转自莫毕业

目前,脑成像数据主要有DTI、fmri、3D三种模态。这些数据在分析前都要进行格式转换,不同公司的扫描仪存储格式也不尽相同。脑成像处理软件也很多,不同软件使用的格式也不一样,所以数据转换是脑成像数据处理的第一步,必须非常清楚。这里主要以siemens的机器为准,介绍在windowx下的MRIcron的dcm2nii转换和MRIConvert转换.

从扫描中心下载的原始数据是以dicom数据格式存在的压缩文件,解压后,得到原始文件。来自siemens的扫描仪的原始文件以“IMA”下为后缀。对于功能像(fMRI)的数据,有多少个TR就有多少个IMA图像文件,即每个IMA文件就是一个完整的volume;对于DTI数据,有n个方向,有m个b0像,就有n+m张IMA图片,即n+m个完整的volume。当然有的DTI数据有的只有一个b0像,有的有6个b0像之多。对于3D结构像数据,如果扫描了128层,就会有128张IMA图像,每张图像就是一张slice,不是volume。

数据转换后,主要有spm2之前使用的Analyze格式,以及fsl和spm5和spm8使用的NifTI_1格式。Analyze格式是成对的hdr和img文件表示一个3D的volume,而NifTI_1格式可以是3D也可以是4D的,同时可以是hdr和img成对文件,也可以是NifTI_1的nii一个文件。如下:Spm2使用3D
Analyze hdr/img;spm5和spm8使用3D NifTI
hdr/img.fsl使用NifTI_1的4D的nii格式。

目前数据转换主要有MRIcron的dcm2nii转换和MRIConvert转换。

现在一一介绍一下:

在MRIcron的安装目录下,有一个dcm2nii.exe和dcm2niigui.exe,并且分别有:dcm2nii.nii和dcm2niigui.nii两个配置文件。dcm2nii.exe是Dos的命令行操作,而dcm2niigui.exe是图形界面。我们首先看一下配置文件,用Notepad软件打开,找到一下参数设置:

ManualNIfTIConv=1

EveryFile=1 #“1”目录下所有文件都要进行转换

[INT]

MinReorientMatrix=255 #这个参数设置为255,不要改动

MaxReorientMatrix=1023

其他的参数可以不用管,后面打开界面的时候还可以进行设置。点击dcm2niigui.exe,就打开了界面。首先在output
format中选择输出格式:spm5(3D NifTI hdr/img)或者conpressed fsl(4D NifTI
nii)格式。然后在下拉菜单help中点击reference,设置输出文件的名字,确保把不同被试的数据区分开。另外一定勾上进行图像的reorient。这个参数比较重要,确定MinReorientMatrix=255后,这个参数表示只对3D结构像进行reorient.DTI和fMRI数据本身不能进行reorient,这会破坏DTI和fMRI数据的图像信息。DTI和fMRI数据的纬度都小于255。3D结构像一般是256×256
matrix,fMRI 是64x64matrix 和DTI是128x128matrix。另外一个参数Recursive Folder
Search
Depth意思是递归转换文件夹下几级的文件夹中的数据。如“5”则表示当前文件夹下的5级文件夹的数据也要一起转换。这个可以根据你自己存放数据的结构填写。

然后从下拉菜单file中选择DICOM to
NifTI,浏览到原始数据所在文件夹,然后点击确定,就开始进行数据转换了。dcm2nii转换完后,3D结构像生成原文件、o开头、co开头的文件。其中o开头的文件主要是进行了reorient的,而co是经过切割了neck的。一般用于空间normalize都选用co开头的文件。Fmri的文件数是TR
number乘以2,而DTI文件数则是(m+n)*2.

关于MRIconvert转换,从网站直接下载后解压,就可以用了。直接点击MRIconvert.exe,就打开了界面,非常友好。右侧有6个按钮,选择原始数据或者原始数据所在文件夹和数据输出目录,options中可以对输出文件名字进行设置,还可以重新命名。中间下拉菜单选择输出格式,spm5和spm8选择NIFTI,一目了然。然后点击右下角的convert
all,就搞定了。MRIconvert转换不对3D图像进行reorient,所以没有o开头和co开头的文件。后续处理还需要对方向进行转换。

另外有人说dcm2nii对DTI数据的转换好像有一些问题,所以建议用MRIconvert对DTI数据进行转换。

MRIconvert和MRIcron的下载链接如下:

http://lcni.uoregon.edu/~jolinda/MRIConvert/

http://www.cabiatl.com/mricro/mricron/dcm2nii.html

fmri格式相关简介————转自网络的更多相关文章

  1. 人工神经网络简介和单层网络实现AND运算--AForge.NET框架的使用(五)

    原文:人工神经网络简介和单层网络实现AND运算--AForge.NET框架的使用(五) 前面4篇文章说的是模糊系统,它不同于传统的值逻辑,理论基础是模糊数学,所以有些朋友看着有点迷糊,如果有兴趣建议参 ...

