MeVisLab fMRI数据处理学习1

任务:在MeVisLab平台完成fMRI数据的预处理

难点:对MeVisLab平台的不熟悉;平台本身关于fMRI的可用内容少(多了就不用我做了 = =);语言障碍,好多专业词汇根本翻译不过来,或者翻译不过去……

具体流程:

  功能核磁数据的导入

  参数自动提取

  层面时间校正

  头动校正(刚体变换)

  图像配准

  去基线漂移

  带通滤波

  时间延时(暂时不了解)

进展:

  0.对不认识的模块(Modules)右键 show help。[安装目录下Packages/MeVisLab/Standard/Documentation/Publish/ModuleReference/genre.html 可按类显示核心Modules]

  1.关于数据导入,要求为dicom格式导入,可以文件夹识别什么的,尝试了众多导入方法,最终确定DirectDicomImport,选择文件夹,可识别文件信息。在此,导入的文件为mosaic排列后的,为了后期的正常处理,需要将其一张slice中的z取出来,使用Demosaic模块,得到参数为[x,y,z,t,c,u]的图像集。这里x,y,z为图像的空间坐标,t为时间坐标,也即多少个dicom文件,多少个TR, c=color,指的是图像的色彩显示方法,MRI数据为灰度显示(Gary)。U好像是user,可是我尝试导入多个被试的数据,u并没有改变,可能是理解错误,还需要进一步确认。

  2.参数提取比较简单,直接通过Info实现,如果后期需要实现GUI,可直接引用其中的参数;

  3.时间层面校正(选作),暂时还没有发现相关的Module,可以通过自己开发Module实现,在生成的cpp工程中利用LOOP中的t的循环,实现对时间层面的校正,另外,在info信息中也有对时间信息的显示,后经确认并非是层面时间信息。还需要继续学习SPM中层面时间校正的内容。

  4.头动校正,利用刚体变换模型实现。具体模块为MERIT,变换类型为rigid.在进行头动校正时,选择t=1的图像作为模板图像,利用subImage从导入的dicom文件中选取一张子图,subImage可以对六个坐标都进行重新选择,这里我只对t进行选择,在SPM Manual里好像看到说以首帧做基础,进行头动校正,则用subImage选出首帧。可利用MERIT对图像进行刚体变换,得到变换矩阵(MERIT/output/Transformation Matrix).可是问题在于,MERIT一次只能将一幅图像变换到模板图像的变换矩阵得到,而fMRI-BOLD数据绝对不止一副,如何实现多图像的校正,我还是没有想到合适的方法,在我现有的理解中在MeVisLab中,模块与模块的链接只能传输数据,而非数据流,也就是说,我无法在模块外实现对某些环节的循环引用,难道我要基于MERIT重新开发Module吗?或者还有其他的方法可以实现,可我还没发现?

  另外RegistrationManual 模块,可以通过overlay显示配准效果,在调试过程中作为检验工具。

  5.图像配准,同样利用MERIT模块实现,变换类型为rigid.模板图像为T1像,进行配准操作,具体问题与头动校正相同。在配准过程中,需要对结构像进行重构,利用Resample3D调整分辨率和坐标信息。[在spm中是先进行完分割再配准的,如果不分割是否有影响,需要分割吗?]

  6.去基线漂移&带通滤波处理  直接使用FFTbandpassFilter 实现滤波。其核心算法即通过FFT→加滤波模板→IFFT实现。

  对于基线漂移的改善情况,不知道怎么检验效果,以及如何改善,还需要学习。

  7.时间延时相关特性

  8.归一化到标准脑模板(选做)  与头动校正和图像配准相同,都属于空间变换,变换形式不同,需要利用整体变换仿射变换affine实现,模板图像为SPM提供的标准脑模板,利用MERIT,变换类型为affine.

其他积累:

  1.论坛学习:http://forum.mevis.fraunhofer.de/index.php

  2.可能用到的模块

ImagePropertyConvert 调整图像参数,包括分辨率,大小等
SoView2Doverlay 用于比较图片
Imagespector 沿某一坐标将图像分隔开,但最多只有6个输出……
reshape x*y*z*C*T*U保持不变
soGVRVolumeRender 对3D、4D进行渲染呈现
MinMaxSCan 调整大小,在变换过程中可能会用到
Affinetransformation3D 进行3D仿射变换
Fiter类 进行滤波和平滑等

 

时间: 2024-11-14 14:00:15

MeVisLab fMRI数据处理学习1的相关文章

点云数据处理学习笔记

三维计算视觉研究内容包括: 三维匹配 多视图三维重建 SLAM 目标识别 形状检测与分类 语义分类 立体视觉与立体匹配 ZNCC SFM 1.点云滤波方法(数据预处理): 双边滤波.高斯滤波.条件滤波.直通滤波.随机采样一致性滤波. VoxelGrid 2.关键点 ISS3D.Harris3D.NARF SIFT3D. 3.特征和特征描述 法线和曲率计算  NormalEstimation .特征值分析Eigen-Analysis.EGI PFH.FPFH.3D Shape Context.Sp

