【ADNI】数据预处理（1）SPM，CAT12；数据集

ADNI Series

1、【ADNI】数据预处理（1）SPM，CAT12

2、【ADNI】数据预处理（2）获取 subject slices

3、【ADNI】数据预处理（3）CNNs

4、【ADNI】数据预处理（4）Get top k slices according to CNNs

5、【ADNI】数据预处理（5）Get top k slices (pMCI_sMCI) according to CNNs

6、【ADNI】数据预处理（6）ADNI_slice_dataloader ||| show image

---

ADNI

ADNI是目前研究阿尔茨海默症的权威数据中心，它在2004年由美国国家卫生研究所和国家老年问题研究所共同资助建立而成，致力于收集整理阿尔茨海默症病人数据，跟踪病人的发病过程，发掘发病过程的变化与原由，以揭示阿尔茨海默症的发病原理，寻找治愈方案。截止2017年10月，ADNI已经获取了超过2000志愿者的神经影像数据，其中，有超过400人已经连续跟踪36个月，其余志愿者仍在持续跟踪。

ADNI的数据目前分为四个阶段，ADNI-GO、ADNI-1、ADNI-2和ADNI-3，其中ADNI-GO与ADNI-1为基线数据，ADNI-2与ADNI-3主要为后续跟踪数据和新加入的模态数据（如新型示踪剂下的PET）等。

MRI 相关的数据库

ADNI：http://adni.loni.usc.edu/ 

OASIS：http://www.oasis-brains.org/ 

数据集参考网址：

精华汇总：医学数据集及机器学习项目：http://bbs.pinggu.org/thread-6367557-1-1.html

 

CAT12

CAT12: A Computational Anatomy Toolbox for SPM (http://dbm.neuro.uni-jena.de/cat/)

去除颅骨，自动分割为：灰质，白质，脑脊液；

SPM

SPM12: Statistical Parametric Mapping Toolbox (http://www.fil.ion.ucl.ac.uk/spm/software/ spm12/)

将灰质图像配准到AAL模板上

（说明：本文提到的CAT12和SPM都是基于Matlab的一个扩展工具包）

 

预处理流程的步骤

1、格式转换：DICOM 是目前神经影像采集重建后存储的通用数据格式，从ADNI数据集中采集到的MRI 和PET 原始图像可能为DICOM 格式。为了得到便于后续操作的数据格式：NIfTI，扩展名为.nii。图像预处理需要使用FSL、SPM 等工具对采集到的图像完成从DICOM 到NIfTI 数据格式的转换。

2、校正：校正步骤操作主要是前连合(AC)-后连合(PC)校正。我们使用MIPAV 软件进行AC–PC 校正, 重采样图像采用标准的256×256×256 模式,之后使用N3 算法去校正非均匀的组织强度。通过AC–PC 校正校正之后的图像，我们还需实施头骨剥离、小脑切除操作。

3、头骨去除和小脑切除：MRI 和PET 的原始图像中都包含着一些非脑结构，比如头骨等。为避免增加运算量，也避免影像后续预处理，影响实验结果，需要在图像预处理操作中将图像中的头骨等非脑结构移除。本文采用SPM 工具中的CAT12 工具包完成去除头骨的操作。

4、异源图像配准：这一预处理操作步用来完成异源影像数据的配准，如：MRI 的T1 回波时间图像和T2 回波时间图像配准、MRI 与PET 配准。由于待配准的图像属于不同类的数据差异很大，所以我们采用更准确、鲁棒的基于互信息的配准算法完成这一操作，最小二乘法已经不再适用。

5、图像分割：在MRI 图像处理时，有时只关注某些特定区域的状态，这就需要根据大脑的解剖结构将目标部位的组织提取出来。在预处理流程中，我们将MRI 按脑灰质、白质、脑脊液结构分割成为3 个不同的图像，再进行单独或联合分析。这是因为这三个组织在大脑中有着不同的功能，在受到AD 或MCI 影响后也有不同的形态学的改变，需要各自提取特征。因此这一步骤需要用到图像分割算法。

6、标准化：标准化是将前面预处理流程的图像配准到标准脑模版空间MNI(Montreal Neurological Institute)上，统一所有图像的坐标空间。MNI 空间是基于大量的正常被试的MRI 扫描平均得到的新的标准脑，是大脑图像标准化常用到的模版。标准化用到的算法是非刚体配准算法，包括仿射变换与非线性变换等。

7、平滑处理：在完成上述一系列处理后，还需要将图像做一次平滑处理，以抑制功能像的噪声，提高信噪比，减少各图像间仍残余的解剖结构或功能上的不同。通常，平滑处理采用的函数是高斯核（标准方差）函数。此外，根据经验和实践尝试，我们使用64×64×64 的像素立方体对灰质密度图像和PET 图像进行下采样，这种处理可以节约运算时间和内存消耗，而且没有损失分类精度。

 

Reference：

https://blog.csdn.net/weixin_38533896/article/details/80020811