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。 通常分離灰質 (GM)、白質 (WM) 和腦脊液 (CSF)，但也可以分離更多類別。 從理論上講，在 T1 加權影像中，可以根據不同的組織型別的獨特強度來分離它們。 但是，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）以及剩餘的場不均勻性，因此分割在現實中變得更加棘手。 因此，組織分割演算法還可以考慮組織機率圖（例如在 SPM 中）和灰白介面的幾何結構（例如 FreeSurfer）。 有關組織分割方法的全面（儘管不太新）綜述，請參見

實現

SPM

分割新的分割

SPM 中的統一分割是一種一鍵式方法，它將空間歸一化、偏置場校正和組織分割組合在一起。 任何體素包含灰質或白質的先驗機率可以透過使用組織型別的機率圖集來確定； 然後將該先驗機率與來自影像的資料相結合以確定組織類別。 使用這種方法，可以將兩個具有相同強度的體素識別為不同的組織型別。

FSL

FSL 的大腦提取工具 BET (Smith 等人，2004)

AFNI

3dSeg 是一個用於組織分割的 AFNI 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）mask 塊呼叫分割（顯然會自動隱含 -mask_segment_erode 來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器，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，在其中（除了上面提到的 -mask_segment_anat 之外）您將新增

-regress_anaticor