freesurfer使用教程(最新整理)

1、freesurferfreesurfer 是一个处理大脑 3d 结构像数据，进行自动皮层和皮下核团分割的工具，用起来非常方便。freesurfer wiki 上的教程也非常详细，但是有一点，freesurfer 的命令很复杂，很难准确地记住每个参数该怎么设置。本人比较懒，不愿记，也记不住，每次都需要打开wiki 进行对照。由于 wiki 非常详尽，每次都是在一大篇英文中搜索命令。在这里弄一个简洁版，只把分析流程所用到的命令贴在这里，以便查阅。一、数据处理freesurfer 分析 3d，最好是原始的 dcm 数据，不要进行数据转格式转换和坐标变化，原始数据就可以。所以把数据放在 sub1,su

2、b2,sub3.,这样我们就可以用循环来做了。我们的计算机中心用的是 pbs 的系统，进行并行运算:#！/bin/bash# subjects_dir is where you want to put your result subjects_dir=your_subjects_pathimge=ls your_subjects_path/sub1/*.ima|head -n 1 recon-all -s sub1 -i $imgerecon-all -all -s $sub1这就是分析一个被试的代码，然后用前面介绍过的 sed 命令，把 sub1 替换成其他被试编号， 就生成了其他被试代码。

3、然后 在端口敲入命令：sh 代码文件。数据就开始分析了。二、数据检查数据检查主要 tkregister2、 tkmedit、tksurfer 三个命令结合起来。但是在这种视觉检查以前，应该先看前面 recon-all.log 文件是否报错。可是 recon- all.log 文件好大了，怎么办呢， 用 grep 命令，查找一下文件里面有没有”error”,并输出含有“error”的行数：grep -n “error” recon-all.log如果都没有错误，那就 ok.另外还有一个命令也很有意思，会自动帮我们察看是否存在 top错误：mris_euler_number sub1/surf/l

4、h.orig mris_euler_number sub1/surf/lh.white mris_euler_number sub1/surf/lh.pial如果这三个命令生成的数字完全一样，就没有 top 结构问题，然后我们再进行视觉检查,首先检查 register:tkregister2 -mgz -s sub1 -fstal -surf orig然后检查 tkmedit 和 tksurfer 检查白质、灰质分割问题。tkmedit sub1 brainmask.mgz rh.white -aux wm.mgz -aux-surface lh.white tksurfer sub1 rh

5、inflated检查的时候，一般在 c130-170 这部分 slices 问题比较严重，总是有脑膜被看成是灰质了， 需要编辑 brainmask.mgz，把它删掉。具体检查参看 freesurfer wiki. 检查完毕后，根据编辑过的地方重新跑一下数据。根据 recon-all 的步骤，先 register,然后是-autorecon2-cp,然后是- autorecon2-wm, -autorecon2-pial，-autorecon3。当 register 出现问题时，几乎需要完全重新算数据,其他的就从编辑过的最早步骤开始。例如，一个被试修改过 cp、wm,那么就从 cp开始重新算。r

6、econ-all -subjid sub1recon-all -autorecon2-cp -autorecon3 -subjid sub2 recon-all -aurorecon2-wm -autorecon3 -subjid sub3 recon-all -autorecon2-pial -autorecon3 -subjid sub4数据重新算后，还要一个一个地进行视觉检查一下，才能进行下一步数据统计分析. 三、数据统计分析开始进行数据分析了。首先把数据对齐到 freesurfer 自带的 fsaverage 空间上。数据跑完后， 会自动出现在被试目录中。先把每个被试的数据叠加成一个

7、4d 的文件，而叠加顺序事先要设计好，把其他相关的变量也放进去。这里举一个简单例子：三组被试，每组两个被试： aa 型、ab 型、bb 型，另外还有被试年龄数据，那么这个文件内容如下： groupdescriptorfile 1title g3v1 class aa class ab class bb variables ageinput sub1 aa 22 input sub2 aa 19 input sub3 ab 20 input sub4 ab 15 input sub5 bb 22 input sub6 bb 18当编辑好这个这个文件后，命名为 g3v1.fsgd，意思是被试分为三

8、组，一个连续变量。就运行下面的命令：mris_preproc-fsgdg3v1.fsgd -targetfsaverage-hemilh-measthickness-out lh.thickness.00.mgzmris_preproc -fsgd g3v1.fsgd -target fsaverage -hemi rh -meas thickness -out rh.thickness.00.mgz上面的命令把被试的皮层厚度数据按照 g3v1.fsgd 中的被试顺序排列成一个 4d 的文件,左右半球分别生成一个文件。但是这些数据没有进行 smooth.然后我们进行 10mm 的 smooth

