T1结构像+RS-fMRI影像处理过程记录（数据下载+Matlab工具箱+数据处理）

最近需要仿真研究T1结构像+RS-fMRI影像融合处理输出目标坐标的路线可行性。就此机会记录下来。
为了完成验证目标处理，首先需要有数据，然后需要准备对应的处理平台和工具箱，进行一系列。那么开始记录~
前言：
为了基于种子点的功能连接分析，找出与种子点的最相关坐标。如下是严老师的培训文档，正是我所需要的。链接如下：

https://d.rnet.co/Course/V3.0EN/4_R-fMRI_Data_Processing_DPARSFA.pdf
https://d.rnet.co/Course/V3.0EN/4_R-fMRI_Data_Processing_DPARSFA.mp4
在这里插入图片描述

确实做功能连接是我这次处理的目的，我需要先完成预处理，后才基于种子ROI去做功能连接分析，既可以分析种子ROI和目标脑区的连接情况，也可以分析种子ROI与全脑的功能连接情况。但是可以想象，两个计算量肯定有明显的差异。
万里长征第一步，还是开始尝试吧。
正文：
（1）下载满足要求的开源数据
去OpenNEURO https://openneuro.org/datasets/ds002422/versions/1.1.0
下载数据做仿真验证够够的了，有46个被试，每个被试下面有多个数据记录，完全符合我的需要,有这个做仿真研究真的是太方便了。
(sub-01_T1W.nii就是T1结构像，sub-01_task-rest_bold.nii.gz就是我要的RS-fMRI)
多下载几个数据处理验证没得问题。
在这里插入图片描述

也可以去严老师的网站下载数据，不同类别的data可供下载，可以直接下载Demo Data for DPARSF。
https://rfmri.org/content/demonstrational-data-resting-state-fmri

（2）准备数据处理平台
按照如下准备先按照到位，这些是处理和查看处理过程的利器，作为研究核磁影像的人少不了。
在这里插入图片描述
安装完Matlab以后，除了MRIcron 是独立软件，其他就都是工具箱。工具箱软件需要先下载到本地，后解压缩放到Matlab 安装路径的toolbox 文件夹下，并打开matlab 界面，从设置路径处导入。这里我是遇到了一个问题，到底是 添加文件夹 还是 添加并包含子文件夹？
在这里插入图片描述
那么看下面

澄清一下：如果打算使用DPABI 做预处理，那么这个地方的SPM12 和DPABI的设置路径的方式一定要参考严老师的官网
使用DPABI 一定要去看：http://www.rfmri.org/DPABIErrorHandling

REST 是DPABI 的一个子模块。
（3）实施处理
都说DPABI 是“傻瓜版”的SPM，但是这个用起来还是要花时间去仔细啄米…
先说一下数据摆放路径，非常容易出错，可以先去阅读网站 http://www.rfmri.org/DPABIErrorHandling
如果用DPABI 来做预处理，那数据摆放路径就是讲究，路径关系如果层级发生错误，就会报各种奇怪的错误。
首先新建一个路径文件夹，如202504_MRI是我的文件夹，文件夹下面需要新建两个子文件夹：
如果原始数据都是Dicom 格式，新建T1Raw 和FunRaw 文件夹，并将各被试的T1像拷贝到T1Raw文件夹，RS-fMRI 像拷到FunRaw文件夹。
如果T1是nii格式，RS-fMRI 是.nii.gz 格式就新建T1Img 和FunImg文件夹，并将3个被试的T1像拷贝到T1Img文件夹，RS-fMRI 像拷到FunImg文件夹,我这次的数据就是这一种。
另外，一定要注意，如果使用DPABI进行预处理，这些原始数据的父文件夹是T1Img 和FunImg文件夹，或T1Raw 和FunRaw 文件夹，我曾经将sub当父文件夹出现了难以接受的错误。正确的数据层级关系如下：
当原始数据是.nii+.nii.gz 格式时：
在这里插入图片描述
当原始数据是Dicom格式时：

