当前位置: 首页 > news >正文

FreeSurfer 核磁共振重建

FreeSurfer MRI reconstruction — MNE 1.12.1 documentation 学习笔记

这段文字是教程的开篇综述,主要介绍了 FreeSurfer 和 MNE-Python 的关系以及 FreeSurfer 的核心功能。

FreeSurfer 核磁共振重建

本教程将介绍如何结合使用 FreeSurfer 与 MNE-Python,来处理结构核磁共振数据。这些数据是我们构建个性化解剖模型的基础,包括头皮、内/外颅骨以及皮层表面。

FreeSurfer 是一个开源的核磁共振数据分析工具箱,你可以从 https://surfer.nmr.mgh.harvard.edu/ 获取。它主要提供以下功能:

  • 可视化界面:用于查看核磁共振数据。
  • 解剖分区:提供多种解剖图谱,方便我们定义感兴趣区域。
  • 标准脑模板:例如 fsaverage。
  • 命令行工具:用于执行各种任务,比如寻找组织边界,或者将不同受试者的大脑进行形变对齐,以匹配对应的解剖区域。

MNE-Python 正是依赖 FreeSurfer 的这些能力,来计算前向模型并建立相应的源空间(也就是位于皮层表面或脑容积内的一组偶极子网格)。

First steps

装好 FreeSurfer 之后,还得先配置一下环境才能用。主要就两步:先定义一个叫FREESURFER_HOME的环境变量,然后运行它的设置脚本:

export FREESURFER_HOME=/path/to/FreeSurfer source $FREESURFER_HOME/SetUpFreeSurfer.sh

另一个重要的步骤是告诉 FreeSurfer 把受试者的解剖重建数据存放在哪里。这是通过设置一个名为SUBJECTS_DIR的环境变量来完成的。以后,每个受试者的独立重建数据都会作为单独的子文件夹,存放在这个目录里。

export SUBJECTS_DIR=/path/to/your/subjects_dir

Anatomical reconstruction

第一个处理阶段是创建各种表面重建模型。通常,我们可以通过运行以下命令来完成完整的 FreeSurfer 重建:

my_subject=sample my_NIfTI=/path/to/NIfTI.nii.gz recon-all -i $my_NIfTI -s $my_subject -all

其中i代表“输入”,s代表“受试者”。执行该命令后,系统会创建$SUBJECTS_DIR/sample文件夹,并在其中生成若干子文件夹(如 bem、label、mri 等)。

解剖重建可能需要花费数小时,哪怕是用配置很高的电脑也一样。

FreeSurfer 会执行半球分离操作,因此大多数生成的文件都有独立的左、右半球版本,并分别用前缀lhrh来标识。MNE-Python 也保留了这种半球分离的结构(例如,mne.SourceEstimate对象会分别存储两个半球的空间位置(即顶点);可参考“SourceEstimate 数据结构”)。

下面展示了 Sample 数据集受试者左侧半球的 FreeSurfer 重建结果示例,其中还叠加显示了解剖分区图。

# Authors: The MNE-Python contributors. # License: BSD-3-Clause # Copyright the MNE-Python contributors.
import mne sample_data_folder = mne.datasets.sample.data_path() subjects_dir = sample_data_folder / "subjects" Brain = mne.viz.get_brain_class() brain = Brain( "sample", hemi="lh", surf="pial", subjects_dir=subjects_dir, size=(800, 600) ) brain.add_annotation("aparc.a2009s", borders=False)

Use with MNE-Python

为了让源定位分析能够正常运行,必须事先完成 FreeSurfer 的重建工作。此外,对于许多与逆问题成像相关的 MNE-Python 函数(例如mne.setup_source_space),必须在全局范围内定义SUBJECTS_DIR(将其设为环境变量,或者调用mne.set_config进行设置);或者,也可以在每次调用函数时,通过传递关键字参数subjects_dir='/path/to/your/subjects_dir'来单独指定路径。

可以查阅“设置源空间”章节,了解该参数在特定函数中是如何工作的;也可以查阅“MNE 如何使用 FreeSurfer 的输出”章节,获取更多关于 MNE-Python 与 FreeSurfer 如何集成的详细信息。

‘fsaverage’

在安装过程中,FreeSurfer 会将一个名为fsaverage的受试者文件夹复制到$FREESURFER_HOME/subjects/fsaverage目录下。fsaverage是一个基于 40 个真实大脑的核磁共振扫描图像组合而成的模板大脑

fsaverage受试者文件夹包含了正常受试者经重建后所能生成的所有文件。关于它的概览,请查阅 FreeSurfer 维基上的 FsAverage 页面;关于用于创建 fsaverage 的受试者详情,请查阅 Buckner40Notes 页面。此外,Sample 数据集中也附带了一份 fsaverage 的副本,它同时也作为独立的数据集进行分发。

fsaverage最常见的用途之一是作为皮层形态变换源估计变换的目标空间。换句话说,通常的做法是将每个个体受试者估算出的大脑活动映射(morph)到 fsaverage 大脑上,以便进行组级别的统计比较。

http://www.jsqmd.com/news/807852/

相关文章:

  • pyautocad:颠覆传统CAD自动化的Python革命性框架
  • AI智能体技能库:标准化AI编程助手工作流,提升开发效率与代码质量
  • 灰度切流策略框架设计
  • 基于LLM的智能语言服务器:为代码编辑器注入AI编程能力
  • 动态频谱接入技术:从原理到工程实践,破解频谱资源瓶颈
  • 靠谱养发品牌哪家评分高? - 中媒介
  • 工程师如何培养技术幽默感:从社区文化到创意表达
  • 企业数字化转型与AI大模型学习:掌握未来核心技能,收藏这份成长指南
  • 避开Halcon ROI绘制与保存的常见坑:`draw_`与`gen_`算子参数传递详解
  • 2026年国产国际在线PH检测仪十大品牌排名最新版 - 仪表人小余
  • HTML零基础入门详解:从骨架到实战,新手也能快速上手
  • Dataherald开源项目:企业级自然语言转SQL引擎部署与调优指南
  • 浅析Function Calling
  • Python量化投资利器:3步掌握pywencai获取同花顺问财数据
  • 2026 对讲机供应商硬核测评:找准专属通信长期合作伙伴 - 品牌评测官
  • DB-GPT:基于大语言模型的智能数据库交互平台部署与应用指南
  • GinCdn内容分发系统V1.1.1版本更新
  • Arm DDT调试工具:并行程序与GPU代码的高效调试指南
  • Mermaid Live Editor终极指南:用代码绘制专业图表的免费高效工具
  • 如何通过Python逆向技术实现手机号与QQ号的关联查询
  • 商业世界模型与因果推断:京东智能定价实践|奇点智能技术大会实录
  • 深圳养发馆哪家生发评分高? - 中媒介
  • “35岁危机”的真相:是年龄歧视,还是能力停滞?—— 软件测试从业者的深度剖析
  • ElasticSearch 从入门到实战:全文检索服务全解析
  • 白帽江湖实战靶场SQL注入篇:SQL注入 - 报错注入(大小写过滤)
  • 矩阵视频融合:打破摄像机孤岛,实现厘米级跨镜无缝追踪
  • 开源本地记忆管理工具mimibox:打造私有第二大脑
  • MCP服务器精选指南:为AI编程助手赋能,提升开发效率
  • 内卷与躺平之间,技术人的第三条路是什么?
  • Ziatype印相提示词失效真相,深度解析化学显影逻辑映射到AI语义空间的5层转换断点