FSL

FDT - Pré-processamento

Eddy current correction:

  • Input: DWI.nii.gz (Arquivo de difusão da ressonância em nifti)
  • Ref Volume: 0
  • GO
  • Output: data.nii.gz (corrigida)

Bet brain extraction:

Criação de mask binária

  • Input: data.nii.gz (corrigida para eddy)
  • Threshold = 0.35
  • Advanced options > Output binary brain mask image
  • GO
  • Output: data_brain_mask.nii.gz

DIFTI:

Fazer inputs manualmente:

  • data.nii.gz (corrigida)
  • data_brain_mask.nii.gz (mask)
  • arquivo.bvec
  • arquivo.bval
  • GO

Outputs:

dti_FA.nii.gz ; dti_MD.nii.gz ; dti_MO.nii.gz ; dti_V1.nii.gz ; dti_V2.nii.gz ; dti_V3.nii.gz ; dti_L1.nii.gz ; dti_L2.nii.gz ; dti_L3.nii.gz ; dti_S0.nii.gz

Visualização dos mapas de FA (com ou sem modulação por V1) via terminal:

cd [caminho_diretorio_subj]

fsleyes dti_FA.nii.gz

Sem modulação
Com modulação

#! /bin/bash

# Realiza o pré-processamento dos arquivos de DWI até o cálculo dos mapas de FA

# Inclui: EDDY CURRENT CORRECTION ; BRAIN MASK EXTRACTION ; FITTING TENSORS

subj = 01

pasta = /caminho_até_diretório/DTI_${subj}

cd ${pasta}

eddy_correct dwi.nii.gz dwic.nii.gz 0

bet dwic.nii.gz dti_brain.nii.gz -f 0.35 -m

dtifit -k dwic.nii.gz -m dti_brain.nii.gz -r ${subj}.bvec -b ${subj}.bval

cp ${pasta}/${subj}_FA.nii.gz /caminho_até_diretório_para_análise/ [OPCIONAL]

echo done

Basta configurar o script para seus diretórios e nomes de sujeitos. O arquivo dwi.nii.gz e os arquivos .bvec e .bval devem ter seus nomes alterados conforme o script ou a preferência.

TBSS - Processamento:

1 - Criar uma pasta onde será realizado o TBSS e copiar os arquivos de dti_FA.nii.gz dos sujeitos para a pasta.

2 - Trocar os nomes dos arquivos pela identificação dos sujeitos - na hora em que serão extraídos os valores de FA eles estarão nesta ordem.

Na pasta com os arquivos de FA, realizar os 3 primeiros passos de processamento, da seguinte forma:

tbss_1_preproc *.nii.gz

tbss_2_reg -T

tbss_3_postreg -S

cd stats

fsleyes -std1mm mean_FA -cm red-yellow -dr 0.2 0.6 &

Processamento:

  • Remoção de alguns artefatos
  • Criação de uma pasta FA (novos arquivos processados) e origdata (arquivos originais)
  • Alinhamento de todos as FA em um template do FSL chamado FMRIB58_FA
  • Fusão e registro das FA em um espaço padrão 1x1x1mm - Criação de um esqueleto com as FA

O processamento inicial tem como outputs principais:

mean_FA_skeleton.nii.gz

mean_FA.nii.gz

mean_FA_mask.nii.gz

all_FA.nii.gz

Voltar para a pasta tbss e rodar o último processamento

cd ..

tbss_4_prestats 0.3

O último comando determina o threshold para mean_FA e projeta os mapas em um arquivo de esqueleto 4D que alimentará a análise estatística.

Output: all_FA_skeletonised.nii.gz

TBSS - General Linear Model (Análise):

Entrar no diretório de stats e iniciar a ferramenta estatística:

cd stats

Glm

Aqui deve-se selecionar o número de sujeitos que entrarão no modelo (inputs) NA ORDEM ALFABÉTICA QUE FORAM PROCESSADOS. Na interface do GLM clicar em Wizard e desenhar o modelo que deseja-se trabalhar (número de contrastes, grupo, ...). Salvar o modelo no diretório stats como design

Rodar o TBSS randomise

randomise -i all_FA_skeletonised -o tbss \

-m mean_FA_skeleton_mask -d design.mat -t design.con -c 1.5

randomise -i all_FA_skeletonised -o tbss \

-m mean_FA_skeleton_mask -d design.mat -t design.con --T2

Outputs:

  • tbss_tstat1 (arquivo cru, sem thresholds)
  • tbss_clustere_corrp_tstat1 (cluster com os p-values corrigidos para múltiplas comparações)

Visualizar os resultados em um threshold para p=0.05

fsleyes -std1mm mean_FA_skeleton -cm green -dr .3 .7 \

tbss_tstat1 -cm red-yellow -dr 1.5 3 \

tbss_clustere_corrp_tstat1 -cm blue-lightblue -dr 0.949 1 &

Em azul - tractos que atingiram threshold (p=0.05)

Para uma visualização mais "bonita", rodar o seguinte script:

tbss_fill tbss_clustere_corrp_tstat1 0.95 \

mean_FA tbss_clustere_corrp_tstat1_filled

fsleyes -std1mm mean_FA_skeleton -cm green -dr .3 .7 \

tbss_clustere_corrp_tstat1_filled.nii.gz -cm red-yellow

Os tractos que atingirem o threshold (p=0.05) ficarão em vermelho e mais "cheios".