这里插一个处理步骤，因为我看有人讲一个4D.nii.gz 容易报错，需要转化成多个3D ni。
我的fMRI 影像是一个文件4D.nii.gz 文件，然后我通过手动解压以后变成了只变成了一个nii。如果想变成多个3D nii，还是需要工具或者代码实现。下面提供一段可靠的代码4D.nii.gz 转成多个3D nii的matlab:

clc;clear;
fileName = 'sub-03_task-rest_bold.nii.gz';%需解压的fMRI 的原始4D 文件压缩格式文件名，
filepath = 'E:/202504_MRI/';%fMRI 的原始4D 文件路径
gz_file = fullfile(filepath,fileName);

tempniiPath =  'E:/202504_MRI/temp/';%初解压缩的nii文件存储路径，临时的，每完成一个数据的解压以后都要建立一个temp
gunzip(gz_file,tempniiPath);%手动初解压缩

fileList = dir(fullfile(tempniiPath,'*.nii*'));
outFile = fileList.name;%fMRI 手动初步解压缩后的文件名
inputFilename = fullfile(tempniiPath ,outFile);%解压后的完整文件名

outDir = 'E:/202504_MRI/FunImg/sub3/';%解压成3D nii 的存储路径

spm('Defaults','fMRI');
spm_jobman('initcfg');
% 创建 batch job
matlabbatch{1}.spm.util.split.vol = {inputFilename}; 
matlabbatch{1}.spm.util.split.outdir = {outDir}; % 输出目录
matlabbatch{1}.spm.util.split.prefix = 'vol_'; % 输出文件名前缀
spm_jobman('run',matlabbatch);

（2）预处理步骤虽多，但是处理的过程有讲究
在这里插入图片描述
在matlab 窗口输入 DPARSFA（是DPARSF advance 版本，支持T1+fMRI 联合分析）后即可进入DPARSFA 交互界面
①模版参数
选中Blank,其实就是空白模版，其他的都有很多默认的参数和处理步骤被选中是有特定的处理，作为新手来说，先从0开始进入吧，选中blank就相当于空白开始，灭有任何的默认选中处理步骤，需要自己去尝试设定探索；

这个地方参数模版，是一些供选择的处理方案，感觉是处理步骤流程模版化，选择不同的模版会在界面上出现对应选中处理步骤，估计也会存在一些差异性的处理流程步骤，如果很清楚自己的处理目标和步骤，就可以直接选中适合的一个，后面只要把数据扫描关联的参数填下就可以run了。
但是这个地方要结合自己的处理目标去分析。
如果只需要做预处理，那只能选择blank，其他的选项中不管是在MNI空间还是original空间都是默认选中了预处理+后处理。
在这里插入图片描述
②工作路径
这个工作路径需要选中建立的文件夹，是一个总的大路径，不要出现中文字符；

③扫描参数
Time Points:采集的时间点数，应该是个整数，预估100~300，具体需要查看数据
TR：是重复时间，这个也是扫描参数，一般这两个参数需要基于fMRI 数据去查看，如果已知就直接填写
这两个参数必须要准确，如果不知道，可以通过软件查看，实在不行就空着，软件会在处理的过程中读取到。

建议在matlab 中通过命令得到点数，这个是.nii.gz 的获取方式

nii=niftiinfo("my-rs-fMRI.nii.gz");
TimePoints = nii.ImageSize(4);
disp(['时间点总数：'，num2str(TimePoints)]);

dicom也有其获取参数的方式，比如先转成nii查看，或者用MRIcron/MRIcronGL/3D slicer/FSL /等软件打开查看。
TR(s)这个参数重要，就是重复时间，这个需要基于扫描json文件去查看，也可以用别的软件工具去查看。

