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。 通常分离灰质 (GM)、白质 (WM) 和脑脊液 (CSF)，但也可以分离更多类别。 从理论上讲，在 T1 加权图像中，可以根据不同的组织类型的独特强度来分离它们。 但是，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）以及剩余的场不均匀性，因此分割在现实中变得更加棘手。 因此，组织分割算法还可以考虑组织概率图（例如在 SPM 中）和灰白界面的几何结构（例如 FreeSurfer）。 有关组织分割方法的全面（尽管不太新）综述，请参见

实现

SPM

分割新的分割

SPM 中的统一分割是一种一键式方法，它将空间归一化、偏置场校正和组织分割组合在一起。 任何体素包含灰质或白质的先验概率可以通过使用组织类型的概率图集来确定； 然后将该先验概率与来自图像的数据相结合以确定组织类别。 使用这种方法，可以将两个具有相同强度的体素识别为不同的组织类型。

FSL

FSL 的大脑提取工具 BET (Smith 等人，2004)

AFNI

3dSeg 是一个用于组织分割的 AFNI 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）mask 块调用分割（显然会自动隐含 -mask_segment_erode 来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器，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，在其中（除了上面提到的 -mask_segment_anat 之外）您将添加

-regress_anaticor