神經影像資料處理/配準
 |
一位華夏公益教科書使用者建議將此書籍或章節與神經影像資料處理/處理/步驟/配準和歸一化合併。 請在討論頁面上討論是否應該進行合併。 |
通常，配準是指對一系列影像進行空間對齊，可以是兩幅影像之間，也可以是多幅影像體積之間。在方法上，這與重新對齊和歸一化重疊。然而，本節討論的是功能影像和結構影像的配準。
如果目的是研究受試者的功能啟用如何與自身解剖結構重疊，則需要將同一大腦的功能影像和結構影像對齊。然而，來自同一大腦的功能影像和結構影像之間的差異並非微不足道。與具有清晰區域邊界輪廓的高解析度結構影像相比，功能影像通常比較模糊，並且存在幾何和強度失真。這裡配準的基本思想類似於重新對齊，即定義一個成本函式，目標是最大程度地減少影像引數之間的差異。然而，由於功能影像的失真，六個引數的剛性變換可能不足以進行校正。根據失真的複雜程度，可以使用九個引數變換（另外三個額外引數來解釋 x、y 或 z 軸上的縮放差異），甚至更復雜的演算法來量化成本函式。同時，由於功能影像和結構影像之間對比度的不同，互資訊比平方差之和更適合用作成本函式。
SPM 提供 COREGISTER 模組來實現配準
align_epi_anat.py 指令碼計算兩個資料集（通常是 EPI 和解剖結構資料集）之間的對齊，並將得到的變換應用於其中一個或另一個，使其對齊 [1]。變換的計算是將解剖結構與 EPI 資料對齊，但得到的變換可以用於任何指定的方向。基本輸入是解剖結構和 EPI 資料集，哪個 EPI 體積應該是對齊的基準，對齊的方向（0/平均值/中位數/最大值/體積 #）以及需要對齊的方向（anat2epi/epi2anat），例如
align_epi_anat.py -anat ANATOMICALDATA -epi EPIDATA -epi_base 5
在 afni_proc.py 中，對齊塊不是預設設定，但可以透過 do_block align 包含。預設情況下，這意味著 anat2epi 配準，可以透過以下選項更改
-volreg_align_e2a
1. 配準軟體的比較 http://brainimaging.waisman.wisc.edu/~oakes/teaching/coreg_software_comparison.html
2. Huettel, S. A., Song, A.W., & McCarthy, G. (2008). 功能性磁共振成像 (第二版). Sinauer Associates, Inc: 桑德蘭，馬薩諸塞州，美國。