神经影像数据处理/处理/步骤/表面提取

概念

大脑皮层的拓扑结构、柱状结构和层状结构不能轻易从 3D 体积或大脑切片表示中推断出来。皮质表面图提供了另一种方法来表示皮质及其内在二维结构。通常使用 T1 加权的解剖 3D-MRI 体积来生成单个表面图。解剖表面可以与表面图谱进行配准 配准和归一化，功能图像可以被转换并显示在解剖表面上。

有不同的表面表示可用，例如皮质表面、灰质-白质边界、膨胀表面或球体。膨胀表面的优势在于，埋在脑沟中的信息变得可见，并且可以更清楚地了解哪些区域实际上在组织内是相邻的，哪些区域只是因为皮质折叠而彼此靠近。球体的设计是为了使基于表面的坐标系可用。

表面提取程序包括一组不同的步骤，将在下面描述。Fisher 和 Dale 首次描述了完整的程序 并将其应用于 FreeSurfer ，这可能是最突出的表面提取软件。

注意：这些步骤中的一些也可以用于基于体积的分析。例如，组织分割可用于使用组织概率图进行归一化（例如在 SPM 中完成）或在基于体素的形态计量分析之前进行。颅骨剥离有时也包含在预处理流程中，而不会进行后续的表面提取。并且，不同的步骤应该进行视觉质量控制，因为表面提取中的错误会影响整个分析。

等值面

这里描述的表面提取不同于从体积中计算等值面。后者更简单地提取体积的一层，但没有考虑组织边界，不能膨胀等。等值面有助于可视化，但无助于描述表面拓扑结构。

表面提取程序

校正组织不均匀性

对于基于体积的方法，校正解剖图像的磁场不均匀性很重要。这在 场图/偏差场校正 中有更详细的描述。

颅骨剥离

去除非脑组织，参见 颅骨剥离。

组织分割

将脑组织分类为不同的组织类别，通常是灰质 (GM)、白质 (WM) 和脑脊液 (CSF)。参见 组织分割。

切割平面

为了获得每个半球的表示并去除皮质下结构，建立了两个切割平面。其中一个是沿着胼胝体的矢状切，另一个是穿过脑桥的水平切。

构建表面

确保没有拓扑缺陷，例如把手（表面的两个独立部分通过隧道连接）或补丁（表面上的孔），但网格实现球面拓扑。使用连通分量分析填充内部孔洞。

在每个半球体积的灰白边界上对三角形网格进行细分，并变形网格以生成灰白界面的平滑表示和皮质表面。确保没有拓扑缺陷，例如把手（表面的两个独立部分通过隧道连接）或补丁（表面上的孔），但网格实现球面拓扑。

平滑

对于皮质表面，空间平滑仅在表面提取后进行。这有助于最大程度地减少 fmri 信号在脑沟或脑回之间的模糊。

实现

AFNI

SUMA (SUrface Mapping with Afni) 是一个用于 AFNI 框架中基于表面的功能性图像分析的程序。它允许查看三维皮层表面模型，并将体积数据映射到这些模型上。使用 SUMA，AFNI 可以同时实时地以四种模式渲染功能性图像数据：切片、图形（时间序列）、体积和表面，并在它们之间建立直接链接。有关 SUMA 的信息，请参见此处： 或者，如果您已经安装了包含 SUMA 源代码的 AFNI，只需进入 AFNI 环境并输入以下命令即可试用。

suma

在 afni_proc.py 中，可以包含 surf 块。要指定的重要选项包括应与表面对齐的解剖体积以及表面规范文件（一个或两个半球）。

-do_block surf 
-surf_anat ANAT_DSET
-surf_spec spec1 [spec2]

还有几个 AFNI 函数可用于执行上述例程的不同单步操作，请参阅相应的章节。

IsoSurface 是一个从体积中提取等值面的程序。（参见上面）

处理体积和表面时，其他有用的函数可能是 3dVol2Surf、ConvertSurface、CompareSurfaces、Surf2VolCoord。

参考文献

Huettel, S. A., Song, A.W., & McCarthy, G. (2008). 功能性磁共振成像 (第二版)。Sinauer Associates, Inc: 萨勒姆，马萨诸塞州，美国。