Pode-se utilizar algum atlas para identificar os tractos estatisticamente significativos.

Análise de Regiões de Interesse (ROIs) e extração de valores de Fração de Anisotropia (FA)

#Para esta parte do guia utilizaremos o atlas de DTI da Johns Hopkins University (JHU) e a ferramenta "fslmeants" do FSL

1. Publicação do Atlas: Link

O atlas que vem com o FSL chamado JHU-ICBM-labels-1mm.nii.gz descreve 48 ROIs em substância branca e define coordenadas de probabilidade onde passam os tractos de interesse no espaço MNI152.

Podemos criar máscaras utilizando fslmaths e as coordenadas já pré definidas por este atlas e extrair valores médios de FA utilizando essas máscaras, correspondendo aos valores médios de FA nos tractos de interesse de cada estudo.

As ROIs e seus respectivos índices dentro do atlas são as seguintes:

  • 1>Cerebellar Penducle
  • 2>Pontine crossing tract (a part of MCP)
  • 3>Genu of corpus callosum
  • 4>Body of corpus callosum
  • 5>Splenium of corpus callosum
  • 6>Fornix (column and body of fornix)
  • 7>Corticospinal tract R
  • 8>Corticospinal tract L
  • 9>Medial lemniscus R
  • 10>Medial lemniscus L
  • 11>Inferior cerebellar peduncle R
  • 12>Inferior cerebellar peduncle L
  • 13>Superior cerebellar peduncle R
  • 14>Superior cerebellar peduncle L
  • 15>Cerebral peduncle R
  • 16>Cerebral peduncle L
  • 17>Anterior limb of internal capsule R
  • 18>Anterior limb of internal capsule L
  • 19>Posterior limb of internal capsule R
  • 20>Posterior limb of internal capsule L
  • 21>Retrolenticular part of internal capsule R
  • 22>Retrolenticular part of internal capsule L
  • 23>Anterior corona radiata R
  • 24>Anterior corona radiata L
  • 25>Superior corona radiata R
  • 26>Superior corona radiata L
  • 27>Posterior corona radiata R
  • 28>Posterior corona radiata L
  • 29>Posterior thalamic radiation (include optic radiation) R
  • 30>Posterior thalamic radiation (include optic radiation) L
  • 31>Sagittal stratum (include inferior longitidinal fasciculus and inferior fronto-occipital fasciculus) R
  • 32>Sagittal stratum (include inferior longitidinal fasciculus and inferior fronto-occipital fasciculus) L
  • 33>External capsule R
  • 34>External capsule L
  • 35>Cingulum (cingulate gyrus) R
  • 36>Cingulum (cingulate gyrus) L
  • 37>Cingulum (hippocampus) R
  • 38>Cingulum (hippocampus) L
  • 39>Fornix (cres) / Stria terminalis (can not be resolved with current resolution) R
  • 40>Fornix (cres) / Stria terminalis (can not be resolved with current resolution) L
  • 41>Superior longitudinal fasciculus R
  • 42>Superior longitudinal fasciculus L
  • 43>Superior fronto-occipital fasciculus (could be a part of anterior internal capsule) R
  • 44>Superior fronto-occipital fasciculus (could be a part of anterior internal capsule) L
  • 45>Uncinate fasciculus R
  • 46>Uncinate fasciculus L
  • 47>Tapetum R
  • 48>Tapetum L

Para extrair os valores basta utilizar o seguinte script dentro da pasta do stats:

#! /bin/bash

#Extração de valores de FA para ROIs

#Colocar os roinum conforme o atlas JHU para ROIs

dir=[caminho_diretório_stats]

cd $dir

for roinum in 5 6 7 8 9 10 12 ; do

fslmaths /usr/local/fsl/data/atlases/JHU/JHU-ICBM-labels-1mm.nii.gz -thr $roinum -uthr $roinum -bin roimask

fslmaths roimask -mas mean_FA_skeleton_mask.nii.gz -bin roimask

padroi=`$FSLDIR/bin/zeropad $roinum 3`

fslmeants -i all_FA_skeletonised.nii.gz -m roimask -o meants_roi${padroi}.txt

done

paste meants_roi*.txt > allmeants_roi.txt

Sendo que na primeira linha deve-se colocar os índices das ROIs que deseja-se extrair. Lembrando que os valores virão conforme a ordem alfabética em que foram processados na etapa inicial do TBSS.

JHU-ICBM-labels-1mm - Atlas

FIM.

Boas análises!

Referências: UserGuide S.M. Smith, M. Jenkinson, H. Johansen-Berg, D. Rueckert, T.E. Nichols, C.E. Mackay, K.E. Watkins, O. Ciccarelli, M.Z. Cader, P.M. Matthews, and T.E.J. Behrens. Tract-based spatial statistics: Voxelwise analysis of multi-subject diffusion data. NeuroImage, 31:1487-1505, 2006.

Dúvidas ou sugestões: rafael.sommer@acad.pucrs.br