神經影像資料處理/處理/步驟/組織分割

概念

使用高解析度 T1 加權解剖影像將腦組織分類為不同的組織類別。通常將灰質 (GM)、白質 (WM) 和腦脊液 (CSF) 分開，但也可以使用更多類別。理論上，在 T1 加權影像中，不同的組織型別可以根據其獨特的強度進行區分。然而，由於噪聲導致不同組織型別的強度譜重疊、部分體積效應（即單個體素包含不同的組織型別）以及殘留的場不均勻性，分割在現實中變得更加棘手。因此，組織分割演算法也可以考慮組織機率圖（例如 SPM）和灰白介面的幾何結構（例如 FreeSurfer）。有關組織分割方法的全面綜述（儘管不是最新的），請參見

實現

SPM

分割新分割

SPM 中的統一分割是一種一鍵式方法，將空間歸一化、偏差場校正和組織分割結合在一起。可以使用組織型別的機率圖集確定任何體素包含灰質或白質的先驗機率；然後將此先驗機率與影像中的資料相結合以確定組織類別。使用這種方法，可以將兩個強度相同的體素識別為不同的組織型別。

FSL

FSL 的腦提取工具 BET (Smith et al., 2004)

AFNI

3dSeg 是 AFNI 的組織分割程式。它允許新增各種全域性和體素先驗，但不建議用於定量分割，例如 VBM。最簡單的命令（預設情況下分割為 CSF、GM 和 WM）是

3dSeg -anat ANATOMICAL DATASET

在 afni_proc.py 中，可以透過（預設）掩碼塊呼叫分割（顯然會自動使用 -mask_segment_erode 計算侵蝕的組織類別）

-mask_segment_anat yes

如果 WM 和 CSF 應該用於基於組織的迴歸量，則有一個選項可以自動執行此過程，稱為 @ANATICOR。強烈建議在 afni_proc.py 中使用它，在該方法中（除了上面的 -mask_segment_anat 之外），您還會新增

-regress_anaticor