FreeSurfer入门(1) Output Data

article/2025/11/5 6:34:49

目录

  • 前言
  • 一、使用freeview查看卷
  • 二、使用freeview查看3D surface
      • Pial surface
      • white surface
      • Inflated Surface
      • Thickness Map
      • Cortical Parcellation


前言

因一些原因需要学习FreeSurfer,然而教程比较少有些难懂,看了一段时间觉得可能要钻钻牛角尖才可以完成学习,所以开始记笔记(基本上是逐字逐句的读tutorial),如果有错误欢迎指正
教程地址: https://surfer.nmr.mgh.harvard.edu/fswiki/Tutorials

教程所使用数据: https://surfer.nmr.mgh.harvard.edu/fswiki/Tutorials

自行安装FreeSurfer

将网站上的tutorial data下载下来后解压,设置环境变量并进入工作目录(两个export可以直接写进bashrc中,我只写了第一个,因为之后freesurfer还要用,总是要改的东西写进bashrc感觉很麻烦)

export TUTORIAL_DATA=<path_to_your_tutorial_data>
export SUBJECTS_DIR=$TUTORIAL_DATA/buckner_data/tutorial_subjs
cd $SUBJECTS_DIR

FreeSurfer的输出中, lh应该是left hemisphere, rh 应该是right hemisphere, 表示左右脑

一、使用freeview查看卷

FreeSurfer中的输出有好几个文件夹,主要的输出数据被称为volume,用翻译软件翻译的为卷,我就这么记录好了
教程中第一步为

freeview -v \
good_output/mri/T1.mgz \
good_output/mri/wm.mgz \
good_output/mri/brainmask.mgz \
good_output/mri/aseg.mgz:colormap=lut:opacity=0.2 \
-f good_output/surf/lh.white:edgecolor=blue \
good_output/surf/lh.pial:edgecolor=red \
good_output/surf/rh.white:edgecolor=blue \
good_output/surf/rh.pial:edgecolor=red

其中,freeview为调用freesurfer的视图工具, 斜杠表示这些动作统一执行,如果对数据比较了解,应该可以直接输入freeview,然后在file里load volume
这一步的意思是, 加载结果为good_output的项目名下,mri文件夹中的T1.mgz, wm.mgz, brainmask.mgz, aseg.mgz这几个卷,其中aseg.mgz设置了颜色(colormap应该是一个颜色的映射,lut的意思是look up table),这几个卷的加载都是在-v指令下的(v指的是volume)
除此以外,还有一个-f指的是surface,还是good_output文件夹下,surf文件夹中,分别是左脑和右脑的白色表面(white surface)和软膜表面(pial surface),加载的时候顺便上了个色(edgecolor)
我的翻译可能不准确,因为是直接挂谷歌翻译的…
freeview 空白窗口
freeview 空白窗口
加载卷和表面(load Volume和load Surface):
加载卷
加载后的图片,上面是volumes(卷)下面是surface(表面)
加载后
加载的卷里,wm.mgz, brainmask.mgz主要是用来纠错的,tutorial对三个卷进行了说明:

brainmask.mgz : skull-stripped volume primarily used for troubleshooting
wm.mgz : white matter mask also used for troubleshooting
aseg.mgz : subcortical segmentation loaded with its corresponding color table and at a low opacity. For more information on the subcortical segmentation, see here.

简单翻译了一下
brainmask.mgz : 颅骨剥离体积,主要用于故障排除
wm.mgz : 白质遮罩,主要用于故障排除
aseg.mgz : 皮质下分割,更多内容可以在这里了解
(我暂时没做了解,因为看不大懂)

加载后在freeview界面可以用鼠标旋转大脑进行观察,也可以点左边的复选框将一些部分隐藏用于对比和查看
双击某个卷后该卷会上升到顶端(应该是指优先显示,毕竟可以显示的内容太多了.部分卷可以半透明显示所以冲突不大)

图片正上方的选项可以更改视图
在这里插入图片描述
快捷键 alt+f 显示突出显示的表面(我试了一下就是取消/勾选已选择的surface的复选框)

快捷键 alt+v 显示/隐藏高亮部分(应该指的是前面指令里上色的部分,取消所有surface的勾选后查看更清楚)
alt+a 和alt+s更改高亮的权重,也就是颜色更明显或者更不明显

教程在这里提到有一个关于wm卷的heat overlay 和jet overlay,但是我没找到,唯一找到的与overlay有关的内容在layer - cycle throught overlays
然后可以推出freeview了

