1、contact：QQ mail: Freesurfer 之 ROI 映射步骤总结前提条件：1、 完成 Ubuntu 系统及 Freesurfer 软件的安装配置，熟悉使用 Freeview;2、 完成数据预处理，包括 recon-all subjects all 及 recon-all subjects qcache;3、 知道基于 freesurfer 的几个 matlab 函数用法：load_mgh, save_mgh, read_annotation.vol, M, mr_parms, volsz = load_mgh(fname,)save_mgh(vol,fname, M, ), M
2、 is the 4x4 vox2ras transformvertices, label, colortable = read_annotation(filename , verbosity)4、 .mgh 及.mgz 是 freesurfer 使用的 MRI volume 格式，类似于 NifTI, 需用 load_mgh 和 save_mgh 函数打开读取或生成.mgh 格式文件，从而在 freesurfer 上使用。、 导入 matlab 函数在 freesurfer 的安装路径下，有一个名为 matlab 的文件夹，里面有一些.m 文件用于处理图像，把 这个文件夹及子文件夹添加到 Ma
3、tlab 路径即可。另一种方法：在终端启动 freesurfer，在这个环境下运行matlab，也可以使用这些.m 文件（也就是 load_mgh 等函数）。、 整理好被试数据，每一被 试的所有数据分别在一个目 录下（预处理后默认存放形式）、 统计同组所有被试皮层特征的均值：所有基于顶点的皮层测量值均保存在/surf 目录下，有左右侧大脑的皮层厚度、灰质体积、皮层表面积、曲率、脑沟深度，以左脑皮层厚度为例说明：如下图所示，lh.thickness 是未向标准空间配准的，lh.thickness.fsaverage.mgh 是已 经向标准空间配准的，剩下的分别用 0, 5, 10, 15, 20
4、, 25 FWHM 高斯核函数进行平滑处理的标准化图像。 为何标准化？这样可使不同被 试的大脑皮层有完全相同的顶点数，也就是左右侧大脑分别有 163842 个顶点，共 327684 个。此外，有多个平滑参数可 选，一般选 FWHM为 10 的平滑图像，平滑核太小不利于消除噪音，平滑核过大则会使图像信息损失过多。程序计算同组被试同一皮层特征的平均值：最后生成的皮层特征平均图：、 编辑需映射的特征文件：程序说明：根据分类性能确定重要脑区及其权重，如 RTLE-NC surface area 分类有 31 个重要特征，同时也有对应的 31 个分类权重，由于分 类权重过小，利用 mapminmax 函
5、数把所有权重值映射到 0.1-1 之间（选择 0.1 是为了避免权重为 0 的特征）；把重要脑区分配到左右脑，序号小于等于 34 为左脑脑区，大于 35 为右脑脑区； 通过 read_annotation 函数获取各个脑区对应那些顶点及其位置，根据这些顶点对特定重要脑区赋予权值，非重要 脑区的顶点赋零，最后调用 save_mgh 函数生成具有权值的特征文件。代码：生成的具有权重的重要脑区特征文件：、 Freeview 使用1. 先在终端启动 freesurfer, 分别输入以下三条指令即可：tcshsetenv FREESURFER_HOME /usr/local/freesurfersour
6、ce $FREESURFER_HOME/SetUpFreeSurfer.csh2. 启动状态如下：3. 然后在终端输入 freeview, 初次使用可能提示缺少插件，运行 这条指令：sudo apt-get install libjpeg62-dev；4. Freeview 界面如下图所示：Freeview 主要用来可视化，把皮 层差异映射到脑模板上，脑膜版的形式主要有软膜表面 pial, 膨胀表面 inflated 及球形表面三种。 Freeview 可以从三维立体观看皮层表面的差异，默认条件下显示左侧面及右内侧，想要看其他方向需要手 动旋转，任一面都可以看，但调整到如正侧面，正后面，正前面
7、就比较难刚刚好调到位置。5. 先在 surface 选项把 freesurfer 安装目录下的/subjects/fsaverage/surf 文件夹里的 lh.pial 和 rh.pial 模板导进来，再通过左侧面板中的 Overlay 菜单选择 load generic 把.mgh 文件到进入来，在 Configure Overlay 处可修改 colorbar 的显示形式。圆球表面视图 膨胀表面视图、 映射 ROI 到皮层模板表面1. 将步骤三生成的同组被试同一特征平均值到皮层模板上。Colorbar 有三种形式：Heat, Wheel 及Custom，显示效果较好的是 Wheel，如下
8、图所示。Colorbar 的取值范围应根据相应特征的颜色分布来取值，以便最大限度地显示所有信息。不同 组被试的同种特征 应该设置相同 colorbar 范围，而不同种特征的 colorbar 可根据颜色分布自定义。2. 将步骤四生成的具有权值的特征文件映射到模板上如下图：LTLE-NC cortical thickness classification RTLE-NC surface area classification左图为 LTLE-NC 的皮层厚度分类其重要脑区分布，右图为 RTLE-NC 的皮层表面积其重要脑区分布，所有特征的权值均 标准化到 0.1-1 之间， 这些重要脑区中，红色代表最重要的脑区，黄绿次之，浅蓝及深蓝代表重要性 较低的脑区。
