Informations

Comment importer des images utilisées pour l'analyse dans SPM vers FreeSurfer

Comment importer des images utilisées pour l'analyse dans SPM vers FreeSurfer



We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

FreeSurfer utilise la commande recon-all pour générer semi-automatiquement ses statistiques. Cet outil implique une certaine structure de répertoires dans laquelle les fichiers avec les images des échantillons doivent être organisés. Dans le didacticiel FreeSurfer, ils appellent cette structure de répertoires spécifique la structure FSFAST.

J'ai besoin d'analyser des images qui ont été précédemment travaillées dans SPM, et il a la structure de répertoires suivante pour les patients :

/expérience/patients/A.o/

et pour les contrôles :

/experiment/controls/A.o/

Dans chaque répertoire, il y a des fichiers .hdr, .img, .mat et .mask pour chaque observation, qui ont été obtenus à deux moments différents. Les noms des fichiers ont donc l'ordre suivant :

experiment_subjectnumber_time1.img

et pour la deuxième acquisition se lit :

experiment_subjectnumber_time2.img

La même chose avec toutes les extensions mentionnées précédemment (hdr, mat, mask).

Il semble que dans le workflow FreeSurfer, la commande unpacksdcmdir soit utilisée pour extraire les données des types nii et dicon et les organiser dans la structure FSFAST. Peut-il être utilisé sur des structures de répertoires comme celle que j'ai ?


J'ai trouvé de l'aide sur la liste de diffusion FreeSurfer concernant cette question. La réponse est que pour l'analyse structurelle, il n'est pas nécessaire d'exécuter la commande recon-all dans une structure de répertoires spécifique.

C'est juste une question de courir

recon-all -s SUBJECTNAME -all -i IMAGE.IMG

Notez que je nourris un fichier img, ce que j'utilise actuellement, cependant les créateurs du logiciel suggèrent l'utilisation du type de fichier DICON.


Tutoriels - Analyse de groupe Qdec

Ce didacticiel vous guidera à travers la même analyse de groupe que le didacticiel précédent, mais en utilisant QDEC de FreeSurfer, un programme basé sur une interface graphique.

  • Si vous suivez l'un des cours officiellement organisés,
    les données du didacticiel sont déjà installées sur l'ordinateur qui vous est fourni
    alors s'il vous plaît passez directement à la Commencer section. Sinon, pour suivre cet exercice exactement, assurez-vous d'avoir téléchargé les données du didacticiel.
    réglé avant de commencer. Si vous choisissez de ne pas télécharger l'ensemble de données, vous
    pouvez suivre ces instructions sur vos propres données, mais vous devrez
    substituez vos propres chemins et noms de sujet spécifiques.

Utiliser l'anatomie par défaut

Lors de la création d'un nouveau sujet, sélectionnez l'option "Oui, utiliser l'anatomie par défaut du protocole". Cela provoque le remplacement du contenu du dossier d'anatomie du sujet par le texte Anatomie par défaut. Lorsqu'un processus ou une fonction d'affichage Brainstorm demande l'IRM ou les surfaces par défaut pour ce sujet, les fichiers du Anatomie par défaut sont retournés.

Par défaut, tous les nouveaux protocoles utilisent comme anatomie par défaut la version simplifiée du modèle ICBM152 MNI distribué avec Brainstorm (brainstorm3/defaults/anatomy/ICBM152). Lors de la création du protocole, Brainstorm fait une copie de l'anatomie de l'ICBM152, traitée avec FreeSurfer 6, et la définit comme valeur par défaut pour le protocole. Ce cerveau modèle est utilisé comme substitut des sujets sans IRM individuelle, ou comme cerveau commun pour l'analyse de groupe.

Modifier les repères par défaut

Les points de repère (Nasion, LPA, RPA) utilisés dans vos enregistrements peuvent ne pas être les mêmes que ceux utilisés dans les modèles d'anatomie dans Brainstorm. Par défaut, les points LPA/RPA sont définis à la jonction entre le tragus et l'hélice, comme représenté par le point rouge dans la page Systèmes de coordonnées.

