神经影像数据处理/处理/步骤/组织分割

概念

使用高分辨率 T1 加权解剖图像将脑组织分类为不同的组织类别。通常将灰质 (GM)、白质 (WM) 和脑脊液 (CSF) 分开，但也可以使用更多类别。理论上，在 T1 加权图像中，不同的组织类型可以根据其独特的强度进行区分。然而，由于噪声导致不同组织类型的强度谱重叠、部分体积效应（即单个体素包含不同的组织类型）以及残留的场不均匀性，分割在现实中变得更加棘手。因此，组织分割算法也可以考虑组织概率图（例如 SPM）和灰白界面的几何结构（例如 FreeSurfer）。有关组织分割方法的全面综述（尽管不是最新的），请参见

实现

SPM

分割新分割

SPM 中的统一分割是一种一键式方法，将空间归一化、偏差场校正和组织分割结合在一起。可以使用组织类型的概率图集确定任何体素包含灰质或白质的先验概率；然后将此先验概率与图像中的数据相结合以确定组织类别。使用这种方法，可以将两个强度相同的体素识别为不同的组织类型。

FSL

FSL 的脑提取工具 BET (Smith et al., 2004)

AFNI

3dSeg 是 AFNI 的组织分割程序。它允许添加各种全局和体素先验，但不建议用于定量分割，例如 VBM。最简单的命令（默认情况下分割为 CSF、GM 和 WM）是

3dSeg -anat ANATOMICAL DATASET

在 afni_proc.py 中，可以通过（默认）掩码块调用分割（显然会自动使用 -mask_segment_erode 计算侵蚀的组织类别）

-mask_segment_anat yes

如果 WM 和 CSF 应该用于基于组织的回归量，则有一个选项可以自动执行此过程，称为 @ANATICOR。强烈建议在 afni_proc.py 中使用它，在该方法中（除了上面的 -mask_segment_anat 之外），您还会添加

-regress_anaticor