Alex的学习笔记

使用FSL进行基于边界的配准

基于边界的配准（Boundary-Based Registration, BBR）指的根据灰白质的边界信号差进行配准，常用于T1加权结构像和BOLD功能像的配准。这里介绍一下使用FSL进行BBR的具体步骤。

以一个数据为例，介绍一下FSL的Bet，FreeSurfer的recon-all以及ANTs的antsBrainExtraction.sh三种脑提取工具的用法及其表现。

在进行fMRI组分析的时候，需要将个体图像配准到一个参考模板上，比如MNI152模板。当研究对象是儿童、老人或者病人的时候，由于在大脑结构上的巨大差异，构建一个特异于研究对象的模板能提高配准的准确性。这里介绍使用ANTs构建模板的基本方法。

在fMRI数据处理中，有一些常用功能可以同时使用AFNI和FSL来实现，这里集中整理一下，包括：截取时间点、时间层校正、头动校正、滤波、空间平滑、提取ROI平均时间序列、重采样空间分辨率等。

提取感兴趣区（Region of Interest, ROI）即找到我们感兴趣的大脑区域并生成相应的mask文件。这里介绍如何根据三维坐标提取球形ROI和根据分区模板提取特定分区的方法。

独立成分分析（ICA）是一种常用的脑网络分析方法。这里简单介绍如何使用Melodic进行单被试和多被试（结合双回归）独立成分分析，以及如何查看ICA的结果。

除了原始数据本身的质量，配准大概是fMRI预处理中最影响数据质量的步骤吧。这里主要介绍如何使用ANTs（Advanced Normalization Tools）进行结构像和功能像的配准，也包括如何安装ANTs和检查配准效果。

颅骨剥离是fMRI数据分析中常见的步骤，这里介绍了结构像和功能像的区别、颅骨剥离的作用、使用Bet命令进行颅骨剥离以及如何检查颅骨剥离的效果。