神经影像数据处理/配准
 |
一位维基教科书用户建议将此书籍或章节与神经影像数据处理/处理/步骤/配准和归一化合并。 请在讨论页面上讨论是否应该进行合并。 |
通常，配准是指对一系列图像进行空间对齐，可以是两幅图像之间，也可以是多幅图像体积之间。在方法上，这与重新对齐和归一化重叠。然而，本节讨论的是功能图像和结构图像的配准。
如果目的是研究受试者的功能激活如何与自身解剖结构重叠，则需要将同一大脑的功能图像和结构图像对齐。然而，来自同一大脑的功能图像和结构图像之间的差异并非微不足道。与具有清晰区域边界轮廓的高分辨率结构图像相比，功能图像通常比较模糊，并且存在几何和强度失真。这里配准的基本思想类似于重新对齐，即定义一个成本函数，目标是最大程度地减少图像参数之间的差异。然而，由于功能图像的失真，六个参数的刚性变换可能不足以进行校正。根据失真的复杂程度，可以使用九个参数变换（另外三个额外参数来解释 x、y 或 z 轴上的缩放差异），甚至更复杂的算法来量化成本函数。同时，由于功能图像和结构图像之间对比度的不同，互信息比平方差之和更适合用作成本函数。
SPM 提供 COREGISTER 模块来实现配准
align_epi_anat.py 脚本计算两个数据集（通常是 EPI 和解剖结构数据集）之间的对齐，并将得到的变换应用于其中一个或另一个，使其对齐 [1]。变换的计算是将解剖结构与 EPI 数据对齐，但得到的变换可以用于任何指定的方向。基本输入是解剖结构和 EPI 数据集，哪个 EPI 体积应该是对齐的基准，对齐的方向（0/平均值/中位数/最大值/体积 #）以及需要对齐的方向（anat2epi/epi2anat），例如
align_epi_anat.py -anat ANATOMICALDATA -epi EPIDATA -epi_base 5
在 afni_proc.py 中，对齐块不是默认设置，但可以通过 do_block align 包含。默认情况下，这意味着 anat2epi 配准，可以通过以下选项更改
-volreg_align_e2a
1. 配准软件的比较 http://brainimaging.waisman.wisc.edu/~oakes/teaching/coreg_software_comparison.html
2. Huettel, S. A., Song, A.W., & McCarthy, G. (2008). 功能性磁共振成像 (第二版). Sinauer Associates, Inc: 桑德兰，马萨诸塞州，美国。