Freesurfer之感兴趣脑区映射及显示

1、Freesurfer之ROI映射步骤总结前提条件：1、 完成Ubuntu系统及Freesurfer软件的安装配置，熟悉使用Freeview;2、 完成数据预处理，包括recon-all subjects all 及 recon-all subjects qcache;3、 知道基于freesurfer的几个matlab 函数用法：load_mgh, save_mgh, read_annotation.vol, M, mr_parms, volsz = load_mgh(fname,<slices>,<frames>,<headeronly>)save_mgh

2、(vol,fname, M, <mr_parms>), M is the 4x4 vox2ras transformvertices, label, colortable = read_annotation(filename , verbosity)4、 .mgh及.mgz是freesurfer使用的MRI volume格式，类似于NifTI, 需用load_mgh和save_mgh函数打开读取或生成.mgh格式文件，从而在freesurfer上使用。一、 导入matlab函数在freesurfer的安装路径下，有一个名为matlab的文件夹，里面有一些.m文件用于处理图像，把这个

3、文件夹及子文件夹添加到Matlab路径即可。另一种方法：在终端启动freesurfer，在这个环境下运行matlab，也可以使用这些.m文件（也就是load_mgh等函数）。二、 整理好被试数据，每一被试的所有数据分别在一个目录下（预处理后默认存放形式） 三、 统计同组所有被试皮层特征的均值：所有基于顶点的皮层测量值均保存在/surf目录下，有左右侧大脑的皮层厚度、灰质体积、皮层表面积、曲率、脑沟深度，以左脑皮层厚度为例说明：如下图所示，lh.thickness是未向标准空间配准的，lh.thickness.fsaverage.mgh是已经向标准空间配准的，剩下的分别用 0, 5, 10, 1

4、5, 20, 25 FWHM高斯核函数进行平滑处理的标准化图像。为何标准化？这样可使不同被试的大脑皮层有完全相同的顶点数，也就是左右侧大脑分别有163842个顶点，共327684个。此外，有多个平滑参数可选，一般选FWHM为10的平滑图像，平滑核太小不利于消除噪音，平滑核过大则会使图像信息损失过多。程序计算同组被试同一皮层特征的平均值：最后生成的皮层特征平均图：四、 编辑需映射的特征文件：程序说明：根据分类性能确定重要脑区及其权重，如RTLE-NC surface area 分类有31个重要特征，同时也有对应的31个分类权重，由于分类权重过小，利用mapminmax函数把所有权重值映射到0.1

5、-1之间（选择0.1是为了避免权重为0 的特征）；把重要脑区分配到左右脑，序号小于等于34为左脑脑区，大于35为右脑脑区； 通过read_annotation函数获取各个脑区对应那些顶点及其位置，根据这些顶点对特定重要脑区赋予权值，非重要脑区的顶点赋零，最后调用save_mgh函数生成具有权值的特征文件。代码： 生成的具有权重的重要脑区特征文件：五、 Freeview使用1. 先在终端启动freesurfer, 分别输入以下三条指令即可：tcshsetenv FREESURFER_HOME /usr/local/freesurfersource $FREESURFER_HOME/SetUpFr

6、eeSurfer.csh2. 启动状态如下：3. 然后在终端输入freeview, 初次使用可能提示缺少插件，运行这条指令：sudo apt-get install libjpeg62-dev；4. Freeview界面如下图所示：Freeview主要用来可视化，把皮层差异映射到脑模板上，脑膜版的形式主要有软膜表面pial, 膨胀表面inflated及球形表面三种。Freeview可以从三维立体观看皮层表面的差异，默认条件下显示左侧面及右内侧，想要看其他方向需要手动旋转，任一面都可以看，但调整到如正侧面，正后面，正前面就比较难刚刚好调到位置。5. 先在surface选项把freesurfer安

7、装目录下的/subjects/fsaverage/surf文件夹里的lh.pial和rh.pial模板导进来，再通过左侧面板中的Overlay菜单选择load generic把.mgh文件到进入来，在Configure Overlay处可修改colorbar的显示形式。 圆球表面视图 膨胀表面视图六、 映射ROI到皮层模板表面1. 将步骤三生成的同组被试同一特征平均值到皮层模板上。Colorbar有三种形式：Heat, Wheel 及Custom，显示效果较好的是Wheel，如下图所示。Colorbar的取值范围应根据相应特征的颜色分布来取值，以便最大限度地显示所有信息。不同组被试的同种特征应该设置相同colorbar范围，而不同种特征的colorbar可根据颜色分布自定义。2. 将步骤四生成的具有权值的特征文件映射到模板上如下图： LTLE-NC cortical thickness classification RTLE-NC surface area classi