使用CAT进行MRI脑图像分析

使用CAT进行MRI脑图像分析

MED620122 生物医学工程进展

数据

在所提供的6个T1 MRI数据(男性和女性各3位)上进行分析。根据SPM或CAT所提供的学习资料,边学习边分析这6个数据。

要求:

  1. 去除颅骨后对脑容量分析,如平均脑容量,男性与女性脑容量比较;
  2. 分割大脑灰质、白质和脑脊液,并进行比较分析;
  3. 分割出大脑左右尾状核,并比较分析。
  4. 改善图像的对比度,将6个图像的亮度变换到同一空间,并进行变换前后对比显示。

1 配置环境

系统环境: windows 10

软件配置:

  1. MATLAB R2018b
  2. SPM12 (https://www.fil.ion.ucl.ac.uk/spm/software/)
  3. CAT(http://dbm.neuro.uni-jena.de/cat/index.html#DOWNLOAD)
  4. MRIcron (https://www.mccauslandcenter.sc.edu/crnl/)(仅用于可视化)
  5. xjview (http://www.alivelearn.net/xjview/)(仅用于可视化)
  6. MIPAV (https://mipav.cit.nih.gov/documentation.php#userguide)

2 操作流程

2.1 安装与配置

首先至matlab官网下载安装matlab2018b,安装默认套件即可。
然后按照spm的说明,安装spm12(https://www.fil.ion.ucl.ac.uk/spm/software/)。
CAT和xjview都是基于spm的,所以spm需要先安装好。然后再下载安装CAT,直接把下载的文件拷贝进spm12/toolbox目录即可。本次作业基本上使用CAT进行分析,所以可以参考学习CAT的manul(http://www.neuro.uni-jena.de/cat12/CAT12-Manual.pdf)。
MRIcron是直接下载好就能用的。xjview比较有意思,你填了邮箱以后,会由他的开发人员给你发下载地址和安装教程,而使用说明是每日发一封邮件的形式逐天发给你。MIPAV也是直接下载就OK的

2.2 CAT分析流程

2.2.1 打开CAT

首先在matlab命令窗口依次输入如下命令打开cat

addpath('D:/matlab_toolbox/spm12')
spm fmri
cat12

2.2.2 数据预处理(分割数据)

CAT12 → Preprocessing → Segment Data,依次选中6个病人的MRI文件,
Split job into separate processes可以设置多线程,由于该笔记本为4核,所以设置为4
颅骨去除,模板的选择,配准的方案均选择默认。
写入文件的参数建议尽量选择yes,防止后续处理中需要用到。

图像分割

如果按照上述的,尽量输出选项为yes的话,共计会生成4个文件夹:

  1. label文件夹里mat矩阵存了cobra、hammers、lpba40、neuromorphometrics四个图谱的label。(mat矩阵中hammers图谱中有类似于“尾状核”(Caudate nucleus)的名称lCauNuc以及rCauNuc,对应的data里面的对应索引处,是“尾状核”的体积(分别是其中灰质、白质、脑脊液的体积,单位是立方厘米,和fsl分割出来的大小略又差异))
  2. mri文件夹里主要是Partial Volume的label(p0开头)、灰质(p1开头)、白质(p2开头);归一化后的灰质(wmp1开头)、归一化后的白质(wmp2开头);配准后的灰质(rp1开头),配准后的白质(rp2开头);Jacobian determinant(wj开头),Bias, noise and intensity corrected T1 image(wm开头);wm表示:modulated (m) normalized (w),p表示:partial volume (PV) segmentation。
  3. report文件夹里面主要是txt的运行日志;pdf和png版本的整体报告,附录中展示了其中一个报告的例子;mat矩阵里面存了运行的参数,
  4. surf文件夹里主要是surf的数据,Surface Tools的功能会用到

生成结果

2.2.3 数据可视化

本次实验的9张图像可以通过进行可视化,结果可以参见附录,具体操作过程如下:
CAT12 → Check data quality → Display one slice for all images

数据可视化操作过程

2.2.4 估计颅内总容积(TIV)