④就是将dicom转成nifti格式，由于我的输入就不是dicom，这一步完全不用选。

在这里插入图片描述
上面没有标出来，Apply Mats,如果输入是dicom 格式数据，那就选中吧，如果是我这样的nii格式就不选
⑤ 去除因设备开机不稳的时间点，一般会去掉开始的5~10个时间点的数据。这里，我没有去，因为我下载的数据中已经在json中说了手动去掉了3个时间点，我就不再去了，直接填了0，也可以不选中，省的有效数据变短。

⑥时间层矫正，因为功能像是隔层扫描，做这个处理就是要重新把时间对齐，必须要选中；

⑦功能像的扫描层数，就是ImageSize(3),我下载的数据是64X64X36X200，我这里就是36层
后面的Slice Order:扫描次序，我填的[2:2:36,1:2:35](我看了我下载的json文件，我的是隔层扫描，先扫偶数层，后扫奇数层）

⑧参考层，一般用正中间的扫描时刻对应的层作为参考层，也有TR/2最接近的时刻处的层作为参考
我的扫描时间序列
“SliceTiming”: [1.5375,0,1.6225,0.085,1.7075,0.1725,1.7925,0.2575,1.8775,0.3425,1.9625,0.4275,2.05,0.5125,2.135,0.5975,2.22,0.6825,2.305,0.7675, 2.39,0.855,2.475,0.94,2.56,1.025,2.645,1.11,2.7325,1.195,2.8175,1.28,2.9025,1.365,2.9875,1.4525 ],
可以看出0时刻在第2帧，而且偶数层比奇数层的时刻小，说明先偶数后奇数。
⑨ 表明数据开始处理的路径这样可以附加到工作路径文件夹。
⑩ 运行时间层矫正

看看做完时间层矫正后的结果，可以看到matlab 窗口中输出说明我的参数设置正确了，正确完整了时间层矫正，而且还是3个sub都处理了
在这里插入图片描述

头动矫正

Realign:必须要选中
Voxel-Specific Head Motion :因为我计算的目标是坐标靶点，对空间定位和连接精度非常敏感，我这里也需要选中，相当于是需要做一个更高级一些些的头动矫正。普通的核磁处理可以不选中。有人说这一步时间长作用不大，我还是先处理看看。
根据上面，我处理的输入是要基于时间层矫正的结果，所以我界面的这个输入文件夹是时间层矫正的输出在这里插入图片描述
处理完以后输出又多了更多文件夹

影像重定向及分割配准

（11 Reorient Fun : 处理fMRI，就是是的头的朝向变正（因为很多情况下存在数据歪斜）
手动调整功能像歪斜，此处需要手动确立AC点。

（12 AutoMask :处理fMRI 自动掩膜生成，就是基于T1结构像，去掉不是大脑区域的部分，生产掩膜图像；
这个步骤其实是对头动矫正以后的fMRI 影像的平均图像进行处理的，可以得到平均图像去除颅骨以后模版mask。
（13 Crop T1: 就是去掉T1中的无关区域，比如脖子，背景、空气、头皮，从而减少图像中的无效空白部分；
（14 Reorient T1: 处理结构像数据，结构像图像重新定向，矫正朝向和歪斜
需要在弹窗中手动标记AC 点。
（15 Bet :T1 结构像处理，剔除颅骨，提取大脑区域
（16 T1 coreg to Fun: 对齐结构像和功能像，用coregistration 将fMRI 与T1 进行对齐，其实就是将T1结构像配准到fMRI 空间，从而实现两者空间对齐。
这个步骤完成了不少内容，首先讲去掉颅骨的的T1，批准到了去掉头皮的fMRI 上，并得到了中间计算参数，可以讲带颅骨的T1配准大片fMRI 空间。
（17 segment ：分割，将T1结构像分割成灰质、白质、脑脊液，segment 是传统的分割方法，New segment+DARTEL 是一种新的分割方法（如果T1结构像的质量很好建议选择这个方法）
这个处理步骤，其实是先将已配准到fMRI 平均影像的T1 又配准到标准空间，这样得到了中间形变参数。同时对标准空间下的T1进行分割处理，分割出脑灰质、脑白质、脑脊液等掩膜图像。
（18 分割处理的模版选择，East Asian 是东亚模版比较适合处理东方人的数据（基于东亚数据得到），European是欧美数据模版（基于欧美数据得到，其实就是MNI）
我这个数据下载的，查阅以后还是先选择欧美模版。
在这里插入图片描述
注意11和14都是需要手动调整数据朝向和歪斜的，新手还无从下手，暂时先不选。另外如果数据本来就很正，AC-PC都有差不多水平了，而且也没有左右歪斜就要不选。如果要矫正就要研究其选中后的弹窗页面的调整，等我学会了，我再来补充一下。
11和14选中以后都需要手动去差点参考点，会弹窗让手动操作选择。
先看看AC-PC：
在这里插入图片描述