二、使用freeview查看3D surface

在终端运行这段代码

freeview -f good_output/surf/lh.pial:annot=aparc.annot:name=pial_aparc:visible=0
good_output/surf/lh.pial:annot=aparc.a2009s.annot:name=pial_aparc_des:visible=0
good_output/surf/lh.inflated:overlay=lh.thickness:overlay_threshold=0.1,3::name=inflated_thickness:visible=0
good_output/surf/lh.inflated:visible=0
good_output/surf/lh.white:visible=0
good_output/surf/lh.pial
–viewport 3d

还是一样, 可以直接用freeview的load surface来打开,文件在在good_output项目下的surf文件夹里(但是直接复制粘贴这个运行要方便得多)
指令中, 将 Desikan-Killiany 皮质分区加载到左脑(lh=left hemisphere)的pial surface(lh.pial, 翻译为软膜表面):

lh.pial:annot=aparc.annot

将 Desrieux 皮质分区加载到软膜表面:

lh.pial:annot=aparc.a2009s.annot

更改在菜单显示中显示的名称并关闭该层:

:name=pial_aparc:visible=0

加载膨胀表面顶部的厚度叠加层并设置要显示的最小和最大阈值:

lh.inflated:overlay=lh.thickness:overlay_threshold=0.1,3

由上面的指令可以看出来, 加载pial surface的时候可以叠加皮质分区,用"annot="来指定该分区
然后aparc.annot表示Desikan-Killiany皮质分区,aparc.a2009s.annot表示Desrieux皮质分区
name指定展现出来的名称(应该是指在freeview界面中的名字),而visible=0则将pial surface设置了不可见,以避免pial surface和加载到上面的皮质分区发生冲突,最后再单独加载pial surface方便对比查看
thickness是厚度层

我下面直接用英文名称好了,因为不知道专业名词,机翻出来的看着怪怪的

Pial surface

在这里插入图片描述
红色的是脑沟,绿色的是脑回

white surface

在这里插入图片描述
white surface,表面显示白质和灰质之间的边界

Inflated Surface

在这里插入图片描述

Press Alt+c to cycle to the curvature on the inflated surface. With the inflated surface, you can fully see the sulci. If you look at the options next to ‘Curvature’ in the left menu pane, you can switch it to binary to see the curvature in grayscale. Or switch it to ‘off’ to see the smooth inflated surface.
The inflated surface can be helpful to find bumps, holes, or other defects that may need to be corrected. If you click on the inflated surface, you will see the coordinates of the vertex you clicked on in the ‘Cursor’ window.

机翻:按 Alt+c 循环到inflated surface上的曲率。 通过inflated surface,您可以完全看到脑沟。 如果您查看左侧菜单窗格中“Curvature”(曲率)旁边的选项,您可以将其切换为二进制以查看灰度曲率。 或将其切换到“关闭”以查看平滑的inflated surface。inflated surface有助于发现可能需要纠正的凸块、孔洞或其他缺陷。 如果您单击inflated surface,您将在“Cursor”窗口中看到您单击的顶点的坐标。

Thickness Map

在这里插入图片描述

Press Alt+c to cycle to the thickness map on the inflated surface

机翻:按 Alt+c 循环到inflated surface上的厚度图
alt+c似乎是调换左侧surface栏下各个surface的顺序,这里直接勾选应该也没有问题

Cortical Parcellation

皮质分区
左边是 Desikan-Killiany 分区,右边是 Desrieux 分区。
在这里插入图片描述在这里插入图片描述

Click on a color and view the name of the cortical region in the ‘Cursor’ or ‘Mouse’ windows next to where it says ‘aparc.annot’. Rotate the brain so you are looking at the medial wall. Notice that all subcortical gray matter is not a part of the surface labels (because again, those areas do not count towards the cortical surface measures).
By default there are two parcellations that are made when recon-all is run. The two parcellations are the ?h.aparc.annot, created with the Desikan-Killiany atlas, and the ?h.aparc.a2009s.annot, created with the Destrieux atlas. The difference is the number and designation of the areas that are labeled. You can load the Destrieux parcellation by clicking on the drop down box next to ‘Annotation’ on the left panel and choosing Load from file… Browse to lh.aparc.a2009s.annot and hit ‘Open’.