Modification de l'anatomie par défaut

Si le téléchargement automatique ne fonctionne pas, vous pouvez télécharger les modèles manuellement depuis la page de téléchargement et copier les fichiers .zip directement dans le dossier $HOME/.brainstorm/templates.


Comment importer des images utilisées pour l'analyse dans SPM vers FreeSurfer - Psychologie

Une fois que vous avez utilisé un outil comme fslmaths, 3dcalc ou Marsbar pour créer une seule ROI, vous pouvez combiner plusieurs de ces ROI en utilisant les mêmes outils. Cela peut être utile, par exemple, lors de la création de masques à plus grande échelle englobant plusieurs zones différentes.

Dans chaque cas, combiner les retours sur investissement consiste simplement à créer de nouvelles images à l'aide d'un outil semblable à une calculatrice, pensez à votre TI-83 du bon vieux temps, moins ces jeux frustrants mais addictifs tels que FallDown. (Enregistrement personnel : 1083.) Avec fslmaths, utilisez le drapeau -add pour concaténer plusieurs ROI différentes, par exemple :

fslmaths roi1 -add roi2 -add roi3 fichier de sortie

3dcalc -a roi1 -b roi2 -c roi3 -expr '(a+b+c)' -préfixe fichier de sortie

Avec Marsbar, c'est un peu plus compliqué, mais aussi plus facile puisque vous pouvez le faire à partir de l'interface graphique, comme le montre la vidéo suivante.


Un grand merci au lecteur d'alerte Anonymous, qui est à la fois trop cool pour enregistrer un nom d'utilisateur et une fois marqué un 1362 sur FallDown. Maintenant, tout ce que vous avez à faire est de vous allonger et d'attendre la débandade des bébés !

13 commentaires :

Andy! Vous gouvernez ! Merci d'avoir répondu à mon commentaire (oui, je suis l'Anon original) et d'avoir fourni cette excellente information. Au fait, mon vrai nom est V.S. Ramachandran. Je rigole.

Beaucoup de vrais mots ont été prononcés en plaisantant

J'espérais que vous seriez en mesure de m'aider à résoudre certains problèmes que j'ai rencontrés lors de l'importation de ROI FreeSurfer (étiquettes) dans SPM8. Pensez-vous que vous auriez le temps?

Je n'ai aucune expérience pour faire en sorte que Freesurfer s'interface avec SPM, mais pour autant que je sache, le mieux que vous puissiez faire avec eux est d'afficher les résultats SPM sur une surface Freesurfer. Je serais prêt à aider, mais cela peut prendre beaucoup de temps.

Ce commentaire a été supprimé par l'auteur.

Puis-je avoir votre avis sur l'approche (c.-à-d. : logiciels et outils) que vous adopteriez pour notre projet ?

Nous cherchons à faire une analyse du cortex entorhinal sur un certain nombre de sujets. Nous connaissons bien l'utilisation de FreeSurfer pour extraire les ROI à l'aide de la table de recherche des couleurs. Cependant, mon PI souhaite adopter une approche similaire avec SPM (et Marsbar, le cas échéant). Nous avons co-enregistré la TEP initiale de nos sujets sur leur IRMv dans SPM8. Et parce que nous ne connaissons pas la technique utilisée pour créer des retours sur investissement dans SPM, nous avons pensé qu'il serait peut-être possible d'extraire le retour sur investissement dans FreeSurfer et de l'importer simplement dans SPM. Malheureusement, aucun succès. Notre groupe préférerait éviter de dessiner à la main le retour sur investissement, si possible.

Si vous utilisez SPM, quelle approche adopteriez-vous ? Ou plutôt, quelle serait la meilleure façon de mettre cela en place pour une analyse appropriée ?

Quel type d'analyse essayez-vous de faire? S'agit-il d'une analyse morphométrique basée sur les voxels ou extrayez-vous des statistiques à partir d'un retour sur investissement ?

Il peut être plus facile de le faire par e-mail. Je peux être contacté via ajahn (at) indiana.edu

Hé, y a-t-il un moyen de combiner plus de 25 rois car l'alphabet n'a que 25 lettres :/

Dans ce cas, vous devrez peut-être utiliser 3dcalc plusieurs fois et combiner les sorties de chaque exécution.