主要是进行脑容量,灰质、白质和脑脊液的测量
CAT12 → Statistical Analysis → Estimate TIV
Save values 选择全都要保存

估计颅内总容积TIV

最终会得到如下的表格

Name TIV GM WM CSF WMH
CC0003_63_F 1145.14 488.14 386.42 268.51 2.07
CC0004_67_M 1685.98 638.31 629.60 414.24 3.81
CC0005_62_M 1457.42 606.25 514.36 335.73 1.07
CC0006_63_F 1457.24 604.55 510.20 341.38 1.10
CC0007_62_M 1704.09 639.64 663.79 398.57 2.08
CC0008_60_F 1251.59 537.33 461.99 251.54 0.73

单位都是立方厘米
可以明显看出有下面的关系
TIV+GM+WM+CSF+WMH

含义:

  • TIV:颅内总容积total intracranial volume
  • GM:灰质
  • WM:白质
  • CSF:脑脊液 cerebrospinal fluid
  • WMH:白质高信号区 white matter hyperintensities

同时,可以从表中看出,男性的平均脑容量、大脑灰质、白质和脑脊液都明显大于女性(男女的年龄是近似,初步推断差异具有统计显著性的)。

2.2.5 建立统计模型 Building the Statistical Model

这里科普一下manul中的factor和covariates的含义

  • 因变量(factor):分类变量,或聚类后的连续变量
  • 协变量(covariates):一般指连续变量
    此处我选择的是Two-sample t-test
    CAT12 → Statistical Analysis → Basic Models
    双样本t检验,检验灰质的差异性(wmp1*),操作参数如图:

双样本t检验

灰质检验结果如下,可以从箱线图看出来有明显差异。

双样本t检验结果灰质

同样的,对白质检验(wmp2*)结果如下,也可以从箱线图看出来有明显差异。

双样本t检验结果白质

PS:此处选择mwp1,mwp2,wm文件和rp1,rp2文件都可以,选择p0,p1,p2文件会报错。

2.2.6 xjview可视化

此处不能选择最原始的nii文件,也不能选p0,p1,p2开头的文件,会出warning说图像来源不同
此处选择的是wm开头的文件,即Bias, noise and intensity corrected T1 image

操作及结果的要点:

  • 点击第一排倒数第二个File按钮打开文件
  • 选择aal图谱,并在左下方选择“尾状核”
  • 界面中部的// Right Cerebrum // Sub-lobar // Caudate // Gray Matter // Caudate Head // undefined表示当前的解剖学位置

具体操作流程和结果如下:

xjview可视化尾状核

2.2.7 MIPAV可视化

主要参考的教程在:https://mipav.cit.nih.gov/pubwiki/index.php/MIPAV_Help

其实就是可视化一下,变换图像空间即可。
操作方法就是“File” -> “Open image(A) from disk” 打开文件,然后在“Image”选项里面,选择“Histogram - LUT”,拖动灰度直方图就OK了

MIPAV可视化

2.2.8 MRIcron可视化与编辑

我理解的MRIcron就是一个可以方便进行图像标注,图像可视化,图像编辑操作的软件。

这里面有一个很重要的功能,在脑部影像图像处理中经常需要用到,就是选取脑部大致区域ROI。

就是去除颅骨的时候,有些软件是根据大脑的质心进行膨胀,然后拿到颅内部分,而我们平时拿到的数据经常会有颈部等区域,这些软件鲁棒性不好的话,“去除颅骨操作”会被这些区域影响,从而影响最终去除颅骨的效果。因此老师上课的时候,Draw->Advanced->Crop edges,先行把颈部去掉,防止影响后续去除颅骨的操作

MRIcron可视化与编辑

3 附录

报告的示例

报告的示例

归一化后的白质

归一化后的白质

归一化后的灰质

归一化后的灰质

配准后的白质

配准后的白质

配准后的灰质

配准后的灰质

白质

白质

灰质

灰质

Partial Volume的label

Partial Volume的label

Jacobian determinant

Jacobian determinant

Bias, noise and intensity corrected T1 image

Bias, noise and intensity corrected T1 image

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章