基于体素的形态学方法(voxel-based morphometry, VBM),是分析大脑解剖学(结构)差异最常用方法之一。 其通过给大脑volume逐体素打标签(分类)的方式来进行组织分割(segmentation),过程高度自动化,比传统的基于ROI先验假设的分析方式(manual ROI tracing)得到的结果,更加具有 稳定性和可重复性。
VBM分析基于(高分辨率)MRI脑部扫描图像(一般用T1加权图像),涉及的预处理步骤主要包括:空间归一化(spatial normalisation——分割和比较的前提),偏置场校正(bias field correction——降低相同组织的亮度值差异,有利于组织分割),分割( segmentation),调制(modulation——把空间归一化过程中产生的变形场( deformation field)作用到分割结果上,使得其亮度值代表体素浓度(voxel concentration)的过程)平滑(smoothing ——去噪,弥补分割缺陷,便于统计分析),流程如上图,图源
以下内容,主要源于笔者对NBAlab卢家峰老师的教学视频和PPT的理解性整理和大量的阅读拓展,初学小白一枚,如有错误之处,还望不吝指出。
原创不易,转载请注明出处。
copyright©意疏:https://blog.csdn.net/sinat_35907936/article/details/110087260
空间归一化(spatial normalisation)
为什么要空间归一化——哲学
1、VBM组织分割时,需要使用不同组织的组织概率图(Tissue probability maps,TPM)来作为分割的先验,具体细节见后文。而这些TPMs都是被归一化(配准)到了标准模板上了的,所以使用VBM来进行组织分割前提就是,将被试的脑袋归一化到标准模板上。另外,单样本统计分析常常是和一个标准进行比较,而这些标准也是配准到了标准模板的。
2、不同的人,脑袋大小形状都不一样,不同次的扫描,脑袋的摆放位置也不一样,如图1所示,图源对应位置值相减,再通过假设检验来得到的。
也就是说,如果所有被试的图像相同空间坐标对应的解剖位置不基本一致,即没有一致性,那相减得到的差异是没有意义的,无法进行进一步统计分析。所以需要让所有被试的脑袋在不失皮质特征差异的前提下,都对齐到标准模板上,以校正大脑整体形状和解剖位置的差异。让不同的被试,不同的扫描之间具有可比性或者一致性。
图1.大脑形状位置差异
归一化到哪——标准模板(template)——技术
MNI是最常用的标准模板之一,在NeuroImaging and Surgical Technologies Lab的网站上,我们可以下载最新的一些模板来看看,有人脑也有猴子脑的。
ICBM 152是MNI的标准版,笔者下载了其第六代非线性对称平均脑立体定向配准模型的Nifti格式文件前联合AC和后连合PC点。CAT,FSL,SPM都有用MNI空间作为标准模板。
今天的文章mri工作原理_MRI设备影像的空间分辨率一般为「建议收藏」分享到此就结束了,感谢您的阅读。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。
如需转载请保留出处:https://bianchenghao.cn/84562.html