DTI脑网络构建详细介绍处理过程以及PANDA的使用

2023-08-16 00:05| 来源: 网络整理| 查看: 265

基本概念：

首先介绍一下DTI（Diffusion Tensor Imaging），即弥散张量成像，是MRI的一种特殊形式。举例来说，如果说核磁共振成像是追踪水分子中的氢原子，那么弥散张量成像便是依据水分子移动方向制图。DTI是当前惟一的一种能有效观察和追踪脑白质纤维束的非侵入性检查方法。到2015年主要用于脑部尤其对白质束的观察、追踪, 脑发育和脑认知功能的研究, 脑疾病的病理变化以及脑部手术的术前计划和术后评估。（此处参考百度百科）

相关参数：

平均弥散率：MD(mean diffusivity)，MD反映分子整体的弥散水平（平均椭球的大小）和弥散阻力的整体情况。MD只表示弥散的大小，而与弥散的方向无关。MD 越大，组织内所含自由水分子则越多。

各向异性程度：1、FA(fractional anisotropy) 部分各向异性指数，是水分子各向异性成分占整个弥散张量的比例，它的变化范围从0～1。0代表弥散不受限制，比如脑脊液的 FA 值接近 0；对于非常规则的具有方向性的组织，其FA值大于0，例如大脑白质纤维 FA 值接近 1。

2、RA(relative anisotropy) 相对各向异性指数，是弥散张量的各向异性部分与弥散张量各向同性部分的比值，它的变化范围从0(各向同性弥散)到√2(无穷各向异性)。

3、VR(volume ratio) 容积比指数。是椭圆体与球体容积的比值。由于它的变化范围从 1(即各向同性弥散)到0，所以，临床上更倾向于应用1/VR。

追踪技术：

1、确定性追踪（deterministic tractography）

一般来说，确定性轨迹成像假设在跟踪过程中每个位置都有一个确定的纤维方向，通常以重建的WM轨迹的3D轨迹结束。通过从所有wm体素中植入来重建大脑中所有可能的纤维。对于以上定义的每一对脑节点/区域，在各自的掩模中有两个端点的纤维被认为连接着两个节点。基于链接纤维，计算了三个基本加权矩阵：数字加权矩阵（mn）、fa加权矩阵（mfa）和长度加权矩阵（ml）。在矩阵中，每一行或每一列代表一个脑区/节点。元素m（i，j）n、m（i，j）fa和m（i，j）l的值分别表示节点i和节点j之间连接纤维的数量、平均fa和平均长度。所得矩阵保存为Matlab数据文件，可直接用于图论方法的拓扑分析。

2、概率性追踪（probabilistic tractography）

PT通常运行跟踪过程多次，并且误定位是概率确定的。这种类型的牵引造影可以提高跟踪灵敏度，特别是对非优势纤维。该方法由behrens等人提出。

这个过程包括两个步骤：首先使用马尔可夫链蒙特卡罗抽样技术，该模块估计每个体素处的误比特方向的局部概率分布，这是运行后续概率束描记的先决条件（Behrens等人，2003）。然后进行追踪并构建网络，PT是通过从该区域的所有体素中植入来执行的。从seed区域i到另一区域j的连接概率由穿过区域j的纤维数除以从区域i取样的纤维总数来确定。通过对所有节点采用轨迹描记程序，可以计算出大脑网络中每个节点到其他节点的连接概率。这就产生了一个单独的特定加权矩阵，其行和列表示大脑节点，其元素表示节点之间的连接概率。该矩阵也可直接用于各种网络分析。

DTI数据处理的过程：

Data Processing：首先，对DTI数据进行预处理，通过将扩散加权图像与参考b0图像进行有效对齐，消除涡流畸变和运动伪影的影响。然后应用变换对b矩阵进行重新定向。然后计算扩散张量，对角化得到3个特征值（λ1，λ2，λ3）及其对应的特征向量，最后计算FA图像。

Brain Network Construction：

1、Network Node Deﬁnition 使用自动解剖标记模板AAL（30）将大脑包裹成90个感兴趣区域来定义网络节点。再对感兴区域进行分割。

2、WM Tractography 白质(white matter)追踪扩散张量成像数据集中的束是通过在每个体素中植入大于0.2的分数各向异性来计算的。8 seed均匀分布在体素的体积上。从每个seed开始沿着从体素到体素的主要扩散方向形成一条流线，从而重建wm纤维。角度大于45°(一般在30°到70°之间)或达到FA小于0.2的体素结束。

3、Network Edge Deﬁnition 在每对ROI之间，边缘的权重定义为两个端点位于这两个区域的Fiber的数量(称为FN fiber number)。因此，为每个参与者构建了FN加权的90×90结构连接性(SC)网络。

后面是对数据的一些分析，这个我们后面再讲，接下来我们讲一下PANDA的使用。

https://www.nitrc.org/projects/panda/ 这是PANDA研发团队的官网，上面有非常多的资料可供大家学习。

PANDA 是基于FSL的一个MATLAB的toolbox，安装比较简单，但是建议安装在MATLAB2012a。（必须Linux系统）

里，我本人试过其他版本，均以失败告终，不知道是不是自己哪里配置出了问题，如果怕配置麻烦的话可以直接用http://home.52brain.com/forum.php?mod=viewthread&tid=26255&page=1&extra=#pid162646 ，大家可自行下载。

下面详细介绍一下PANDA的处理流程以及操作步骤：

Converting DICOM ﬁles into NIfTI images.

必须是以下的格式，一个大文件（比如Ｚｈａｎｇ）下有不同的DTIｎ文件夹，每个DTI文件夹下是DWI图像。