机翻:单击一种颜色并在“aparc.annot”旁边的“Cursor”或“Mouse”窗口中查看皮质区域的名称。 旋转大脑,让您看到内壁。 请注意,所有皮层下灰质都不是表面标签的一部分(因为同样,这些区域不计入皮层表面测量值)。
默认情况下,运行 recon-all 时会进行两个分区。 这两个分区是使用 Desikan-Killiany 地图集创建的 ?h.aparc.annot 和使用 Destrieux 地图集创建的 ?h.aparc.a2009s.annot。 不同之处在于标记区域的数量和名称。 您可以通过单击左侧面板上“Annotation”旁边的下拉框并选择从文件加载…来加载 Destrieux 分区。浏览到 lh.aparc.a2009s.annot 并点击“open”。
在这里插入图片描述
annotation:
在这里插入图片描述
练习题就不记录了


http://chatgpt.dhexx.cn/article/HKSUIWUG.shtml

相关文章

IXI数据预处理 + Linux + freesurfer

目录 1. freesurfer下载安装测试1.1 下载受阻&#xff0c;安装axel-2.4,多线程下载1.2 安装1.3 安装时出现的问题1.4 测试1.5 使用前注意 2. freesurfer 处理IXI2.1 freesurfer 的使用2.2 从零开始处理IXI2.2.1 命令行skull_stripping 单个.nii文件2.2.2 分析处理完成后的文件2…

Freesurfer的简单使用和一些基础知识

Freesurfer Freesurfer是用于MRI图像处理和分析的一款开源软件&#xff0c;可进行多种模态数据的预处理&#xff0c;皮层重建&#xff0c;volume与surface的互相之间的配准等。 MRI成像 https://www.csdn.net/tags/Mtzagg1sNzM3MTMtYmxvZwO0O0OO0O0O.html MRI成像原理&…

FreeSurfer汉化教程

介绍FsFAST的预处理 根据官网的英文进行翻译&#xff0c;并在使用过程中所犯的错误进行解决的过程 介绍Tutorial Data 下载以及安装 安装 安装Tutorial Datasets 从教程数据&#xff0c;创建文件tutorial_data在自己的工作路径中。 curl https://surfer.nmr.mgh.harvard.e…

Freesurfer教程(ubuntu)

Freesurfer教程&#xff08;ubuntu&#xff09; 参考链接&#xff1a;http://www.wjhsh.net/zhhfan-p-13405572.html 1.安装 freesurfer的安装教程各个网站上都用详细的过程&#xff0c;这里不再叙述 这个命令是在处理tutorial_data中的dcm数据时使用的&#xff1a;recon-al…

freeSurfer颅骨剥离

命令参考 https://surfer.nmr.mgh.harvard.edu/fswiki/recon-all recon-all -i 输入文件路径.nii -s 创建用于保存文件夹名称 -sd 保存文件夹所在的目录 -命令 -autorecon2-cp 输入输出参考 https://surfer.nmr.mgh.harvard.edu/fswiki/ReconAllDevTable orig/001.mgz 将…

freesurfer使用

一.做灰白质分割 我的目的是得到某被试的脑白质mask。 1.首先找了freesurfer教程&#xff0c;直接打开了freeview&#xff1b; 2.可视界面中没有直接的wmseg功能&#xff1b; 3.去使用freeview的手册查询wmseg&#xff08;开始怀疑这种操作不叫该名词..&#xff09;&#x…

【freesurfer学习1】freesurfer结构像批处理

freesurfer结构像批处理 最近0基础新入脑科学的坑&#xff0c;在等待申请数据集的时候&#xff0c;顺便学习一下freesurfer。 软件的安装稍后在评论区补上。 recon-all 分割重建 在我自定义的重建文件夹recon下有test文件夹&#xff0c;有两个文件夹demo1dcmnii&#xff0c;…

FreeSurfer和FSL的安装和使用(脑部图像去除头骨+对图像和label同时进行仿射对齐)教程

FreeSurfer当前只支持Linux系统和Mac OS。我所使用的系统是Ubuntu 16 .0.4&#xff0c;FreeSurfer的安装耗时较小&#xff0c;但是在处理时耗时较长&#xff0c;可能需要数个小时&#xff0c;甚至一天&#xff0c;这个取决于机器性能&#xff0c;但是和GPU好像没太大关系。下面…

FreeSurfer的安装及使用(个人踩坑记录)

一、环境要求 目前只支持在Linux和MacOS系统&#xff0c;虽然可以用 -parallel 进行多线程处理&#xff0c;但基本消耗的是CPU内存。 二、FreeSurfer的下载与安装 1. 下载安装包 官网链接&#xff1a;rel7downloads - Free Surfer Wiki 根据自己系统型号下载对应安装包&am…

