Diffusion-weighted in MRI 学习笔记（二）

最近准备写一篇纤维束的文章，于是重新回顾了我之前做的笔记。
其实上一份关于弥散像的学习笔记已经很详细了，基本科普了大致的流程。这个笔记（二）主要是记录一些补充性的知识，以及我的个人体会。所有这些笔记或多或少都会有些知识的遗漏，毕竟我也不是专业弄这个方向的。我建议要着手这方面的同学，去看看官方文档，获取更详细的知识。

MRtrix3官方文档地址：https://mrtrix.readthedocs.io/en/latest/index.html

MRtrix的主要重点功能包括5个：（1）约束球形反卷积估计纤维方向 constrained spherical deconvolution（2）概率流线算法 a probabilisitic streamlines algorithm（3）基于fixels的表观纤维密度分析和纤维截面 fixel-based analysis of apparent fibre density and fibre cross-section（4）定量结构连通性分析 quantitative structural connectivity analysis（5）纤维方向分布图像的非线性空间配准 non-linear spatial registration of fibre orientation distribution images

重要概念：

（1）fiber 还是fibre。 fiber和fibre的区别：fiber是美国拼法，fibre是英国拼法。fiber的意思是（动植物的）纤维，纤维质。fibre的意思是（食物中的）纤维素，（织物或绳等的）纤维制品，（人或动物身体组织及天然物质的）纤维。我的神经解剖学老师教学时，他写的是：有髓神经纤维 myelinated nerve fiber. 而mrtrix文档里面写的都是fibre. 我觉得两种写法都是ok的，只是习惯不一样，就如果grey matter 和 gray matter类似。
（2）fixels，dixels和voxels。voxels是大家做功能像和结构像最常用的，就是3维体素，例如VBM。不过voxels只能代表体积，所以mrtrix作者提出了fixels和dixels，这两种在弥散像分析上比较常用。
fixels是为描述fibre bundle element建立的，dixels是为directional element建立的。提到这些，首先要说到一个名词，就是FOD（fibre orientation distribution）纤维方向分布。在之前的笔记中，我们说到过一个前提假设，就是一条纤维束的最大扩散率取值是主要纤维束上大部分体素的主要方向，因此FOD是连续的，用于拟合纤维束的结果。而如果以体素水平将FOD切割开，那么每一个体素就可以称之为fixels，实际就是voxels叠加了方向变量（4维数组）。因此fixels这个名词的创建就是如此来的。由此可以知道，voxel-based morphology 对应的就是fixel-based morphology，VBM&FBM。所以也就有一些FBM的组统计分析。这种方法是为了更精确的寻找纤维束的某一局部的具体变化效应。fod2fixels函数可以实现该切割步骤。
dixels解释起来比较复杂，它是沿某个预定方向进行的函数样本。这个我就跳过了，因为fixels用的很广泛，而dixels用的少。感兴趣的看官方文档。
（3）全局强度归一化。为什么要进行归一化？原因在于，柏芝内会存在一些compartment(隔间)，一个体素的compartment会影响邻近的compartment的估算，由此产生一些误差。因此作者推荐使用全局强度归一化来减少这种估算误差。但是这个时候又出现新的问题，就是由于核磁的磁场不均性（这个是每个机器的固有误差），如何定义参考区域来执行强度归一化。
所以，作者推荐的方法是，首先进行偏置场校正，这个可以用ANTs的偏置场校正函数dwibiascorrect执行。
参考强度值：理想状态是用每个受试者的脑脊液b=0的位置的强度中位数作为参考值进行归一化，因为脑脊液的位置一般不太会有病理改变。但是由于dwi像的低分辨率，很难获取这个值，所以作者推荐使用受试者全脑白质的中值进行归一化，注意是中位数（median），不是均值。这个前提条件是患者没有广泛的全脑解剖性病理改变，因此中值被认为是可以接受的。
由此，mrtrix的流程就是，先进行偏置场校正，然后中值归一化。

正文

（1）预处理