预计的数据分析流程以及一些问题

1.数据预处理(到smooth)

  • SPM12 (去掉前10层,时间层校正,头动校正,功能像结构像对齐,结构像分割,Normalise到标准空间,Smooth)

2.数据预处理之detrend和filter,回归掉CSF和WM的协变量,然后用Scrubbing(?)去头动伪迹

  • GRETNA(大概需要整理一下文件夹的结构,所以这个软件需要的文件夹结构是怎样?)
  • 或者DPARSF或者REST,GRETNA使用scrubbing去头动伪迹,但是这一方法可能会影响degree centrality,所以打算先不用。最后我采用的是DPARSF来去线性趋势(detrend),去除协变量,以及滤波(filter)(参数如下图)
    预计的数据分析流程以及一些问题_第1张图片
    注意:我运行到去除协变量这一步之后出现了"undefined function:file2mat" 这样的错误,这个时候的解决办法我查了一下说是可以重新设置SPM12的路径,但是重新设置之后还是没有用,原因是file2mat.m文件在SPM12中是在@开头的文件夹中。这种文件夹不会被添加到路径中。所以我就把含有file2mat.m的那个文件夹(可以在SPM12文件夹中使用find来查找这个文件在哪里)中的全部内容复制出来,在SPM12的路径中新建了一个新的文件夹,把这些文件都复制进去,然后在matlab中添加这个文件夹的路径。解决了问题。

3.图论方法分析功能连接

  • GRETNA(先构建网络或者说数据矩阵,然后分析一些指标)

下图出自:https://wenku.baidu.com/view/7e179468f90f76c660371a58.html,侵删
预计的数据分析流程以及一些问题_第2张图片
还有一个CSDN上的博客,讲了一些GRETNA的先验知识:Gretna网络分析之先验知识

4.将结果用图像的方式展现出来

  • Brainnet Viewer

一篇科普软文:北京师范大学神经影像脑连接组可视化软件(BrainNet Viewer)

问题

问题1:
SPM12对准到MNI152(也就是ICBM152)空间是用了非线性变换的deformation field(Forward)生成的y开头文件,但是这个模板好像跟FSL使用的模板不同?
据ICA-AROMA的作者在回答SPM12的一个问题中,他提到FSL和SPM使用的bounding size有差异?
所以可能按照SPM一般预处理得出的smoothed数据并不能直接做ICA-AROMA?虽然我按照之前的文章给出的步骤是不会报错的。已经迷惑_(¦3」∠)_
问题2:
预处理或者是后期的数据处理中总是要选择mask,template以及atlas,但是这三个东西到底怎么区分我真实头大。
这个是讲atlas的:当谈大脑时我们在谈些什么——聊聊脑成像中“大脑图谱”
mask是一个二值的矩阵,在思影科技的大话脑神经中有一篇是讲mask的
然后template是最头痛的,貌似可以自己创建template,那么创建来干嘛用呢?
网上有人是这样讲的:“template是为了研究方便,有人把全脑或者脑白质、灰质以及脑积液信息单独拿出来,在一定的分辨率下做成的图像文件,可以根据研究的需要,利用这些文件选择一定的阈值或条件制作MASK。出处”。但是还是没有很懂_(¦3」∠)_
问题3:
spm生成的rp头动参数文件,前三列是平动,后三列是转动(弧度制)。
剔除头动的标准:(1)宽松型(Excluding Criteria:3.0(2.5)mm and 3.0(2.5)degree in max head motion)(2)适中型(Excluding Criteria:2.0(1.5)mm and 2.0(1.5)degree in max head motion)(3)严格型(Excluding Criteria:1.0(0.5)mm and 1.0(0.5)degree in max head motion)。
选择适中的标准2mm和2°,标准有了,基础的操作方法如下

b=load(‘rp*.txt’);       % 调入头动文件
c=max(abs(b));             % 取头动的最大值,即六列数每列中最大的数,共六个数
c(4:6)=c(4:6)*180/pi         % 把后三个数(转动数据)的单位由弧度换成度

怎么用这个文件把图画出来可以看这里:
spm头动绘图的理解
问题就是,判断了头动过大之后就直接排除这个被试?大概吧,ε=(´ο`*)))唉
另外,RESTplus中有一个头动的图像判定方法,具体怎么看可以查看官方文档
问题4:
GRETNA的详细使用方法,GRETNA这个软件的最新版(截至2019/9/9)是2.0.0版,Github上面的GRETNA官网安装包中的更新最近的是五个月前。所以大概这个版本不太经常更新?或者已经是稳定的版本了。官网给出的Manual也令人十分迷惑。 我后来发现在GRETNA的安装包中自带一个详细一点点的Manual。
有一个北师大讲图论分析方法的PPT我认为讲得比较好,是2015年的。
现在问题是,图论里面也有很多的内容,我需要用哪一个或者哪一些指标呢?
多模态神经影像与脑连接组学
问题5:
关于静息态的核磁数据的分析有以下的部分(除去预处理):
1.频域信号分析(ALFF、fALFF、slow3、slow4、slow5等)
2.局部一致性分析(ReHo)
3.连接分析(voxel-wiseFC、ROI-wise FC、VMHC、动态功能连接、动态因果模型、格兰杰因果等)
4.基于图论的脑网络属性分析(小世界属性、Rich-club系数、度中心性等)
5.基于ICA的脑网络分析
6.MVPA:基于体素的机器学习分析
具体可以看思影科技发的一篇文章:思影数据处理业务一:功能磁共振数据处理

那么问题就是这些步骤要如何实现?

使用软件踩过的坑

RESTplus是REST的升级版,一开始陷入了REST这个软件的深渊,后来发现REST最后升级已经是13年了,后面就变成了RESTplus,学什么苹果,浪费我感情 。RESTplus可以计算功能连接,RoHo,ALFF,fALFF,还可以算度中心性,好像对比GRETNA的功能少一点,但是这个软件的好处在于官方的Manual容易看懂,应该比较容易上手。
渣渣的我因为预处理就搞了很久所以一直浪费时间,最初的REST尝试也因为版本太旧而失败。
DPARSF是一个国内开发的用来分析静息态以及其它态的核磁数据的集成软件包,这里也跟REST一样有个坑!最新的DPARSF是2019发布的,但是并不是单独的DPARSF了,而是包含在DPABI中,然后加了很多其它的东西。GUI在Ubuntu系统中有一点点不好用,不过因为Linux的GUI本身不太好用,所以可能并不是这个软件的锅。
也因为DPARSF的内容很多,它可以从预处理一直做到功能连接,相当于串联了SPM和RESTplus的功能。但是正是因为步骤多就很可能在其中的哪一步做错了之后你未曾发觉。而因为它是以pipeline的形式批量一次处理所有数据,所以等到你做完之后发现比如哪个参数不对,这个进程就比较复杂了。所以最好是一开始先用一个数据尝试一下。(当然,这种鸡蛋里面挑骨头的毛病也可能只是我个人比较菜的原因。所以我经常纠结在各种细节的选择上面。)
Brainnet Viewer:这篇博文可以看看北师大BrainNet Viewer软件使用心得与原创实用ROI提取toolkit分享

你可能感兴趣的:(fMRI,Ubuntu)