FSLのJHU-labels.xml から、sed を使って領域名だけを抽出する方法

FSLには Johns Hopkins University の白質アトラスがついてきます。
そのアトラスの領域名を抽出したいと思いました。

Short answer

cat JHU-labels.xml |\
sed -e 's@<label.*">@@' \
    -e 's@</label>@@' \
    -e 's@ @_@g' -e 's@__@@' |\
sed -n 17,66p

で、以下のようになります。

Middle_cerebellar_peduncle
Pontine_crossing_tract_(a_part_of_MCP)
Genu_of_corpus_callosum
Body_of_corpus_callosum
Splenium_of_corpus_callosum
...

もし、アトラスの番号を振りたかったら以下のようにします。

cat JHU-labels.xml |\
sed -e 's@<label.*">@@' \
    -e 's@</label>@@' \
    -e 's@ @_@g' \
    -e 's@__@@' |\
sed -n 17,66p |\
nl -n rz |
sed -E 's@0{4}@@'

この結果は以下になります。

01  Middle_cerebellar_peduncle
02  Pontine_crossing_tract_(a_part_of_MCP)
03  Genu_of_corpus_callosum
04  Body_of_corpus_callosum
05  Splenium_of_corpus_callosum
...

Long answer

領域名は、$FSLDIR/data/atlases/JHU-labels.xml の中に記載されています。

いろいろ作業する際にパスを指定するのはめんどくさいので、これをカレントディレクトリにコピーすることにします。

cp $FSLDIR/data/atlases/JHU-labels.xml .

一度、JHU-labels.xml を見てみます。headコマンドで最初の20行を見てみましょう。

head -n 20 JHU-labels.xml

<?xml version="1.0" encoding="ISO-8859-1"?>
<atlas version="1.0">
  <header>
    <name>JHU ICBM-DTI-81 White-Matter Labels</name>
    <type>Label</type>
    <images>
      <imagefile>/JHU/JHU-ICBM-labels-1mm</imagefile>
      <summaryimagefile>/JHU/JHU-ICBM-labels-1mm</summaryimagefile>
    </images>
    <images>
      <imagefile>/JHU/JHU-ICBM-labels-2mm</imagefile>
      <summaryimagefile>/JHU/JHU-ICBM-labels-2mm</summaryimagefile>
    </images>
  </header>
  <data>
<label index="0" x="0" y="0" z="0">Unclassified</label>
<label index="1" x="69" y="83" z="36">Middle cerebellar peduncle</label>
<label index="2" x="89" y="97" z="40">Pontine crossing tract (a part of MCP)</label>
<label index="3" x="93" y="152" z="77">Genu of corpus callosum</label>
<label index="4" x="95" y="100" z="97">Body of corpus callosum</label>

領域は <label index からはじまる行に入っているようです。

そこで、次の戦略を立てます。

• <label からはじまって、 “> で終わるところをなくす
• をなくす
• 空白はアンダーラインで置換する

sed は ‘s「区切り文字」「検索語」「区切り文字」「置換語」「区切り文字」’ で検索語を置換語に置き換えることができます。
普通、区切り文字は スラッシュ / が使われますが、他の記号でも大丈夫です。特に、検索語の中にスラッシュが入っている場合は、他の記号を使うと混乱しづらくなります。
今、2つ目で というスラッシュが入っているものがありますので、今、区切り文字は @ を使うことにします。

• <label からはじまって、 “> で終わるところをなくす

は、sed だと以下で表示できます。

sed -e 's@<label.*">@@'

• をなくす

は、以下になります。

sed -e 's@</label>@@'

• 空白はアンダーラインで置換する

は、以下になります。

sed -e 's@ @_@g'

ここで、g は、globalの略と私は覚えています。もし、これがないと、該当する行の最初の空白だけアンダースコアに置き換えられるだけであとの空白は残ります。 g があることにより、その行のすべての空白がアンダースコアに置換されます。

これらをまとめてみます。最初に cat JHU-labels.xml をして、パイプで sed につなげます。sed の後に JHU-labels.xml を指定してもいいのですが、個人的に、パイプでつなげることができるので、catで表示させる方が私は好きです。

cat JHU-labels.xml | sed -e 's@<label.*">@@' -e 's@</label>@@' -e 's@ @_@g'