上面图示中给出了AC和PC应该落点的位置，可见AC和PC在上下方向几乎是等高的。
在弹出的页面，手动标记参考时，需要讲AC作为参考点，先理解了AC和PC的结构特点就好落点了。
这一步的输出：

下面用软件逐一打开查阅
T1ImgBet 就是T1结构像做了颅骨剔除以后的大脑区域的图像。
如下图可以看出sub1剔除的的比较差，在小脑下还包含了一些其他的组织,sub2有少许杂质组织，sub3剔除的最好，如果演示我肯定用sub3被试的处理结果去演示。
在这里插入图片描述
T1ImgCoreg:
这个是T1配准到fMRI 以后的结果，我也打开看看影像的变化
很遗憾，这个文件夹中的数据跟T1Img 中的数据大小和空间方位还有可视化一模一样，说明T1 Coreg to Fun 是不成功了，为啥不成功，我要重新跟踪步骤检查。
这一步要重新到退处理检查了，这一次不能跳过任何的弹窗和提示。
我查阅资料科普一番以后，发现T1 Coreg to Fun，就是T1结构像配准到去头动后的fMRI 的平均图像中，因为我的fMRI 图像是没有做颅骨剥离的，所以此处T 1 Coreg to Fun 输出的应该还是带颅骨的图。跟我原来的理解有出入，先记录一下。
T1ImgNewSegment 文件家中放的是分割的脑灰质、白质、脑脊液文件。
在这里插入图片描述
再看看预处理的后半部分，
后面再接着写吧。。。
这部分主要是4个功能：
①用来处理完成头动矫正的fMRI 影像的，就是基于头动还有基线去做回归，去噪
②是标准化
也是用来处理fMRI影像的，在T1配准到fMRI 空间后，其具备了与fMRI 影像同坐标系空间特点，后在segment 时其又配准到了标准空间，其转换到标准空间的转换参数也代表了fMRI 到标准空间的参数，基于此对fMRI 影像完成标准化。与此同时还做了基于体素大小的重采样；
③空间平滑处理，还是对fMRI 影像处理，FWHM是高斯窗。如果要计算局部一致性REHo,则平滑处理应该放在计算REHO之后。
④带通滤波，两个是一个意思，只是因为滤波既可以先做，也可以后做。因为如果要计算ALFF 和fALFF 就要后做，选后面那个。

因为我只在意最后用来分析计算功能连接，没有计算ALFF/fALFF和分析局部一致性，预处理部分我都是严格按照上面的步骤来的。
感觉计算这两个参数的话，滤波和平滑就要选择后面的了，不能早早选中。

理解了所有的预处理以后确实没怎么报错，只是这个单纯的处理框架看起来很离散，每个处理步骤都有输入和输出还有做的目的都需要分析。
在这里插入图片描述
分析三天也才get 到一条初步的处理流程图吧，一直都在边处理边理顺边验证才得到的一张图，也许这条路到最后发现有冗余，但是真的是要吃透才能简化和完善。可以说预处理和准备分析工作占据了80%，后面的功能连接好像没有那么多步骤。以后在具体实施中去应该吧。功能连接分析的路估计就是这么走了。真的挺长的，后面还要好好消化吸收。
在这里插入图片描述