  2. DWARF调试格式的简介

    DWARF调试格式的简介 Michael J. Eager, Eager Consulting Feb, 2007 翻译:吴晖 2012年2月 如果我们可以编写确保能正确工作且永远不需要调试的程序,这 ...

  3. VUE(相关简介及初始)

    1.什么是vue Vue.js(读音 /vjuː/, 类似于 view) 是一套构建用户界面的 渐进式框架.与其他重量级框架不同的是,Vue 采用自底向上增量开发的设计.Vue 的核心库只关注视图层, ...

  4. 开源框架相关面试问题-okhttp网络框架面试问题详解

    OkHttp使用简介: ①.准备OkHttpClient对象: 一般app中使用网络可以全部用它,可以将它弄为全局变量,这样就可以共用它的缓存和线程池了. ②.准备Request对象: 很显然它是采用 ...

  5. Linux相关命令、虚拟机网络配置

    虚拟机联网 Linux命令 1.查找 #查找django进程,不包括grep自建的 ps -ef |grep django | grep -v grep # find 查找home目录下的name.t ...

  6. JavaScript中JSONObject和JSONArray相关知识备忘(网络转载)

    1.json的格式,有两种: {"key": "value"} //JSONObject(对象) [{"key1": "value ...

  7. 利用XSD配合XSLT產出特定格式Word檔案 -摘自网络

    利用類別產生XSD檔 產出XSD檔的目的在於提供Word樣板設計之資料框架 在此使用微軟提供之XML Schema Definition Tool (Xsd.exe)工具產生XSD檔 1. 定義類別 ...

  8. blast及其格式输出简介

    1)blast产生背景 双序列比对可以采用是基于动态规划算法的Needleman-Wunsch(NW)和Smith-Waterman algorithm(SW)算法,虽然精度高,但计算消耗大.当与数据 ...

  9. Linux下部署redis以及相关简介

    什么是redis? Redis是一个高性能的key-value数据库.key-value分布式存储系统查询速度快.存放数据量大.支持高并发,非常适合通过主键进行查询,但不能进行复杂的条件查询.key ...

随机推荐

  1. Java学习笔记【十、泛型】

    简介 Java 泛型(generics)是 JDK 5 中引入的一个新特性, 泛型提供了编译时类型安全检测机制,该机制允许程序员在编译时检测到非法的类型. 泛型的本质是参数化类型,也就是说所操作的数据 ...

  2. OPNsense防火墙搭建实验环境,MSF与SSH进行流量转发

    OPNsense防火墙搭建实验环境,MSF与SSH进行流量转发 摘要: 记录实验过程中踩到的坑.介绍OPNsense防火墙的安装配置并搭建实验环境,利用msf的模块及ssh进行流量转发(LAN向DMZ ...

  3. Eclispe造成的tomcat占用端口 无法启动 强制终止进程 转载

    很多时候运行tomcat 的时候总是会提示tomcat 的端口被占用 但是任务管理器里面还找不到是哪个端口被占用了 因此很多人就重新配置tomcat  或者去修改tomcat的端口号 ,其实这么做太麻 ...

  4. DataTable To List<T> DataTable Linq学习笔记

    LINQ 查询适用于实现的数据源 IEnumerable<T>接口或System.Query.IQueryable接口. DataTable类默认是没有实现以上接口的. 所以要在DataT ...

  5. 1. LVS概述

    1.LVS介绍 LVS是linux virtual server的简写linux虚拟服务器,是一个虚拟的服务器集群系统,可以再unix/linux平台下实现负载均衡集群功能 2.LVS组成 LVS由2 ...

  6. MLE vs MAP: the connection between Maximum Likelihood and Maximum A Posteriori Estimation

    Reference:MLE vs MAP. Maximum Likelihood Estimation (MLE) and Maximum A Posteriori (MAP), are both a ...

  7. 热门前沿知识相关面试问题-MVC/MVP/MVVM架构设计模式面试问题详解

    MVC[最常用]: MVC的定义:M:业务逻辑处理.[业务MODEL]V:处理数据显示的部分.[如xml布局文件]C:Activity处理用户交互的问题.[也就是Activity在MVC中扮演着C的角 ...

  8. 神奇的系统bug

    这是报错的日志 Status bar could not find cached time string image. Rendering in-process

  9. python 2 和python 3 中的编码对比

    在 Python 中,不论是 Python2 还是 Python3 中,总体上说,字符都只有两大类: 通用的 Unicode 字符: (unicode 被编码后的)某种编码类型的字符,比如 UTF-8 ...

  10. 如何判断元素是否在可视区域ViewPort

    个性签名: 生如夏花,逝如冬雪:人生如此,何悔何怨. 前言: 经常需要计算元素的大小或者所在页面的位置,offsetWidth,clientWidth,scrollWidth,scrollTop这几个 ...