Javascript的二进制数据处理学习 ——nodejs环境和浏览器环境分别分析

以前用JavaScript主要是处理常规的数字.字符串.数组对象等数据,基本没有试过用JavaScript处理二进制数据块,最近的项目中涉及到这方面的东西,就花一段时间学了下这方面的API,在此总结一下. 首先浏览器是没有主动读取本地文件的权限的,所以对JavaScript处理二进制数据能力的学习,应该从运行在服务器端的nodejs看起. Nodejs 中的 Buffer 为了方便处理二进制数据,nodejs特地封装了一个Buffer模块.文档地址:http://nodejs.cn/doc/no

python 数据处理学习pandas之DataFrame

请原谅没有一次写完,本文是自己学习过程中的记录,完善pandas的学习知识,对于现有网上资料的缺少和利用python进行数据分析这本书部分知识的过时,只好以记录的形势来写这篇文章.最如果后续工作定下来有时间一定完善pandas库的学习,请见谅!                     by LQJ 2015-10-25 前言: 首先推荐一个比较好的Python pandas DataFrame学习网址 网址: http://www.cnblogs.com/chaosimple/p/4153083

Python的数据处理学习(一)

本文参考Paul Barry所著的<Head First Python>一书,参考代码均可由http://python.itcarlow.ie/站点下载 本文有任何谬误可以直接联系本人[email protected] 一.  背景了解 1. 基本需求: Kelly教练负责James,Sarah,Julie,Mikey四人的训练,细心的Kelly教练为每个选手建立了以姓名命名的txt文件来保存训练成绩,但是Kelly教练本来就忙于训练同学,对于数据管理更是焦头烂额,需要一种快捷的方法迅速了解每

Python的数据处理学习(二)

本文参考Paul Barry所著的<Head First Python>一书,参考代码均可由http://python.itcarlow.ie/站点下载.本文若有任何谬误希望不吝赐教~ 二. 代码模块 1. 准备学习 (1)数据读取 with open(james.txt) as jaf: #打开文件 data = jaf.readline() #读数据行 james =data.strip().split(',') #将数据转换为列表 说明:data.strip().split(',')叫做

fMRI数据分析处理原理及方法

来源: 整理文件的时候翻到的,来源已经找不到了囧感觉写得还是不错,贴在这里保存. 近年来,血氧水平依赖性磁共振脑功能成像(Blood oxygenation level-dependent functional magnetic resonance imaging, BOLD-fMRI)技术得到极快的发展,除了与扫描硬件.扫描技术的进步有关外,更得力于以图形图像等计算机科学为核心的相关学科的支持:图像数据的后处理技术成为fMRI中的关键环节 一.功能图像数据的性质 功能磁共振数据包括解剖(结构)

fMRI数据分析处理原理及方法————转自网络

fMRI数据分析处理原理及方法 来源: 整理文件的时候翻到的,来源已经找不到了囧感觉写得还是不错,贴在这里保存. 近年来,血氧水平依赖性磁共振脑功能成像(Blood oxygenation level-dependent functional magnetic resonance imaging, BOLD-fMRI)技术得到极快的发展,除了与扫描硬件.扫描技术的进步有关外,更得力于以图形图像等计算机科学为核心的相关学科的支持:图像数据的后处理技术成为fMRI中的关键环节 一.功能图像数据的性质

王劲:百度无人车跑一天的数据,几百台服务器要处理一周

(上图为百度高级副总裁.自动驾驶事业部总经理王劲) 在11月3日由长江商学院.长江商学院创创社区.APEC China Business Council联合主办的2016全球创新者大会(GIC)第七届长江青投论坛上,百度高级副总裁.自动驾驶事业部总经理王劲向外界透露了百度无人车的最新进展以及回顾了百度无人车的创新历程. 王劲介绍说,作为人工智能技术的应用场景之一,无人车产生了大量的数据需要处理.去年百度无人车跑一天的数据,需要百度数据中心的几百台服务一周的时间才能处理完成,数据中心的集群就像"驾

数据分析挖掘培训课程-加米谷大数据

加米谷数据分析与挖掘课程体系包括5个板块.9个阶段.200+模块以及4个真实项目实战. 第一阶段 Python基础 学习内容:Python基础 学习目标:基本语法.数据结构.算法及函数.文件系统 ... 等 学习效果:掌握Python基本知识,能熟练运用到项目 第二阶段 关系型数据库MySQL 学习内容:关系型数据库MySQL 学习目标:数据库设计.数据库范式及ACID特性.视图及索引 学习效果:掌握关系型数据库MySQL的用法,能熟练运用到项目 第三阶段 文档数据库MongoDB 学习内容:文