【数学建模】统计回归模型

一、 多元线性回归 matlab统计工具箱 [b,bint,rint,stats]regress(y,x,alpha) 输入 y~n维数据向量数据矩阵&#xff0c;第1列为全1向量alpha(置信水平,0.05) 输出 b~β的估计值bint~b的置信区间r~残差向量y-xbrint~r的置信区间&#xff08;置信区间包含0则对y的影响不太显…

统计学习模型——决策树

决策树学习的三个步骤&#xff1a;特征选择、决策树的生成和决策树的修剪 一、决策树模型&#xff08;分类与回归方法&#xff09; 1.1 基本概念 决策树可为多叉树&#xff0c;是描述对实例进行分类的树形结构决策树由结点和有向边组成。其中结点又分为&#xff1a;内部结点…

机器学习的概率统计模型(附代码)(一)

目录 概率论 1.1 离散随机变量分布 1&#xff09;伯努利分布 2&#xff09;二项分布 3&#xff09;泊松分布 1.2 连续随机变量分布 1&#xff09;均匀分布 2&#xff09;指数分布 3&#xff09;正态分布 总结 系列文章目录 概率论 概率论&#xff0c;是研究随机现象数量规…

【统计模型】缺失数据处理方法

目录 一、缺失数据定义 二、缺失数据原因 三、缺失数据处理步骤 四、数据缺失机制 1.完全随机缺失&#xff08;MCAR&#xff09; 2.随机缺失&#xff08;MAR&#xff09; 3.非随机、不可忽略缺失&#xff08;NMAR&#xff09; 五、缺失数据处理方法 1.直接删除 2.缺失值…

数学统计建模

数据预处理 数据清洗 无量纲处理 检验数据来自哪个分布 正态分布检验 K-S检验的P值检验正态性 非正态数据处理 数据偏态处理 BOX-COX变换 成分数据处理 clr变换 ilr变换 logit变换 属性数据 相关性检验 假设检验方法使用时应首先判断数据是否为正态数据。如果是&#x…

【数学建模】统计分析方法

文章目录 1.回归分析2. 逻辑回归3. 聚类分析4. 判别分析5. 主成分分析6. 因子分析7. 对应分析 1.回归分析 数据量要多&#xff0c;样本总量n越大越好——>保证拟合效果更好&#xff0c;预测效果越好 一般n>40/45较好 方法 建立回归模型 yiβ0β1i……βkxkiεi 所估计的…

统计模型分类

传统统计模型->回归模型&#xff08;可解决过去和预测未来&#xff09; 数据挖掘模型->决策树、神经网络等&#xff08;只能预测未来&#xff09; 横截面模型&#xff1a;多元回归&#xff0c;逻辑回归&#xff0c;托宾回归&#xff08;涉及到泊松分布&#xff09; 向量…

(R语言)R的统计模型

1定义统计模型的公式 下面统计模型的模板是一个基于独立的方差齐性数据的线性模型 用矩阵术语表示&#xff0c;它可以写成 其中y是响应向量&#xff0c;X是模型矩阵&#xff08;model matrix&#xff09;或者设计矩阵&#xff08;design ma- trix&#xff09;。X的列 是决定变…

【统计学习方法】模型评估与模型选择

一、训练误差与测试误差 首先引入误差的概念&#xff0c;误差&#xff08;error&#xff09;是指&#xff1a;学习器的实际预测输出与样本的真实输出之间的差异。类似地&#xff0c;学习器在训练集上的误差被称之为训练误差&#xff08;training error&#xff09;或者经验误差…

statsmodels︱python常规统计模型库

之前看sklearn线性模型没有R方&#xff0c;F检验&#xff0c;回归系数T检验等指标&#xff0c;于是看到了statsmodels这个库&#xff0c;看着该库输出的结果真是够怀念的。。 文章目录 1 安装2 相关模型介绍2.1 线性模型2.2 离散选择模型(Discrete Choice Model, DCM)2.3 非参数…

数学建模——统计回归模型

前言&#xff1a;看完数学建模的统计回归模型&#xff0c;更是感到了数学建模的“细腻”之处&#xff0c;对比与机器学习&#xff0c;如果说机器学习像是“打一场仗”&#xff0c;那数学建模更是像“做一场手术”&#xff0c;一个简单的回归问题也可以从中感觉到他“细腻”的美…