Savez-vous comment utiliser Marsbar pour obtenir la valeur globale globale, plutôt que des ROI uniques ou une combinaison de ROIS ?

Merci d'avoir démontré comment combiner les retours sur investissement à l'aide de MarsBar. Je voudrais combiner deux retours sur investissement en un seul (plutôt que d'avoir une image séparée pour les hémisphères gauche et droit, j'aimerai un seul retour sur investissement pour capturer les côtés gauche et droit). Je vois dans votre vidéo que vous avez utilisé la fonction (+) (r1 + r2) pour combiner vos ROI, mais que vous avez vu ailleurs que la fonction r1 | r2 doit être utilisé à la place. Cela me laisse un peu confus. Pourriez-vous préciser en quoi ils diffèrent ?

La fonction que j'ai utilisée (r1 + r2) fonctionnera si les ROI ne se chevauchent pas s'il y a chevauchement, alors les voxels dans cette région de chevauchement auront une valeur de 2 au lieu de 1. Si vous voulez simplement un masque qui est une union des deux masques (c'est-à-dire que la région de chevauchement aura également une valeur de 1), alors l'expression de (r1 || r2) le fera.

Existe-t-il un moyen de créer un masque composé uniquement des voxels qui se chevauchent entre deux masques ? Merci pour tous vos messages utiles !


L'exemple de données

Les données proviennent d'une étude sur les effets de répétition de visage dans des tests de mémoire implicite et explicite (Henson et al. 2002 voir ci-dessus).

Dans cette étude, douze volontaires (six hommes âgés de 22 à 42 ans, médiane de 29 ans) ont participé à l'expérience. Des visages de personnes célèbres et non célèbres ont été présentés aux sujets pendant 500 ms, et remplacés par une ligne de base d'un damier ovale tout au long de l'intervalle interstimulus. Chaque sujet a été scanné pendant l'expérience et ses images IRMf ont été obtenues.

Les données de chaque sujet ont été analysées, créant une image de différence entre les visages et les observations en damier (ligne de base). Donc, chaque image ici est l'image de contraste pour chaque sujet.

Sous l'hypothèse nulle, nous pouvons permuter les étiquettes des effets d'intérêt. Une façon d'implémenter cela avec des images de contraste est de changer au hasard le signe du contraste de chaque sujet. Cette approche de retournement de signe peut être justifiée par une distribution symétrique pour les données de chaque voxel sous l'hypothèse nulle. Bien que la symétrie puisse sembler une hypothèse forte, elle est plus faible que la normalité et peut être justifiée par une soustraction de deux moyennes d'échantillon avec la même distribution (arbitraire).

D'où l'hypothèse nulle ici :
H0: La distribution symétrique des (valeurs de voxels des) images de contraste des sujets a une moyenne nulle.


Résumé

Contexte et objectif

Les traits du visage peuvent être potentiellement reconstruits à partir d'images de résonance magnétique structurelle, compromettant ainsi la confidentialité des participants à l'étude. Des méthodes de dégradation peuvent être appliquées aux images IRM pour garantir la confidentialité des participants à l'étude. Ces méthodes suppriment les traits du visage, rendant ainsi l'image non identifiable. Il est communément admis que la dégradation n'aurait aucun impact sur les évaluations quantitatives du cerveau. Dans cette étude, nous avons évalué l'impact de différentes méthodes de dégradation sur la qualité et les estimations volumétriques.

Matériaux et méthodes

Nous avons effectué des dégradations basées sur SPM, Freesurfer, pydeface et FSL sur 30 images pondérées en T1. Nous avons comparé statistiquement le changement dans les mesures de qualité (de MRIQC) et les volumes (de SPM, CAT et Freesurfer) entre les images non dégradées et dégradées. Nous avons également calculé le coefficient Dice de chaque classe de tissu entre les images non dégradées et dégradées.

