vbm 分析_手把手系列教程：使用FSL进行VBM分析

本文将介绍使用FMRIB Software Library(FSL)做VBM(voxel-based morphometry)分析。

操作系统：linux系统；

本教程使用的环境是ubuntu-18.04.1；虽然ubuntu目前的最新版本是18.10，但最好不要安装最新版本，相关的配套插件尚未完善，FSL运行要报错。

FSL版本号为FSL 6.0.0。

一、准备原始数据

(1)新建一个文件夹(假设命名为VBMtest)作为分析目录,并将所有被试的原始 T1 像放到该文件夹下。这里的文件是nii.gz格式，从磁共振机器拷贝出来的是dicom格式，需要将其压缩成nii.gz格式。具体压缩的软件有很多，熟悉windows系统的同学可以在windows系统使用相关软件完成压缩过程；在本教程中，是在linux环境下的dcm2niix程序完成压缩的。具体请参考：https://github.com/rordenlab/dcm2niix/releases

这里有两组被试,第一组健康对照组22 人, 命名为control*.nii.gz (*表示不同的subjects... ),第二组病人组16 人,命名为pa*.nii.gz (*表示不同的subjects... )；见图1。

(2)构建组模板。将被试的名字,即 control*.nii.gz...,pa*.nii.gz...放到一个名为template_list 的文件里。如果两组被试数目不一样，就从被试数目较多的一组中随机选择部分被试,使得两组被试数据相等,这是为了保证构建的组模板不会偏向于某一组；具体操作：打开终端，cd到VBMtest目录(或者在VBMtest目录里点击右键，打开终端会自动到该目录)，输入：gedit template_list，输入subjects的文件名，然后保存。见图２。

(3)[这部分并非VBM所必须]在命令行下运行slicesdir `imglob *` ,这里*表示所有的subjects. 即当前文件夹下所有被试的文件。见图3。

这行命令的作用是产生了一个slicesdir的文件夹，在里面截取每个被试的 T1 图像,并生成一个名为index.html的文件。见图4。

二、构建GLM模型，用于组间比较

(1)设计矩阵中被试的顺序应该与subjects的文件名一致。比如这里健康组的文件名命名为 control* ,而病人组名为pa*, control*在pa*前面(默认排序)，所以设计矩阵中前22个应为健康对照组，后16个应为病人组；

(2)在终端中输入Glm(注意这里G一定是大写字母)会弹出两个窗口界面，见图5。

在 Glm Setup 中选择Higher-level/non-timeseries design, inputs设置为38(因为有38个被试)，然后按回车；点击Wizard ,弹出 Model setup wizard 界面,选择 two groups, unparied ,设置第一组的被试个数为22(因为control*有22个subjects),点击 Process；见图6。

(3)在General Linear Model中设置 Contrasts，C1表示组A大于组B的cluster(1,-1)，C2表示组A小于组B的cluster(-1,1)，C3表示组A的均值；C4表示组B的均值；如图7所示：

(4)在 Glm Setup 中点击 Save ,假设命名为design。这样在VBMtest 目录下就会出现design.mat和design.con 两个文件；见图8；

(5)想进一步了解其他的GLM设置方法，请参考https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/GLM；对于复杂的统计模型,可以选择手动构建；手动构建可在WPS或office表格中准备数据，将数据另存为txt文件，然后利用Text2Vest命令将数据改为设计矩阵与对比矩阵文件。届时需在终端敲入如下代码：

Text2Vest mat.txt design.mat

Text2Vest conv.txt design.con

Text2Vest ftest.txt design.fts(进行F检验时才需要)

三、颅骨剥离(脑提取)

在命令行中运行fslvbm_1_bet -b 或者fslvbm_1_bet -N (如果你的图像包括很多颈部的话),这里选择使用 fslvbm_1_bet -b。见图9。

这行命令的作用是:

(1)在VBMtest里新建名为struc的文件夹，见图10。

将原始T1文件复制到该文件夹下,并添加_struc的后缀,比如control001.nii.gz改为 control001_struc.nii.gz ;

(2)使用Bet进行颅骨剥离,输出后缀名为_brain.nii.gz的文件,比如control001_struc.nii.gz 进行颅骨剥离后的文件名为control001_struc_brain.nii.gz；见图11；

(3)对颅骨剥离后的图像进行截图,并生成网页文件用于质量检查，index.html文件位于struc/slicesdir；打开后如图12所示(请原谅例子数据的质量)。

