练习记录-用FSL工具对DTI数据进行FDT预处理

练习记录用FSL工具对DTI数据进行FDT预处理
本文是CSDN博主「txapples」的原创文章，遵循CC 4.0 BY-SA版权协议，原文链接：https://blog.csdn.net/txapples/article/details/108507685
本文只是作为个人学习笔记，增加了过程图

1.实验/编程目的：
使用FSL工具对DTI数据进行预处理，提取FA、MD等图像
2.训练/测试数据：
一个DTI图像数据
3.核心算法：

4.实现步骤/流程图：

1）压缩数据：首先可以用MRIcrom中的dcm2nii工具将原始的DWI图像转换成NifTI(.nii），


生成4个文件
transdata1.nii.gz,
transdata1.bvec,
transdata1.bval,
transdata1.json

两个文件 .bval 和 .bvec分别表示磁场梯度施加的强度和方向

2)提取b0图像
需处理的文件为：.nii.gz格式的DTI数据
命令：
fslroi transdata1.nii.gz b0.nii.gz 0 1
后面的0 1代表从0个图像开始，提取出1张
输入文件是transdata1.nii.gz，所以输出文件：b0.nii.gz，包含了第一张图像b值为0的图像

3）脑提取（BET）:脑提取的目的就是为了获得一个去除颅骨后脑的掩模
bet [options]
-o 生成覆盖在原始图像上的脑表面轮廓
-m 生成二进制脑掩码
-S 生成粗糙的头骨图像
-n 不生成默认的脑图像输出
-f 分数强度阈值(0,1)；默认为0.5；较小的值给出更大的脑轮廓估计
输入命令：bet2 b0.nii.gz b0_brain.nii.gz -m -f 0.3
输入b0.nii.gz，输出去除颅骨后脑图像b0_brain.nii.gz和掩码b0_brain_mask.nii.gz
4）涡流矫正eddy_openmp
纠正涡流引起的扭曲和主体的运动，它可以处理比eddy_correct(早期版本)更高的b值数据
–imain一个图像文件,被处理的原始DTI数据
–mask用1和0指定大脑(1)和非大脑(0)的单个卷图像文件。通过在第一个b=0的图像上运行BET获得。
–acqp描述imain中不同图像的采集参数的文本文件–建立acqparams.txt，写入以下任选一种
根据官方文档，他告诉我们如果没有扫描仪制造商足够的经验，使用中几乎不需要去设置真的该参数，只需要对topup和eddy使用相同的文件：
Does the brain jump up and down?使用
0 1 0 0.05
0 -1 0 0.05
Does the brain bounce from side to side? 使用
1 0 0 0.05
-1 0 0 0.05
例如：

–index一个文本文件，它决定acqp和imain两者之间的关系
建立一个index.sh,写入，
indx=""
for ((i=1; i<=X; i+=1)) do
indx="$indx 1"; done
echo $indx > index.txt
X=步骤1)中的16，创建index.txt文件，
如果不会.sh就写入16个1

–bvecs描述扩散加权的方向的文本文件。
–bvals具有b-values的文本文件
命令:eddy_openmp --imain=transdata1.nii.gz --mask=b0_brain_mask.nii.gz --acqp=acqparams.txt
–index=index.txt --bvecs=transdata1.bvec --bvals=transdata1.bval --out=eddy_corrected_data
输出校正后的
5）张量计算
输入：ditfit -k -o -m -b
dtifit --data=eddy_corrected_data.nii.gz --out=dti --mask=b0_brain_mask.nii.gz --bvecs=transdata1.bvec --bvals=transdata1.bval
输出：
• _V1 - 1st eigenvector第一特征向量
• _V2 - 2nd eigenvector
• _V3 - 3rd eigenvector
• _L1 - 1st eigenvalue第一特征值
• _L2 - 2nd eigenvalue
• _L3 - 3rd eigenvalue
• _MD - mean diffusivity平均扩散率
• _FA - fractional anisotropy 分数各向异性
• _MO - mode of the anisotropy (oblate ~ -1; isotropic ~ 0; prolate ~ 1) 各向异性的模式(扁形~ -1;各向同性~ 0;扁长的~ 1)
• _S0 - raw T2 signal with no diffusion weighting无扩散加权的原始T2信号
6）查看提取结果
命令：fsleyes
打开界面，将文件拖到界面就可以显示