DWI_preprocessing DTI_reduce commands

官方教程链接： https://fsl.fmrib.ox.ac.uk/fslcourse/online_materials.html
用户指导：
https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FDT/UserGuide
关于DTI的处理正好是以下目录中的，可以看到先check data，然后有一个扭曲矫正（是因为DWI数据存在失真现象）

运行命令的pipeline：
https://git.fmrib.ox.ac.uk/falmagro/UK_biobank_pipeline_v_1/-/tree/master
直接点击Fork就行，但是这个pipeline里的环境、文件命名方式，得自己改。如果只是拿一两个数据进行测验的话，就用命令行处理就行，一两个数据命令行处理还是很舒服的，以下是命令行进行处理的方法。

数据预处理

BET

在进行图像格式转化后，有bvecs和bvals文件（注意：得到是xxx.bvec和xxx.bval，要将这两文件改名为bvecs和bvals）我这里命名dwi_data.nii.gz。其中bval表示施加的强度，bvals文件一共就一行，有多少个数字就表示采集了多少张图片，这里是35张。第一个b-val是0，就施加的强度为0：

这是bvec文件，表示施加的方向，我这里一共是3*35，猜测是往x y z 三个方向施加场强，每次施加场强的这三个方向进行记录：

弥散像数据处理

注：-force表示强制覆盖重名文件，除此之外无其它作用。
1、将数据转化为MRtrix建议的文件格式：.mif。.mif是将.nii bval
bvec三个文件组合而成的新的文件格式，将.nii转化为.mif格式。使用mrinfo命令可以查看二者的区别：

生成mask

dwi2mask dwi.mif - | maskfilter - dilate preproc_mask.mif -npass 3 -force

这个命令是两个命令的结合，dwi2mask和maskfillter，第一个 – 表示第一个输出，| 将两个命令分割开， - 表示第一个的输出作为第二个命令的输入。
生成的preproc_mask.mif文件：

3、因为原始DWI数据具有噪声和失真现象，需要进行降噪处理，这里的处理需要使用上面生成的掩膜文件：

dwidenoise dwi.mif denoise.mif -noise noiselevel.mif -mask preproc_mask.mif -force

输入文件：dwi.mif -mask preproc_mask.mif
输出文件：denoise.mif -noise noiselevel.mif
其中输出文件，我们只需要看denoise.mif就可以，而noiselevel.mif文件只是为了看到底降噪进行降噪了什么东西。
生成的文件：
denoise.mif：

noiselevel.mif：

4、（gibbs）伪影矫正/去除伪影
例子：下图第一行是原始数据，第二行是进行过gibbs伪影矫正。相关论文：
Kellner, E., Dhital, B., Kiselev, V. G., & Reisert, M. (2016). Gibbs-ringing artifact removal based on local subvoxel-shifts. Magnetic Resonance in Medicine, 76(5), 1574–1581. https://doi.org/10.1002/mrm.26054

命令

mrdegibbs denoise.mif degibbs.mif -force

输入文件：denoise.mif
输出文件：degibbs.mif
degibbs.mif：

5、这里使用的是eddy_correct进行涡流矫正，具体命令为：

eddy_correct degibbs.nii.gz eddy_unwarped_images.nii.gz 0

输入文件：原始的dwi文件
输出文件：eddy_unwarped_images.nii.gz

6、将eddy_unwarped_images.nii.gz转为data.mif

mrconvert -fslgrad 02.bvec 02.bval eddy_unwarped_images.nii.gz data.mif -force

7、dwi在脑成像数据收集时会遇到biasfiled, 是低频的、不均匀的场，即：

需要做biascorrect，也是为了后面得出的结果更准确。
命令：

dwibiascorrect ants degibbs.mif biascorr.mif -bias biasfiled.mif -force

dwibiascorrect提供了两种算法：ants和fsl

为了得到更好的结果一般选择ants的算法
输入文件：degibbs.mif
输出文件：biascorr.mif
biasfiled 长什么样子：biasfiled.mif
到此弥散像的处理已经完成
三、配准
注：
aparc.2009是freesurfer里的分区，只要是在同一个空间下，使用aparc.2009生成白质纤维束和使用AAL2模板做脑网络是没问题的。

