京东联盟新手没有网站怎么做推广,网络编辑的网站建设题,饥饿营销的十大案例,海南省建设设厅官方网站一、前言 脑脊液#xff08;csf#xff09;一直被认为与新陈代谢有重要关联#xff0c;其为许多神经科学研究提供重要价值#xff0c;从fMRI图像中提取脑脊液信号可用于多种神经系统疾病的诊断。特别是自2019年Science上那篇著名的csf-BOLD文章发表后#xff0c;大家都试图… 一、前言 脑脊液csf一直被认为与新陈代谢有重要关联其为许多神经科学研究提供重要价值从fMRI图像中提取脑脊液信号可用于多种神经系统疾病的诊断。特别是自2019年Science上那篇著名的csf-BOLD文章发表后大家都试图用csf阅读出更多的信息。 本人提取csf信号的思想都基于封面2019年这篇Science不过因为扫描参数不同略有调整。我在学习csf-extract时还是花了一个月的时间并且踩了不少坑特此在这篇笔记里梳理与分享。 同一个被试的BOLD序列和最终得到的csf图像 二、环境配置
系统Windows 11 软件运行平台Matlab2022a 所需工具包
SPM12下载安装教程DPABI下载安装教程
三、脑脊液提取过程 csf protocol
目录
一、前言
二、环境配置
三、脑脊液提取过程
1.数据预处理
a.时间层校正Slice Timing
b.头动校正Realign 2.提取csf掩模
3.抓取csf信号
总结 1.数据预处理
DPARSF的基础教程在此不做赘述如需要可以参考基础教程。
将功能像的数据都由dcm转化为.nii文件并去除了前面10个时间点后就可以开始预处理了。 a.时间层校正Slice Timing 首先必须要进行的是Slice Timing因为各扫描层激发时间不同Slice timing校正可以将所有切片的信号同步到一个参考时间点,通常是TR(重复时间)的中点。打开DPARSF后在红框所圈范围分别填上序列对应的Slice Number,Slice Order和参考切片一般为中间。然后点击右下角运行。 DPRASFslicetiming前后对比会发现信号强度经过了细微调整。 b.头动校正Realign 【可选】头动校正Realign。有些用短回波成像的研究中并没有进行这一步因为会改变csf附近的体素信号但是我处理的是正常TR2的序列。如果不进行头动校正影响较大我还是选择了Realign方法仅供参考。但无论是否应用头动校正都需要DPARSF的头动参数.txt文件让我们排除掉头动过大的被试。 DPARSF Realign前后可以看到值基本没有太大变化。 【可选】滤波Filter。滤波参数我选择的是0.01-0.1HZ因为低频信号通常包含呼吸、心跳等生理噪声高频信号可能包含仪器噪声等无关信息。要不要做滤波 -可以都试。很多作者也报告省略滤波后的结果。但我用没有bandpass的信号进行相关矩阵分析发现如果不做带通滤波被试间的信号都显著相关说明噪音大bandpass后被试的信号只和自己的序列相关与他人无关说明提升了信噪比。如何做滤波 -用DPARSF请手动检查最好自己写脚本报错少。DPARSF的滤波功能应该是使用y_bandpass(函数完成的会在某些情况下在一个时间点上生成全是0信号。如果用DPARSF自带的滤波一定要在处理完后逐个时间点检查。 滤波前后 2.提取csf掩模 在前面的步骤中我们将BOLD信号经过了时间校正Slice Timing、头动校正Reaglign、带通滤波Filter后已经得到了信噪比较高的BOLD图像。 对预处理后的4DBOLD进行时间维度求平均得到单张3D均值图像然后利用SPM12的分割工具对该均值图像进行组织分割得到CSF的概率图。之后设置较高的概率阈值(0.9)创建CSF掩模以确保提取的是高置信度的CSF区域。最后将这个掩模应用到原始的4D功能像上即可得到目标区域内的CSF时间序列信号。这种方法的优势在于通过严格的阈值筛选保证了提取信号的可靠性。 % 计算均值图像并用SPM分割得到CSF掩模
img mean(func_4d.img, 4);
save_nii(img, mean.nii);
spm_segment(mean.nii); % 提取CSF区域信号
mask double(csf_prob.img)/256 0.9;
csf_timeseries func_4d.img .* repmat(mask,[1,1,1,size(func_4d.img,4)]);
3.抓取csf信号 脑脊液主要分布在脑室系统和蛛网膜下隙中。在大脑横断面水平切片上从下到上看最大的CSF池是位于脑干前方的桥前池这是在底部切片的位置。这就是我们在提取CSF信号时主要关注最后非零切片的原因 在这个位置上的CSF信号最为纯净受到周围灰质和白质组织的污染最少。
% 对每个时间点的3D体积提取CSF信号
for i 1:size(img,4)% 获取当前时间点的3D体积img3d img(:,:,:,i);% 找到含有信号的最后一个切片对应脑底部CSF池的位置nonZeroSlices squeeze(any(any(img3d, 1), 2));lastNonZeroSlice find(nonZeroSlices, 1);img2d img3d(:,:,lastNonZeroSlice);csf(j,i) mean(img2d(img2d0));
end
总结 提取出来的csf可以与全脑信号计算耦合呢。
