正。用户可指定某个volume作为随后volumes的参考。可以是第1个volume,也可选择比较有代表性的volume(更明智的选择),例如选择磁场相对稳定的第4个volume。校正信息(头动信息)将在结果窗口(GraphicsWindow)显示。每个Session的校正信息将存储为rp*.txt,其中*为Session数据集名称。另外,头动校正信息将以plot图形显示。
Translation图表示被试头部在X,Y,Z三个方向的平移,分别用蓝,绿,红三种颜色表示。Rotation图表示被试头部在实验过程当中绕X(L-R),Y(A-P),Z(S-I)三条轴的转动角度。横坐标代表这个序列所采集的所有图像,纵坐标表示的是偏移量和偏转角度,分别以毫米和度为单位。采用SPM8,头动信息和空间标准化的图形文件将以spm_“data”.ps的形式保存于matlab的工作目录下,如我们是2009年4月30日处理的数据,则将以spm_2009Apr30.ps文件存于matlab的work目录下。当然也可以将生成的图像保存成.jpg格式:File->Save
As->.jpg
说明:①matlab中如何查看头动范围
打开rp_af*.txt文件,前3列为平动数据、后3列为旋转数据;
在matlab中输入命令:b=load(‘rp_af*.txt’); %----[载入头动数据文件]
c=max(abs(b)); %---[取b值的绝对值的最大值,表示找出每列的最大值]
c(4:6)=c(4:6)*180/pi %---[4-6列为转动,将以弧度为单位的数值转化为以角度为单位的值,pi表示π]
②运行结束后将生成一对mean*(.img和.hdr)文件(平均脑)、一个rp_*.txt文件(头动参数文件)及若干对r*(.img和.hdr)文件。
3、Coregister 配准
目的:是将所有的图像同一个volume对齐,对功能像与结构像做一个信息的变换。我们相信对于被试,功能像与结构像是线性相关的平动与转动,而不是扭曲的。由功能像向结构像去配,对于结构像中的hdr文件存有一个矩阵,而这个矩阵就包含了功能像的信息。
过程:
在spm8中选择Coregister(Estimate):---[只需要将旋转的矩阵写入到hdr文件中,不需要生成新的文件,也就是对3D文件做一个刚体的变换,变换到功能像空间里]
Reference Image---[选择头动校正后生成的mean*.img文件]
Source Image---[选择3D文件,即data3D文件夹中的.img文件]
其余选项采用默认设置,点击上方绿色的三角开始运行。
说明:Source image与Reference image的关系,可以认为是将结构像向以mean开头的功能像里估计,估计结束后就可以将旋转矩阵写入到精度更高的3D文件当中,最后做出的图像的分辨率就会很高。(结构像比功能像清晰很多)
4、Segment 分割
目的:要将被试的结构像配到功能像里,就需要将结构像进行分割。一般分割为灰质、白质和脑脊液三部分。
过程:
在spm8中选择Segment
Data---[选择配准后的3D图像,即data3D文件夹中的.img文件]
.Clean up any partitions----Light clean
Affine Regularisation---[选择欧洲人或东亚人大脑模板] 如:ICBMspace template-European brains
其余选项采用默认设置,点击上方绿色的三角开始运行。
5、Normalise 标准化
目的:将不同容积及形状的被试的大脑放到一个标准空间里,用一个公用的坐标系去描述具体的一个位置。
方法:①. Normalize by using EPI templates;
②. Normalize by using T1 image unified segmentation。
先说第①种方法的操作:
在预处理面板标准化选项中选择“Normalise:Estimate&Write”,出现一个对话框,我们做如下设置:
选中“data”——“new sbject”,在data下新出现的“subject”选项中作如下设置,“sourceimage”选择空间校准步骤中生成的mean文件,“image to write”选择所有刚进行完校准的文件“ra*.img”,“template image”我们选择“EPI.nii”,其余采用默认设置,点绿三角运行。
