DTI(diffusion tensor image)网络如何构建

序言

最近在做一些神经影像学的研究，之前做过fmri的脑功能网络，现在由于验证的需要，需要构建DTI的结构网络，相对于FMRI的功能网络，FMRI是利用bold信号来反应大脑在一时间段里面活动情况，基于voxel情况下的，每个体素里面都有一个时间序列，在FMRI网络的构建过程中，无非就是定义在各种网络中的边，包括DMN，SN等，选取网络中定义的节作为自己网络中的node，然后边是pearson相关系数（计算两两之间的pearson相关系数），然后卡一定的阈值，可以来构建网络，这个地方可以有两种网络进行构建，一种是二值网络，一种是直接将相关系数作为权值来构建，其中二值网络的构建如下：

二值脑网络的构建

而在DTI网络的构建过程中，DTI是利用的水分子的扩散作用（布朗运动）构建网络的，由于成像特点的不同，DTI的影像都是配准到B0场的，利用不断变化的磁场强度而成像。

---

构建DTI结构网络：

下面我简单介绍下DTI成像的过程，在这里我的结构网络构建是基于脑区为节点的，如果是based on whole brain voxel，原理一样，这里我跳过了DTI的预处理的详细步骤，直接开始介绍DTI结构网络的构建，之前在文献中看到了好几种构建的方法，只是顺序不同，在这里，我选择了一种比较中肯的方法，过程如下所示：

DTI结构网络构建过程

下面做一下解释

1.图像最后的操作必须是在同一个空间下的，可以是B0空间，也可以是原始空间，这里是配准到原始空间的，对于空间的转换，可以用配准的方法，比如在fsl中flirt函数，可以实现配准过程中把变换矩阵提取出来，如果是两步，比如B0->T1->MNI,那么这就是两个矩阵相乘，在fsl中对应的convert函数可以时间图像利用矩阵进行空间的变换。

2.在计算白质纤维束的时候，这个地方可以用多种放，主流的一般是两种，一种是FACT确定性追踪，这种追踪算法计算速度很快，对于这种方法，可以在Diffusion Toolkit这个工具实现， 但是会生成很多假阳性的纤维束，精度不是很高。第二个是probabilistic tractography，概率纤维追踪，就是基于马尔可夫链蒙特卡罗采样来建立每个体素的扩散参数分布，从而实现纤维束的追踪，这个可以用fsl里面的函数实现，主要的函数是bedpostx实现。此外，白质纤维束的追踪以及DTI网络的构建，可以直接使用matlab的一个toolbox，PANDAS，是一个从原始图像到构建DTI结构网络的pipeline，很多人用。同时还可以中一个比较新的工具，MRtrix3，来构建网络，他的使用步骤在官网介绍的很详细，这里不进行详细概述，操作空间大，可控制性强，个人建议很好用。

3.MNI标准空间下的一般都是模版文件，不如上图中提到的，顺便提一句，针对与不同年龄段的人，如果都是小孩子，建议用小孩子的模版，可以用TOM8来制作小孩子的脑模版。除此之外，现在一般用的比较多的是AAL2，这个是比较认同的，也是划为的比较合适的。

4.具体构建过程：以FACT基于脑区构建结构网络，以AAL模版脑区构建为例

①节点的定义。大脑结构网络的节点是通过 AAL 模版定义的。该模版把大脑皮层分为 90 个脑区，经过空间配准和转化，获得在 DTI 空间下的90 个脑区。

②纤维追踪。通过软件 DtiStudio（Version3.0.3）(FACT)，获得每个被试的白质纤维束，其终止条件是各向异性参数 FA < 0.20，追踪角度 > 45°。

③大脑网络边的定义。通过每对大脑网络节点之的结构连接定义大脑结构网络的边。给定两个节点 i 和 j，如果它们之间有至少一根纤维束连接，就认为这两个节点是连接的。（权值的计算可以根据图的相关理论来计算，这个地方的方法很多，存在争议，这里不进行详细叙述，有需求的可以留言，我将我认为比较好的权值定义发给你）

4.大脑结构网络构建。DTI 空间下的 90 个脑区作为大脑结构网络的节点，每个权重系数作为大脑结构网络的边，通过获得 90 个脑区的连接矩阵，最终获得每个被试者的加权大脑结构网络。

最后贴一个比较好看的过程图，但是步骤不如上面的全，过程大体上上面描述建立DTI脑网络的过程：

脑网络构建过程

过程可能存在一些问题，请指正，谢谢！