ここでは、画像が不適であることがわかった場合のSubjectの取り除き方を説明します。
カテゴリ別アーカイブ: neuroimaging
CONNチュートリアル (20.b対応): SETUP – Covariates (2nd-level)
前処理のQAで今回準備したサンプルデータでは、Subject 16は解析に不適ということがわかりました。なので、これを省きたいと思いますが、その前に準備している Covariates を登録しておきます。(そうでないと Covariates を入れてある subjects.txt を編集し直さないといけないからです。)
CONNチュートリアル (20.b対応): SETUP – QA plots
前処理が終わったら、前処理のQA (Quality Assurance) を行いましょう。よくQC (Quality Check)という言葉が使われますが、QAはQCと同義です。
CONNチュートリアル (20.b対応): SETUP – Preprocessing
構造画像と機能画像を指定したら、前処理 Preprocessing を行います。
CONNチュートリアル (20.b対応): ワーキングディレクトリの設定
脳画像解析を行う際には、「ワーキングディレクトリ」を意識することがとても大切になります。なぜならば、ワーキングディレクトリの中に画像データが保存されていくからです。CONNも例外ではありません。
そして、忘れられがちですが、Matlabでまずワーキングディレクトリに移動してからCONNやSPMを起動すると、ファイルの選択などが非常に容易になります。
今は、conn_practice.zip を展開してできた conn_practice をワーキングディレクトリとして設定したいと思います。
CONNチュートリアル (20.b対応): インストール
CONNの記事を最初に書いてからほぼ5年が経ちました。
多くの方に「CONNを使えるようになりたい」という質問をいただくので、改めて、2021年8月時点の最新バージョン 20.b を用いてCONNの使い方を紹介していきたいと思います。
画像ファイル形式の種類
目次
1. 目的
2. 画像ファイル形式
2.1. DICOM(拡張子: .dcm)
2.2. ANALYZE(拡張子: .hdr/.img)
2.3. NIfTI(拡張子: .nii)
2.4. MIF形式(拡張子:.mif)
2.5. MGZ形式(拡張子:.mgz)
2.6. GZ形式(拡張子:.gz)
脳画像解析の概要
目次
1. 脳画像解析とは
2. 脳画像解析の種類と特徴
3. 画像解析一連の流れ
3.1. DICOMを脳画像解析用のファイル形式に変換(例: DICOM→NIfTI)
3.2. 画像に問題がないかチェック
3.3. 前処理
3.4. 統計解析
Ubuntu 18.04 への FreeSurfer 7.2.0 のインストール (debファイルの利用)
FreeSurfer 7.2.0が発表されました。
このバージョンからついに deb ファイルが提供されるようになりました。嬉しいことですね。
デフォルトのインストール先は、/usr/local/freesurfer/7.2.0 となります。
3次元fMRI データセットを4次元fMRIデータセットに変換する方法: SPMとFSLの比較
fMRIデータは3次元データで取り扱う場合と4次元データで取り扱う場合があります。
3次元データの場合、たとえば1つのセッションが240ボリュームで構成されているとすると、240のniftiファイルで構成されます。
4次元データの場合、1つのniftiファイルに240ボリュームがすべておさめられています。
個人的には、データ管理という点では、4次元データの方が取り扱いやすいと思っています。
そこで3次元データを4次元データに変換する方法をSPMの場合とFSLの場合でまとめたいと思います。
必要な情報としては、TRです。この情報がないといくつかのソフトはうまく動かなくなります。
FSLでFA画像を用いてMD画像を非線形変換する方法
FSLにはFA画像を非線形変換する際、FA_2_FMRIB58_1mm という設定ファイルが準備されており、比較的簡単に非線形変換ができます。
しかし、MD画像を非線形変換したい場合にはすぐにはうまくできません。
この時、FA画像の非線形変換のパラメーターを利用することで、可能になります。
ポイントは、flirt, fnirt, applywarp を上手に使うことです。
以下、sub1_FA.nii.gz, sub1_MD.nii.gz があるという前提でこれらを標準化するコマンドを記載します。コメントに意味を記載しています。
# FA画像を線形変換で標準化
# パラメータを affine.mat として出力(変換後の画像は出力しない)
flirt -ref $FSLDIR/data/standard/FMRIB58_FA_1mm \
-in sub1_FA \
-omat affine.mat
# FA画像を非線形変換で標準化
# 非線形変換のパラメータ画像を、sub1_cout.nii.gz として出力
# FA画像の標準化された画像を、sub1_FA_fnirted.nii.gz として出力
fnirt --config=FA_2_FMRIB58_1mm \
--in=sub1_FA \
--aff=affine.mat \
--cout=sub1_cout \
--iout=sub1_FA_fnirted
# MD画像を非線形変換で標準化
# 上記で得られた、affine.mat, sub1_cout.nii.gz を利用して、
# sub1_MD を変換させる
# sub1_FA と sub1_MD は全く同じ次元なので、パラメータだけ当てはめることができる
# MD画像の標準化された画像を、sub1_MD_fnirted.nii.gz として出力
applywarp --ref=$FSLDIR/data/standard/FMRIB58_FA_1mm \
--in=sub1_MD \
--warp=sub1_cout \
--premat=affine.mat \
--out=sub1_MD_fnirted
Making use of eddy_cuda of FSL 6.0.4 on Ubuntu 18.04
eddy implemented in FSL is time-consuming program. FSL recommends using eddy_cuda, GPU version of eddy. They ship eddy_cuda8.0 and edddy_cuda9.1. If you use Ubuntu 18.04, you can make use of eddy_cuda9.1 with only 4 commands.
Disclaimer: Installing nvidia-driver could cause display problem. I am not responsible for the problem…
Ubuntu18.04上のFSL6.0.4でeddy_cudaを使う方法
FSLにはeddyという拡散MRI画像の渦電流を補正するプログラムが搭載されています。
かつてはeddy_correctというシンプルなプログラムでしたが、
今のeddyは、計算量がとてつもなく大きな(=処理時間がかかる)プログラムとなっています。
Liux版のFSLには、eddy_openmp というCPU版と、eddy_cuda{8.0,9.1}というGPU版があります。
Ubuntu 18.04 が搭載されているLinuxで NVIDIA製のグラフィックボードが搭載されている場合、eddy_cudaを比較的簡単にセットアップできるので紹介します。
注意:NVIDIAのドライバを入れる時点で、ディスプレイの解像度が変になることがあります。現在の実働マシンに使う場合は相当注意しながら行ってください。個々人の環境があまりにも違うのでこの方法で不具合が起こっても責任は負いかねます。(すでに3台のマシンでセットアップを行い問題ないことを確認していますが…)
Workaround for FSL 6.0.4 python dependencies
imglob or imcp provided with FSL requires numpy.testing.decorators. However, numpy.testing.decorators has been deprecated from numpy 1.18. So, if you use numpy >=1.18, you see the following error:
Ubuntu 18.04 に HCP Pipeline の環境を設定する方法
HCP Pipelineを準備するのは簡単ではありませんが、東京大学小池研の植松明子さんとディスカッションしている中で、Ubuntu 18.04にHCP Pipelineを設定する方法を確立できたのでご紹介します。植松さんのinputに感謝申し上げます。