或用第②种方法的操作:
用3D像文件做分割,用分割的信息去做空间标准化,分割要做三个小步骤,被试既有结构像,又有功能像,我们要用结构像分割所得到的信息来做功能像的空间标准化。首先,要保证功能像与结构像在同一个位置。所以,需要做一次coregister,即配准。先把被试的结构像变换到被试的功能像空间里,然后将变换到功能像里的结构像分割所得到的相应信息运用到功能像里。
结构像在功能像空间里被分割后,会得到一个矩阵。这个矩阵就会告诉我们如何从被试的功能空间去往标准空间。也就是MNI空间。我们可以根据这些信息应用到功能像里,写进去以后就会自动配准到标准空间里去。
Normalise: Write
Data: new subject
Parameter File---[参数文件,选择3D文件夹下segment后的文件,有2个文件,分别是seg_sn.mat和seg_inv_sn.mat,前者表示由功能像到标准化空间去配,而后者正相反,所以选择前者。]
Image to Write---[要写入的文件,选择3D文件下的ms*.img文件]
Bounding box---[默认的偏小,可以改为-90 -126 -72 90 90 108] (相当于把整个大脑装在这个“盒子”里)
Voxel sizes—[改为3 3 3] (不能为1 1 1)
其余参数默认即可。
再次Normalise,做完头动校正后,以平均脑文件做一次标准化。
Normalise: Write
Data: new subject
Parameter File---[参数文件,选择3D文件夹下segment后的seg_sn.mat文件]
Image to Write---[要写入的文件,选择头动校正后以r开头的.img文件]
Bounding box---[默认的偏小,可以改为-90 -126 -72 90 90 108]
Voxel sizes—[改为3 3 3]
Filename Prefix:默认为w
其余参数默认即可。点击上方绿色的三角开始运行。
说明:运行完毕会生成若干对waf*打头的img/hdr文件,同时还会生成一个mean*_sn.mat文件(存放变换参数)。
6、Smooth 平滑
目的:将功能像文件平滑
过程:
Image to smooth---[选择做完标准化后的以w开头的功能像文件]
FWHM改为6 6 6---[半宽全高,通常取体素的2倍];
其余默认。
点击上方绿色的三角开始运行。
说明:高斯平滑后会生成若干对swaf*打头的img/hdr文件。
啊。。。数据预处理过程终于完成啦。。。
相关文章推荐
- 磁共振实验数据SPM8处理流程(待续)
- 磁共振实验数据SPM8处理流程(完结)
- ADS40数据处理流程
- asp.net页面处理流程 - 处理 PostBack回来的数据 - LoadAllState 和 ProcessPostData
- 客户余家琪反馈数据有误处理流程记录
- 基于Lua脚本解决实时数据处理流程中的关键问题
- SpringMVC如何处理JSON数据和运行流程
- 游侠原创:MD5处理之后的密码就坚不可摧吗?(附实验数据)
- 大数据处理之道(实验方法<二>)
- 顶点着色器和像素着色器的数据处理流程
- springMVC高级部分(数据校验,数据错误回显(自定义格式错误显示),拦截器,异常处理,文件上传,文件下载,springmvc运行流程以及springmvc和struts2对比)
- Hadoop对于数据的离线处理流程及实现Top N 查询
- 机房收费系统可行性研究----处理流程和数据流程
- 《C++第十四周实验报告1-2》---规定MyArray只能处理元素为整型的数据未免太弱了, 请设计成模板类,使之适应各种类型
- libnids-1.21 中 IP 分片重组分析 之数据结构与处理流程
- 【Java】在跑数据过程异常的处理方法(异常后继续执行),个人觉得很有用
- MTK 数据账号处理流程
- SDUTOJ 1480 数据结构实验:哈希表——链地址法处理冲突
- 大数据处理之道(实验方法<二>)
- Linux icmp 学习笔记 之二 icmp数据处理流程