9、。可以用 mri_info lh.thickness.00.mgz 查看文件信息，如是不是有 6 个被试等。mris_surf2surf -hemi lh -s fsaverage -sval lh.thickness.00.mgz -fwhm 10 -cortex -tval lh.thickness.10.mgzmris_surf2surf -hemi rh -s fsaverage -sval rh.thickness.00.mgz -fwhm 10 -cortex -tval rh.thickness.10.mgz生成的文件 lh.thickness.10.mgz 和 rh.thick

10、ness.10.mgz 是最重要的数据文件.可以用 mri_info命令察看数据信息。下一步就要进行数据统计，在进行数据统计之前，我们还要做一些准备，举上面的例子吧。我想要检验三组被试皮层厚度是否存在差异，总体被试的皮层厚度与年龄的关系，每个组被试的皮层厚度与年龄的关系，不同组被试年龄与皮层厚度的关系是否有差异。我要做这些统计分析，就需要有 design matrix. freesurfer 默认 design matrix 从文件中读取，这些文件叫做 mtx 文件。准备 mtx 文件需要首先计算回归子的数据，公式为：nregressors= nclasses*(nvariables+1) =

11、 3*(1+1) = 6.这里我们的有三组，一个连续变量。所以有 6 各回归子。考察 aa 与 ab 的组间差异则为：1 -1 0 0 0 0考察 aa 与 bb 的组间差异则为：1 0 -1 0 0 0考察 ab 与 bb 的组件差异则为：0 1 -1 0 0 0所有被试皮层厚度与年龄的关系：0 0 0 0.333 0.333 0.333aa 组内皮层与厚度的关系：0 0 0 1 0 0aa 组与 ab 组皮层与厚度关系是否存在差异：0 0 0 1 -1 0aa 组与 ab 和 bb 组皮层厚度与年龄的关系是否存在差异：0 0 0 1 -0.5 -0.5现在我们准备好了上面的所有文件，分别命

12、名为 1.mtx、2.mtx、3.mtx.mtx终于可以最后统计了，命令如下 ：mri_glmfit -y lh.thickness.10.mgz -fsgd g3v1.fsgd -c c1.mtx -c c2.mtx -c c3.mtx -c c4.mtx. -c c 7.mtx -surf fsaverage lh -cortex -glmdir g3v1.lh这样结果就存放在 g3v1.lh 文件夹中，在这个文件夹中，还会生成 7 个子文件夹，每个文件夹对一个 统计比较，里面最重要的文件时一个叫做 sig.mgz 的文件四、数据结果的整理和报告当统计分析完后，需要对数据进行查看和整理，到

13、底显著没有啊。首先肉眼看一下吧,看一下 aa 与 ab 有没有差异,p0.01:tksurfer fsaverage lh inflated -annot aparc.annot -fthresh 2 -overlay g3v1.lh/c1/sig.mgh如果有激活，下一步就是进行校正，这里就做 clusterwise correction。mri_glmfit-sim -glmdir g3v1.lh/c1 -sim mc-z 5000 4 mc-z.abs -sim-sig abs -overwrite这里用的 monte carlo 检验, 5000 次, pab,那么就用“mc-z.po

14、s”和 “-sim-sig pos”。overwright 就是要把原始数据覆盖， 生成一个新的 csd 文件，放在 c1 文件夹中。这是一个文本文件。这一步需要几个小时的 时间，这一步完成后，查看校正后的结果：tksurfer fsaverage lh inflated -annot g3v1.lh/c1/mc-z.abs4.sig.ocn.annot -fthresh 2 -curv -gray或者tksurfer fsaverage lh inflated -annot g3v1.lh/c1/mc-z.abs4.sig.ocn.annot -fthresh 2 -overlay g3v1

15、.lh/c1/mc-z.abs4.sig.cluster.mgh这就是最后的结果。“”“”at the end, xiao bian gives you a passage. minand once said, people who learn to learn are very happy people. in every wonderful life, learning is an eternal theme. as a professional clerical and teaching position, i understand the importance of continuous learning, life is diligent, nothing can be gained, only continuous learning can achieve better self. only by constantly learning and mastering the latest relevant knowledge, can employees from all wa