為更好地幫助到想要利用神經(jīng)影像做科研的客戶們，拓展思影科技的業(yè)務(wù)范圍,思影科技推出彌散加權(quán)成像（DWI/dMRI）數(shù)據(jù)處理業(yè)務(wù)。如感興趣請(qǐng)聯(lián)系楊曉飛siyingyxf或18983979082（微信號(hào)）進(jìn)行咨詢，電話：18580429226

圖例 DTI數(shù)據(jù)處理流程

 一、數(shù)據(jù)質(zhì)量檢測(cè)和數(shù)據(jù)預(yù)處理     

1. 數(shù)據(jù)質(zhì)量檢查：   

好數(shù)據(jù)是好結(jié)果的前提，思影科技會(huì)對(duì)您的數(shù)據(jù)進(jìn)行細(xì)致的檢查，提高科研結(jié)果的嚴(yán)謹(jǐn)性。   

主要包括：掃描參數(shù)檢查，包括TR、體素大小、掃描時(shí)長(zhǎng)等參數(shù)，確保參數(shù)合適與統(tǒng)一；圖像偽跡檢查，包括鬼影、變形等；其他檢查，包括頭動(dòng)狀況、圖像是否缺損等。對(duì)于可能發(fā)現(xiàn)的數(shù)據(jù)質(zhì)量問題，思影將提供合適的參考意見。也可幫助客戶進(jìn)行掃描參數(shù)的設(shè)計(jì)。

圖例：不同偽影示意圖

2、數(shù)據(jù)預(yù)處理     

1）數(shù)據(jù)格式轉(zhuǎn)換：將dicom格式文件轉(zhuǎn)換成主流腦影像處理軟件支持的NifTi格式文件以及對(duì)應(yīng)的文件組織形式。

2）頭動(dòng)與渦流校正：校正由頭動(dòng)造成的時(shí)間點(diǎn)不對(duì)齊以及渦電流引起的T2像偽跡。

3）梯度方向矯正：根據(jù)頭動(dòng)校正的形變場(chǎng)校正對(duì)應(yīng)的梯度方向表，以便于更精確地估計(jì)張量。

4）擬合張量模型：通過校正后的B0和非零b值成像，結(jié)合對(duì)應(yīng)的梯度方向表和b值表，計(jì)算出基于每個(gè)體素的張量模型。 

二、單一B值彌散成像/彌散張量成像（DTI）    

1.確定性纖維追蹤   

確定性纖維追蹤主要使用FACT、steamline等追蹤方法根據(jù)張量主方向以及預(yù)設(shè)的偏轉(zhuǎn)角閾值、FA閾值等參數(shù)對(duì)全腦纖維束進(jìn)行構(gòu)建，而后通過設(shè)定ROI的方式追蹤特定纖維束，并計(jì)算纖維束的數(shù)目、平均FA等相關(guān)指標(biāo)。

圖例：全腦纖維束構(gòu)建

圖例：弓狀束的確定性追蹤

2.概率性纖維追蹤

概率性纖維追蹤主要通過球棍（ball & stick）模型結(jié)合馬爾科夫鏈蒙特卡洛模擬（MCMC）方法估計(jì)纖維束方向在每個(gè)體素上的概率分布，通過在每個(gè)種子點(diǎn)體素發(fā)射上千條纖維束的方法來追蹤纖維束的后驗(yàn)分布，并計(jì)算纖維束的連接概率、平均FA等相關(guān)指標(biāo)。

圖例：概率性纖維追蹤

3.基于體素的統(tǒng)計(jì)分析（VBA）   

對(duì)數(shù)據(jù)預(yù)處理時(shí)計(jì)算的張量指標(biāo)如FA、MD等指標(biāo)可進(jìn)行進(jìn)一步的基于體素的組水平統(tǒng)計(jì)分析（Voxel-based analysis），比較這些指標(biāo)在全腦體素水平的組間差異，常用于損傷大腦（如卒中、腫瘤等）的張量指標(biāo)統(tǒng)計(jì)。

圖例：VBA方法流程

 4.基于白質(zhì)骨架的彌散統(tǒng)計(jì)分析（TBSS）   

為了克服VBA方法中配準(zhǔn)誤差或平滑核選擇的問題，牛津大學(xué)的FMRIB實(shí)驗(yàn)室提出了一種基于白質(zhì)骨架的空間統(tǒng)計(jì)方法(tract-based spatial statistics，TBSS)。該方法也是一種基于圖像配準(zhǔn)，然后針對(duì)全腦體素的FA值提取白質(zhì)骨架，在白質(zhì)骨架上進(jìn)行進(jìn)一步統(tǒng)計(jì)分析的探索性分析方法。

圖例：TBSS方法流程（左）與結(jié)果樣例（右）

5.基于圖論的DTI腦網(wǎng)絡(luò)屬性分析（小世界屬性、Rich-club系數(shù)、度中心性等）   

根據(jù)腦分區(qū)圖譜進(jìn)行多個(gè)腦區(qū)兩兩間的確定性或者概率性纖維追蹤，以特定腦區(qū)為節(jié)點(diǎn)，以節(jié)點(diǎn)間結(jié)構(gòu)連接指標(biāo)（纖維束條數(shù)、概率、平均FA等）為邊，可構(gòu)建結(jié)構(gòu)腦網(wǎng)絡(luò)，利用圖論計(jì)算相應(yīng)的網(wǎng)絡(luò)屬性。

圖例：圖論分析流程

6.確定性纖維束自動(dòng)分段定量方法（AFQ，Automated Fiber Quantification)