この結果、以下のようになりました。

<?xml_version="1.0"_encoding="ISO-8859-1"?>
<atlas_version="1.0">
__<header>
____<name>JHU_ICBM-DTI-81_White-Matter_Labels</name>
____<type>Label</type>
____<images>
______<imagefile>/JHU/JHU-ICBM-labels-1mm</imagefile>
______<summaryimagefile>/JHU/JHU-ICBM-labels-1mm</summaryimagefile>
____</images>
____<images>
______<imagefile>/JHU/JHU-ICBM-labels-2mm</imagefile>
______<summaryimagefile>/JHU/JHU-ICBM-labels-2mm</summaryimagefile>
____</images>
__</header>
__<data>
Unclassified
Middle_cerebellar_peduncle
Pontine_crossing_tract_(a_part_of_MCP)
Genu_of_corpus_callosum
Body_of_corpus_callosum
Splenium_of_corpus_callosum
（中略）
Inferior_fronto-occipital_fasciculus_L
Uncinate_fasciculus_R
Uncinate_fasciculus_L
Tapetum_R
Tapetum_L
__</data>
</atlas>

いい感じです。

あとは、Middle_cerebellar_peduncle から Tapetum_L が何行目かを知れればその行だけ表示すればいいことになります。

行数を知るのは nl コマンドが便利です。先程のコマンドをパイプで nl に通します。

cat JHU-labels.xml | sed -e 's@<label.*">@@' -e 's@</label>@@' -e 's@ @_@g' | nl

     1  <?xml_version="1.0"_encoding="ISO-8859-1"?>
     2  <atlas_version="1.0">
     3  __<header>
     4  ____<name>JHU_ICBM-DTI-81_White-Matter_Labels</name>
     5  ____<type>Label</type>
     6  ____<images>
     7  ______<imagefile>/JHU/JHU-ICBM-labels-1mm</imagefile>
     8  ______<summaryimagefile>/JHU/JHU-ICBM-labels-1mm</summaryimagefile>
     9  ____</images>
    10  ____<images>
    11  ______<imagefile>/JHU/JHU-ICBM-labels-2mm</imagefile>
    12  ______<summaryimagefile>/JHU/JHU-ICBM-labels-2mm</summaryimagefile>
    13  ____</images>
    14  __</header>
    15  __<data>
    16  Unclassified
    17  Middle_cerebellar_peduncle
    18  Pontine_crossing_tract_(a_part_of_MCP)
    19  Genu_of_corpus_callosum
    20  Body_of_corpus_callosum
（中略）
    62  Inferior_fronto-occipital_fasciculus_L
    63  Uncinate_fasciculus_R
    64  Uncinate_fasciculus_L
    65  Tapetum_R
    66  Tapetum_L
    67  __</data>
    68  </atlas>

この中の 17行目から66行目を取り出せばよさそうです。

sed で特定の行だけ表示したい場合は、 sed -n 開始行,終了行p とします。

先程の結果にパイプでつなげてみましょう。

cat JHU-labels.xml | sed -e 's@<label.*">@@' -e 's@</label>@@' -e 's@ @_@g' | sed -n 17,66p

その結果は以下になります。

Middle_cerebellar_peduncle
Pontine_crossing_tract_(a_part_of_MCP)
（中略）
Inferior_cerebellar_peduncle_R__
Inferior_cerebellar_peduncle_L
（中略）
Tapetum_R
Tapetum_L

とてもいい感じです。しかし、JHU-labels.xml のバグといいますか、Inferior cerebellar peduncle の後に空白が2個あったのがアンダースコア2つになっています。これは気持ち悪いので削除しましょう。
これは、 sed -e ‘s@__@@’ でできます。先程のコマンドにちょっとだけ追加します。

cat JHU-labels.xml | sed -e 's@<label.*">@@' -e 's@</label>@@' -e 's@ @_@g' -e 's@__@@' | sed -n 17,66p

この結果、とてもきれいになりました。役に立つと思うのでテキストファイルにしておきます。

JHU-labels

ここまではいいのですが、欲が出ます。アトラスの領域番号との対応をさせたいと思いました。これも nl を使えば簡単にできます。nl は -n rz で数字を右揃えでゼロパディングできます。

cat JHU-labels.xml | sed -e 's@<label.*">@@' -e 's@</label>@@' -e 's@ @_@g' -e 's@__@@' | sed -n 17,66p | nl -n rz

000001  Middle_cerebellar_peduncle
000002  Pontine_crossing_tract_(a_part_of_MCP)
000003  Genu_of_corpus_callosum

いいのですが、多くても50領域なので、最初の04つは除きたいと思います。これは、 sed ‘s@0000@@’ でできます。0を4つ繰り返すということで、正規表現を使ってエレガントに表示する場合は sed -E ‘s@0{4}@@’ となります。

cat JHU-labels.xml | sed -e 's@<label.*">@@' -e 's@</label>@@' -e 's@ @_@g' -e 's@__@@' | sed -n 17,66p | nl -n rz | sed -E 's@0{4}@@'

この結果は以下になります。これも使い勝手がいいのでテキストファイルを添付します。

JHU_label_with_numbers

これによって、JHUアトラスの情報を取り出せました。これはいろいろなものに応用できるかと思います。