在surface上做V1V2V3视觉皮层的拓扑映射并将surface转换成体素

一、为何要在展开皮层做视觉皮层拓扑映射？

在脑影像研究中，fMRI数据通常基于体素存储，即通过逐层切片的方式表示三维脑结构和功能信息。然而，这种可视化方式存在明显局限：

1.空间连续性差：逐层切片只能显示局部信息，难以在单一视图中观察皮层表面的整体结构。

2.三维追踪困难：皮层表面高度折叠，神经活动往往跨越多个切片，在三维空间中追踪同一皮层区域十分复杂。

3.皮层沟回结构的干扰：皮层沟和皮层回导致皮层表面在体数据中被“压缩”或“遮挡”，尤其是位于沟底的功能激活区域，往往难以被直观观察。

4.视网膜拓扑等表征的可视化困难：视皮层中功能映射具有高度拓扑组织性，而皮层折叠会破坏其在体数据中的连续性表达。

二、视觉皮层拓扑映射的原理

视网膜拓扑映射通常由极角映射以及偏心率组成。通常使用一定频率呈现的同心扩张或收缩的环形刺激，顺时针或逆时针旋转的扇形作为刺激

从V1-V3视网膜投射存在极角反转现象，这是由视网膜投射造成的，在V1区，映射是正向的，来自上视野的刺激投射到皮层上方，来自下视野的刺激投射到皮层下方，为了保持视野拓扑连续，V2的映射是镜像的，来自上视野的刺激投射在皮层下方，来自下视野的刺激投射到皮层上方，到了V3,又再次反转，因此通过观察极角反转的边界，便可以划分V1V2V3.

偏心率用来确定刺激在皮层上的径向（中心→外周）位置，配合极角 θ 形成完整的视网膜到皮层拓扑映射，同时决定皮层区域大小和视觉分辨率分布

三、视觉皮层拓扑映射的一些教程：

https://gru.stanford.edu/doku.php/mrtools/scriptingexamplesretinotopy

https://nben.net/Retinotopy-Tutorial/

四、步骤（自用）

1.使用freesurfer展开皮层

这一步很简单，使用recon-all函数对被试T1进行重新划分即可

recon-all -i /home/sub/sub-01/sub-01-T1.nii -s sub-01 -all

2.使用neuropythy预测被试的V1V2V3

（有时间更教程）

python3 -m neuropythy benson14_retinotopy sub-01 -v

3.将surface转化成volume

教程：https://surfer.nmr.mgh.harvard.edu/fswiki/mri_surf2vol

https://liaopan.github.io/freesurfer/practice/?utm_source

使用mri_surf2vol转化即可

（注：这个地方应该将一阶对比NII图像投射到surface，分别划分ROI，再保存成volume，有时间更）

SUBJECT=sub-01 SUBJECTS_DIR=/home/freesurfer/subjects OUTPUT_DIR=/home/benson14_voxels mkdir -p $OUTPUT_DIR TEMPLATE=$SUBJECTS_DIR/$SUBJECT/mri/orig.mgz REGISTER_FILE=$OUTPUT_DIR/register.dat # 创建 identity registration tkregister2 --mov $TEMPLATE --s $SUBJECT --noedit --regheader --reg $REGISTER_FILE # 、只转换 V1 for HEMI in lh rh; do AREA=1 IN_LABEL=$SUBJECTS_DIR/$SUBJECT/label/${HEMI}.V${AREA}.label OUT_VOL=$OUTPUT_DIR/${HEMI}_V${AREA}.nii echo "Converting $IN_LABEL to volume $OUT_VOL" mri_label2vol \ --label $IN_LABEL \#输入的 label 文件 --temp $TEMPLATE \#参考体积（空间模板） --subject $SUBJECT \#被试 ID --hemi $HEMI \#投射半球 --fillthresh 0.9 \#label 覆盖体素阈值 --proj frac 0 1 0.1 \#沿皮层厚度投影，0 到 1 分 0.1 步长 --reg $REGISTER_FILE \#使用上一步生成的配准文件 --o $OUT_VOL#输出 NIfTI 文件路径 done