Résultats

Presque toutes les mesures de qualité et les volumes de tissus ont changé après la dégradation, quelle que soit la méthode utilisée. Tous les volumes de tissus ont diminué après la dégradation pour le CAT, mais aucune tendance cohérente n'a été observée pour le SPM et le Freesurfer. Les coefficients de dés ont indiqué que les segmentations sont relativement robustes, cependant, des volumes partiels pourraient être affectés, ce qui entraînerait une modification des estimations volumétriques.

Conclusion

Dans cette étude, nous avons démontré que les volumes et les mesures de qualité sont affectés différemment par les méthodes de dégradation. Il est probable que cela aura un impact significatif sur la reproductibilité des expériences. Nous fournissons des suggestions sur les moyens de minimiser l'impact de la dégradation sur les mesures des résultats. Nos résultats justifient la nécessité d'une gestion robuste des images dégradées à différentes étapes du traitement d'image.


Logiciel d'analyse d'images

Slicer est un progiciel multiplateforme pour la visualisation et le calcul d'images médicales. Slicer devient la norme en matière de rééchantillonnage, de visualisation, de traçage et d'exécution de mesures sur des images médicales. Libre d'utilisation, l'un des grands avantages de Slicer est la possibilité d'ajouter un script personnalisé pour se concentrer sur les besoins du chercheur.

Le logiciel de base pour notre analyse d'images structurelles. Fournit une interface utilisateur hautement raffinée pour le rééchantillonnage, la visualisation, le traçage et la réalisation de mesures sur les images. Effectue la classification des tissus, l'identification automatisée de la structure et la génération de surface. Des méthodes statistiques pour l'analyse TEP et IRMf sont en cours d'intégration. Le développement est en cours et une collaboration en cours avec le consortium ITK complète et améliore notre logiciel avec de nombreuses nouvelles fonctionnalités.

Un package pour générer et manipuler des représentations de la surface corticale. Nous avons développé la capacité d'interfacer notre logiciel Brains2 avec les formats FreeSurfer pour pouvoir générer des cartes sphériques ou planes de la surface corticale. Le co-enregistrement de ces surfaces sur un atlas cortical permet d'automatiser une parcellisation très spécifique du cortex cérébral. Les surfaces générées avec FreeSurfer peuvent également être utilisées dans l'AFNI pour la cartographie des résultats d'imagerie fonctionnelle sur la surface corticale.

Logiciel pour traiter, analyser et afficher des images fonctionnelles. Ils ont des avantages les uns par rapport aux autres dans différentes situations. Les fonctionnalités suivantes sont disponibles à la fois dans l'AFNI et le SPM :

Logiciel d'analyse d'images

Recalage 2D et 3D (correction de mouvement)

Lissage des domaines temporel et spatial

Régression linéaire et non linéaire de séries temporelles 3D+

Tests ANOVA sur une collection de jeux de données 3D

Calcul des statistiques de voxels

Calcul et superposition de couleurs des cartes d'activation

Oracle et PostgreSQL

Bases de données relationnelles. Mis en œuvre avec un système de requête Web pour donner accès aux mesures d'imagerie structurelle, aux données démographiques des sujets et aux résultats des évaluations cliniques et des tests cognitifs et neuropsychologiques.

GoToMeeting/Lync

INC a acheté un compte avec GoToMeeting, un programme de conférence Web et de réunion en ligne. Cela nous permet d'avoir une rencontre avec n'importe qui dans le monde. Les réunions peuvent être en grands ou petits groupes, ou même dans un seul bureau. Nous avons également accès à Lync qui permet la collaboration vidéo avec des personnes à l'intérieur et à l'extérieur de l'Université de l'Iowa.

Xcode est un environnement de développement intégré contenant une suite d'outils de développement logiciel développés par Apple pour le développement de logiciels pour les systèmes OS X et iOS. Xcode tire parti de toutes les dernières technologies Apple en intégrant tous les outils nécessaires pour créer du code source, déboguer des programmes et concevoir des interfaces utilisateur.

Matlab est un langage de haut niveau et un environnement interactif pour le calcul numérique, la visualisation et la programmation. MATLAB permet aux utilisateurs d'analyser des données, de développer des algorithmes et de créer des modèles et des applications.