1、将弥散像配准到结构像上：
空间配准：就是把来源不同的像匹配到一起。就好比我们有一组受试者，这组受试者每个人的大脑结构都是不同的，需要去比较他们组之间的一些水平，把功能像/弥散像配准到各自的结构像，结构像配准到标准空间，这样每个不同的大脑都在同一个空间下，就可以做平均或者比较；或者是有一个基于MNI空间的atlas，想利用里面的ROI，可是处理数据的流程都是在个体空间完成的，这时通过空间配准的方法计算MNI空间到个体空间的转化，然后将这个转化矩阵应用到atlas上面，就会得到一个基于个体空间的atlas
配准分类两种：
1、线性配准(linear / affine)：四种类型（平移 旋转 缩放 shear（扭曲？）），每个类型都有3个维度即x,t,z。所以线性配准是一个长度为12的矩阵，每个体素都会应用到这个上面。线性配准主要是同一个受试者不同的像配准，比如fMRI配准到T1W -dof 6
2、非线性配准：配准不同空间的像，每个体素都有自己的转化方式，即非线性配准的变化不是一个矩阵而是一个类似于结构图的.nii.gz格式 -dof 7/9/12
学习ants进行配准：ants不同命令的算法不同，同时ants也得过多种比赛的奖，配准效果上要比flirt要好一些。
附：我们是将MNI空间配准到受试者空间，所以不动（-f）的是受试者的结构像，需要去转化去移动（-m）的是MNI空间下的模板。
命令：antsRegistrationSyN.sh 运行时间比较长，工作站上需要运行好几个小时

命令：

antsRegistrationSyN.sh -d 3 -f 02-T1w.nii.gz -m b0.nii -t r -o antsConvertTransformFile 3 ants0GenericAffine.mat ants0GenericAffine.txttransformconvert ants0GenericAffine.txt itk_import dwi2anatalign_mrtrix.txt -forcemrtransform -linear dwi2anatalign_mrtrix.txt biascorr.mif align.mif $common -force

这时得到的align.mif就是配准好的图像，查看方法：mrview->File->02-T1w.nii.gz tool->overlay->file->align.mif

2、recon-all 命令 需要运行好几个小时，不过不用担心，clinica的t1-freesurfer命令就是recon-all，直接将CAPS/subjects/…/recon-all文件copy过来就可以，大概这么多文件：

3、5ttsegmentation，5tt:5种组织：皮层灰质，皮层下灰质（丘脑），白质，脑脊液，病理组织 这步是为了给做白质纤维束提供信息。
命令：

Mrconvert recon-all/mri/aparc.a2009s+aseg.mgz aparc.a2009s+aseg.nii.gz5ttgen freesurfer aparc.a2009s+aseg.nii.gz 5ttseg.mif -force5tt2gmwmi 5ttseg.mif 5tt_gmwmi.mif -force

四、DTI
1、首先生成弥散张量图像

dwi2mask align.mif - | maskfilter - dilate dwi_mask.mif -forcedwi2tensor -mask dwi_mask.mif align.mif dt.mif -force

2、计算FA的值

tensor2metric dt.mif -fa dt_fa.mif -ad dt_ad.mif -force

3、计算CSD
constrained spherical deconvolution (CSD)

dwi2response msmt_5tt align.mif 5ttseg.mif ms_5tt_wm.txt ms_5tt_gm.txt ms_5tt_csf.txt -voxels ms_5tt_voxels.mif -force

4、计算FOD

dwi2fod msmt_csd align.mif \ms_5tt_wm.txt dwi_wmCsd.mif \ms_5tt_gm.txt dwi_gmCsd.mif \ms_5tt_csf.txt dwi_csfCsd.mif -force

5、生成白质纤维束追踪

mrthreshold -abs 0.2 dt_fa.mif - | mrcalc - dwi_mask.mif -mult dwi_wmMask.mif -force

全脑追踪命令

whole brain tractography

tckgen -algo iFOD2 -act 5ttseg.mif -backtrack -crop_at_gmwmi \-cutoff 0.05 -angle 45 -minlength 20 -maxlength 200 \-seed_image dwi_wmMask.mif -select 200k \dwi_wmCsd.mif \fibs_200k_angle45_maxlen200_act.tck

补充：关于gcc版本切换

ubuntu自带的是7.5.0版本的gcc和g++，但有的时候有些软件需要5.0版本的gcc和g++，这里提供一个7.5.0版本和5.0版本之间进行切换的办法。

# 查看gcc和g++版本
gcc --version
g++ --version# 安装5.0版本的gcc和g++ 
sudo apt-get install gcc-5 g++-5
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-5 50 --slave /usr/bin/g++ g++ /usr/bin/g++-5
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 70 --slave /usr/bin/g++ g++ /usr/bin/g++-7
# 选择gcc版本
sudo update-alternatives --config gcc