   通過自動(dòng)定量方法可對(duì)全腦主要的20條主要的確定性纖維束進(jìn)行自動(dòng)分割，可對(duì)分割、去除outliers后的纖維束進(jìn)行進(jìn)一步分段（如100等分）統(tǒng)計(jì)，可統(tǒng)計(jì)每個(gè)纖維束段的組間差異。

圖例：AFQ方法在精神分裂癥中的應(yīng)用

7、概率性纖維自動(dòng)提取方法（AutoPtx）    

通過預(yù)先設(shè)定好纖維束的種子點(diǎn)、排除腦區(qū)、終止腦區(qū)等條件，可對(duì)概率性纖維束進(jìn)行自動(dòng)分段提取并進(jìn)一步計(jì)算對(duì)應(yīng)的平均標(biāo)量指標(biāo)（FA、MD等）。

圖例：概率性纖維自動(dòng)提取技術(shù)在老化研究中的應(yīng)用

三、多B值彌散成像/高角分辨率彌散成像（HARDI）

思影科技結(jié)合客戶不同數(shù)據(jù)采集方案提供多種分析方法：   

1、基于多種模型的體素分析方法   

由于DTI基于水分子的擴(kuò)散呈高斯分布的假設(shè)，而在非均勻介質(zhì)中，水分子并不服從高斯分布擴(kuò)散假設(shè)，因此發(fā)展出了多種基于非均勻介質(zhì)的彌散模型，可以更精確地探索神經(jīng)纖維。    

1）彌散峰度成像(diffusion kurtosis imaging，DKI)   

擴(kuò)散峰態(tài)成像(DKI)是一種表征非高斯擴(kuò)散的成像方法，即通過估計(jì)位移分布的過度峰態(tài)來表征非高斯擴(kuò)散，計(jì)算出平均峰度（MK）、軸向峰度（AK）、徑向峰度（RK）等標(biāo)量指標(biāo)進(jìn)行進(jìn)一步基于體素的統(tǒng)計(jì)分析。

圖例 DKI指標(biāo)

    2）神經(jīng)突方向散度和密度成像（neurite orientation dispersion and density imaging，NODDI）

     NODDI方法主要對(duì)全腦神經(jīng)突方向散度和密度進(jìn)行成像?？梢杂?jì)算vic、viso、OD等標(biāo)量指標(biāo)進(jìn)行進(jìn)一步基于體素的統(tǒng)計(jì)分析。

圖例 NODDI指標(biāo)

    2、基于多種模型的纖維追蹤方法   

1）約束球形解卷積（CSD）   

約束球形解卷積主要通過估計(jì)每個(gè)體素上的纖維走向的ODF函數(shù)的方式來重建每個(gè)體素上的纖維分布，可以有效解決纖維交叉的問題。

     2）彌散譜成像/Q空間球形采樣成像/廣義Q采樣成像(DSI/Q-ball/GQI）

     DSI/Q-ball等成像方式需要在Q空間格柵式或者球面采樣，需要采集較多不同的b值圖像，同時(shí)可以更細(xì)致準(zhǔn)確地刻畫纖維束走向。

四、其他方法   

 1、FBA（Fixel-based analysis）

    FBA主要研究纖維束橫截面積（FC）、橫截面密度（FD）、橫截面積&密度（FDC）等基于纖維束的標(biāo)量指標(biāo)，提供了一種檢測(cè)特定白質(zhì)束內(nèi)白質(zhì)變性的方法。
     2、基于白質(zhì)指標(biāo)、腦網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)

  （1）基于體素的MVPA分析?；诔Ｒ姷陌踪|(zhì)指標(biāo)，構(gòu)建機(jī)器學(xué)習(xí)模型，實(shí)現(xiàn)對(duì)不同群組的分類以及對(duì)量表得分的預(yù)測(cè)。常見的白質(zhì)指標(biāo)包括：FA、MD等（前述其他指標(biāo)也可利用）；常見的機(jī)器學(xué)習(xí)模型包括：支持向量機(jī)（SVM）、線性判別分析（LDA）、Logistic回歸、隨機(jī)森林（Random Forest）、RVR、Elastic Net等。

  （2）基于腦網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)分析。基于腦連接組數(shù)據(jù)，同樣可以提供上述分類/回歸分析（參見（1））。此外，思影科技可以提供腦網(wǎng)絡(luò)特有的預(yù)測(cè)模型，即CPM分析。

  （3）結(jié)果可視化。基于體素的MVPA分析可以提供權(quán)重圖，以展示對(duì)分類/回歸貢獻(xiàn)較大的腦區(qū)；基于腦網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)分析可以提供點(diǎn)線圖和圈狀圖。

五、定制化分析

   
      （1）分析方法可定制。思影科技可根據(jù)您提供的模板文獻(xiàn)，基于您的實(shí)驗(yàn)數(shù)據(jù)，實(shí)現(xiàn)文獻(xiàn)中使用的數(shù)據(jù)分析方法。此外，未列出的分析方法，只要在思影科技的能力范圍內(nèi)，盡力實(shí)現(xiàn)您的想法。   

（2）分析代碼可定制。在沒有現(xiàn)有的軟件適用于您的數(shù)據(jù)分析需求時(shí)，思影科技會(huì)與您協(xié)商，通過編寫代碼實(shí)現(xiàn)您的想法，并提供代碼的完整實(shí)現(xiàn)。

          微信掃碼或者長(zhǎng)按選擇識(shí)別關(guān)注思影