四、构建灰质组模板

在命令行中运行 fslvbm_2_template -a(仿射配准)或者 fslvbm_2_template -n(非线性配准)，为了节约时间，这里使用仿射配准方式生成组模板,所以使用fslvbm_2_template -a。如图13所示。

主要过程包括:

(1)将每个被试颅骨剥离后的图像分割成灰质、白质和脑脊液三部分;

(2)将每个被试的灰质图像线性配准到 ICBM-152灰质模板上,平均后得到初步模板。再将每个被试的灰质图像线性配准到初步模板上,平均后得到最终的组模板；你可以选择用fsleyes打开查看template_GM_4D文件，如图14所示。

五、配准和平滑

在命令行运行 fslvbm_3_proc ，如图15所示。

这一步主要包括:

(1)在VBMtest文件夹里新建一个名为stats的文件夹；

(2)将每个被试的灰质配准到上一步构建的组模板上,并将配准后的图像进行不同程度的平滑；

(3)根据前面得到的统计模型进行组间比较,生成不同平滑度(Gaussian核；sigma = 2,3, 4mm)下的T值图,根据T值图的情况,选择该用哪一种平滑后的结果；本例中选择sigma=3，即文件名中包括s3的文件。

六、组间比较和多重比较校正

使用randomise命令进行置换检验，建议使用TFCE方法进行多重比较矫正，cd到stats文件夹，在终端输入命令如下:

randomise -i GM_mod_merg_s3 -m GM_mask -o fslvbm -d design.mat -t design.con -T -n 5000

运行完成后可见stats文件夹里增加了fslvbm_tfce_corrp_tstat1，fslvbm_tfce_corrp_tstat2之类的文件，这就是TFCE多重比较矫正之后的结果。

七：查看与输出结果

校正后的结果为 1-p ,所以小于 0.05 即为大于0.949。使用fsleyes查看组间比较结果是否显著，在终端敲入命令：

fsleyes -std fslvbm_tfce_corrp_tstat1 -cm hot -dr 0.949 1

以上命令发现结果为阴性，更改P值为0.5(为了方面演示结果)。在终端敲入命令(与上述命令基本相同，只是把0.949改为0.5)：

fsleyes -std fslvbm_tfce_corrp_tstat1 -cm hot -dr 0.5 1

结果如图16所示。

除此之外,也可以用cluster命令查看显著的cluster，在终端敲入命令：

cluster -i fslvbm_tfce_corrp_tstat1 -t 0.949

结果同fsleyes为阴性，P换为0.5之后发现阳性cluster，如图17所示。

以上显示的是voxel的坐标，如要显示MNI标准空间的坐标，需在命令后加--mm，命令如下所示：

cluster -i fslvbm_tfce_corrp_tstat1 -t 0.5 --mm

结果见图18。

那么我们得到峰值坐标点在MNI空间的坐标为-40，-22，-26

进一步明确这个坐标在脑地图集的那个位置，可使用如下命令，如图19所示。

atlasquery -a "MNI Structural Atlas" -c -40,-22,-26

如要获取BA分区相关信息，可使用其他软件，如芒果(mango)软件，打开MNI模板，输入坐标，即可出现BA分区信息，具体在此不再详述。Mango软件在Windows系统中也可以使用。请参考：http://ric.uthscsa.edu/mango/mango.html

导出显著的cluster信息，可在终端敲入如下命令：

cluster-i fslvbm_tfce_corrp_tstat1 -t 0.5 -o cluster_index --osize=cluster_size >cluster_info.txt

以上命令导出三个文件，cluster_index,cluster_size, cluster_info.如图20所示。

进一步将显著的cluster制作mask，可在终端敲入如下命令：

fslmaths-dt int cluster_index -thr 1 -uthr 1 -bin cluster_mask1

可以看到多出了一个文件”cluster_mask1”，如图21所示。

提取每一个subjects的显著cluster的体积，可在终端敲入如下命令，见图22：

fslmeants-i GM_mod_merg_s3 -m cluster_mask1 -o Cluster1

可看到多出了一个文件“cluster1”，见图23。

打开之后如图24所示。按照文件中subjects的排序，每一行就是相对应subjects的cluster1的体积。

---

注意事项：fslvbm_2_template与fslvbm_3_proc命令需花费较长时间，在敲入命令前请做好思想准备。

---

参考资料：https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FSLVBM/UserGuide

---

更多精彩敬请关注：