Osirix/DicomRemap

OsiriX est une application de traitement d'images pour Mac dédiée aux images DICOM. OsiriX a été spécialement conçu pour la navigation et la visualisation d'images multimodales et multidimensionnelles : visionneuses 2D, 3D, 4D et 5D.

Une interface Web et un package de suivi des bogues pour permettre aux utilisateurs de créer et de modifier des rapports de bogues dans une base de données simple. Cela fournit d'excellents commentaires à nos développeurs de la part des utilisateurs de n'importe quel site.

Programme wiki basé sur le Web utilisé pour le partage et le suivi de projets et d'informations.

Analyse TEP

Un ensemble de programmes qui offre des capacités pour de nombreux types d'analyse des données TEP, y compris l'analyse au sein du groupe via les techniques de Worsley et al. (méthode de Montréal), analyse corrélationnelle voxelwise et analyse de randomisation. Comprend une visionneuse d'images sophistiquée pour un examen facile des résultats.


  1. Ajoutez un nouvel appareil à l'objet TextDisplay Welcome et sélectionnez "Souris". Notez les réponses autorisées qui sont sélectionnées par défaut. Exécutez maintenant l'expérience et voyez si vous pouvez faire avancer la diapositive en cliquant simplement avec le bouton gauche sur l'écran.
  2. Notez que la diapositive Enregistrement des données pour le Stroop vous demandera si elle doit être définie par défaut. Lorsque vous sélectionnez les paramètres par défaut, que voyez-vous dans l'onglet « Journalisation » ? Nous y reviendrons dans un didacticiel ultérieur, mais pour l'instant, examinez certains des attributs qui peuvent être écrits et réfléchissez à ceux qui pourraient être utiles pour votre expérience.
  3. Créez deux nouveaux objets Stroop, chacun séparé par un objet Fixation. (Rappelez-vous que vous pouvez copier et coller des objets en cliquant dessus avec le bouton droit, en sélectionnant Copier, puis en cliquant avec le bouton droit et en sélectionnant Coller.) Faites de chaque objet Stroop une combinaison différente d'un mot et d'une couleur, congruents ou non, puis exécutez le expérience.

Pour voir comment toutes les étapes ci-dessus sont mises en œuvre dans E-Prime, regardez cette vidéo.


1) Comment générer des atlas dans l'espace natif ?

Les surfaces sont générées dans l'espace natif (surf/[lr]h.central.subjid.gii) et enregistrées dans l'espace fsaverage via les sphères enregistrées (surf/[lr]h.sphere.reg.subjid.gii).
Les atlas sont disponibles dans le dossier d'installation de CAT12 (spm12/toolbox/cat12/atlases_surfaces/*.annot) mais uniquement sur les surfaces moyennes, qui ne correspondent pas point à point avec les surfaces individuelles générées par CAT.

La transformation des fichiers d'atlas d'annotations de l'espace fsaverage vers l'espace natif ne sera pas très simple. Je ne l'ai pas encore préparé car vous devez transformer et interpoler chaque région séparément pour éviter les problèmes d'interpolation avec les informations de l'atlas binaire.

À quel point pensez-vous que cela serait compliqué à mettre en œuvre ?


  • Basculez vers le côté anatomie de l'explorateur de base de données.
  • Créez un nouveau sujet, définissez l'option d'anatomie par défaut sur "Non, utilisez l'anatomie individuelle".
  • Importez l'IRM T1 de ce sujet.

Faites un clic droit sur l'IRM > Segmentation IRM > CAT12. Deux options peuvent être sélectionnées de manière interactive : le nombre de sommets finaux dans la surface du cortex, et le calcul des parcellations de volume supplémentaires.

Sinon, utilisez le processus : Importer l'anatomie et l'IRM segmentaire avec SPM12/CAT12.

Un rapport est affiché par CAT et enregistré sous forme d'image et de fichier PDF dans tmp/cat12/report.


Voir la vidéo: Tutoriel 1 ENVI: Rassembler les bandes dune image satellitaire OLI (Août 2022).