MV2Net系统数据分析文档

More details on the system backend can be found in: https://github.com/visdata/MV2NetVis 备注：fmri是命名错误，实际对应的是diffusion mri。

一、数据集

数据集	存储位置	文件格式	概要说明	文件大小
DWI	/home/tanzh/NM/DWI	nii.gz文件，bvals.txt和bvecs.txt文件	DWI文件	18G
FA	/home/tanzh/NM/FA/*	nii文件	FA文件	3G
T1	/home/tanzh/NM/T1	nii.gz文件	去骨后的T1	357M
FA_DK	/home/tanzh/NM/FA_DK	nii.gz文件	使用ANTs对FA和T1_DK配准后的文件	13M
T1_DK	/home/tanzh/subject/*/mri	.nii.gz	使用FreeSurfer对T1进行模板配准得到的文件	60M
Fiber	/datahouse/zhtan/NM/tract	mat文件	神经纤维文件	74G
Labeled fiber	/datahouse/zhtan/NM/remained_labeled_tract(new_labeled_tract)	mat文件	根据模板对点进行映射后的神经纤维文件	831M(2G)
Fiber strength	/datahouse/zhtan/NM/connectivity	mat文件	神经纤维强度	1.5M
Geometric feature	/home/tanzh/NM/streamline/features	json文件	几何特征数据	43M
Diffusion feature	/datahouse/zhtan/NM/fmri_result	mat文件	扩散特征数据	6M

备注：*表示个体id，比如003_S_2374_1

1.DWI

1.1获取方式：

金焰老师提供的数据。

1.2详细描述：

DWI（Diffusion-weighted imaging）文件。

1.3使用方法：

参考链接：https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FDT/UserGuide
（1）生成mask
工具：BET
命令行代码：
bet <input> <output> [options]

（2）DTIFIT
工具：DTIFIT
命令行代码：
dtifit  -k,--data       dti data file
        -o,--out        Output basename
        -m,--mask       Bet binary mask file
        -r,--bvecs      b vectors file
        -b,--bvals      b values file

2.FA

2.1获取方式：

DWI作为输入，由DTIFIT生成。

2.2详细描述：

FA（部分各向异性）文件。

2.3使用方法：

使用ANTs对FA和T1_DK配准，得到FA_DK。

3.T1

3.1获取方式：

服务器上已有。

3.2详细描述：

去骨后的T1脑影像。

3.3使用方法：

作为FreeSurfer的输入，与DK模板进行匹配，生成T1_DK文件。

4.FA_DK

4.1获取方式：

由ANTs对FA和T1_DK进行配准得到。

4.2详细描述：

与DK模板配准后的FA（部分各向异性）文件。

4.3使用方法：

作为ROIlabel.py的输入，对神经纤维进行模板划分。

5.T1_DK

5.1获取方式：

由FreeSurfer对T1进行模板配准得到。

5.2详细描述：

与DK模板配准后的去骨T1脑影像。

5.3使用方法：

用于ANTs配准。

6.Fiber

6.1获取方式：

服务器上已有。

6.2详细描述：

神经纤维文件。储存着神经纤维上点的坐标。

6.3使用方法：

作为ROIlabel.py的输入，输出模板划分后的神经纤维。

7.Labeled_fiber

7.1获取方式：

由ROIlabel.py生成。

7.2详细描述：

模板划分后的神经纤维文件。神经纤维上的点映射到模板ROI。

7.3使用方法：

作为ROIlabel.py的输入，输出模板划分后的神经纤维。

8.Fiber strength

8.1获取方式：

由generate_connectivity.py生成。

8.2详细描述：

神经纤维的强度。

8.3使用方法：

作为getOriginData.py和getOriginDataForFMri.py的输入，生成脑网络的神经纤维强度特征数据。

9.Geometric feature

9.1获取方式：

基于中山大学提供的几何特征数据（JSON格式），由streamlineProcess.py生成。

9.2详细描述：

脑网络的几何特征。

9.3使用方法：

作为getOriginData.py的输入，生成用于MV2Net系统的几何特征数据。

10.Diffusion feature

10.1获取方式：

基于DTIFIT的结果，由get_fmri_feature.py生成。

10.2详细描述：

脑网络的扩散特征。

10.3使用方法：

作为getOriginDataForFMri.py的输入，生成用于MV2Net系统的扩散张量特征数据。

二、数据分析程序

1.扩散张量特征：

程序文件
|-- generate_connectivity.py 
|-- generateGrubbsTable.py 
|-- get_fmri_feature.py 
|-- get_fmri_fibers.py 
|-- getOriginDataForFMri.py 
|-- ROIlabel.py

1.1generate_connectivity.py

1.1.1功能描述：

生成神经纤维强度特征数据。

1.1.2调用方法：

python generate_connectivity.py

1.1.3调用说明：

属性	说明
前序步骤	调用ROIlabel.py获得映射到模板的神经纤维数据
后续步骤	结果用于getOriginDataForFMri.py
输入	映射到模板的神经纤维数据
输出	神经纤维强度（以.mat格式存储）

1.2generateGrubbsTable.py

1.2.1功能描述：

生成用于格拉布斯临界值表。

1.2.2调用方法：

python generateGrubbsTable.py

1.2.3调用说明：

属性	说明
前序步骤	无
后续步骤	结果用于getOriginDataForFMri.py
输入	无
输出	格拉布斯临界值表（以.txt格式存储）

1.3get_fmri_feature.py

1.3.1功能描述：

生成FA、MD、AxD、RD特征数据。

1.3.2调用方法：

python get_fmri_feature.py

1.3.3调用说明：

属性	说明
前序步骤	DTIFIT，ROIlabel.py
后续步骤	结果用于getOriginDataForFMri.py
输入	DITIFIT得到的FA、MD、AxD、ED数据，模板映射后神经纤维数据
输出	FA、MD、AxD、RD（以.mat格式存储）

1.4get_fmri_fibers.py

1.4.1功能描述：

将神经纤维上的点根据坐标映射到对应的特征值（FA、MD、AxD、RD）。

1.4.2调用方法：

python get_fmri_fibers.py

1.4.3调用说明：

属性	说明
前序步骤	DTIFIT
后续步骤	结果提供给中山大学
输入	DITIFIT得到的FA、MD、AxD、ED数据，神经纤维数据
输出	FA、MD、AxD、RD映射后的神经纤维数据

1.5ROIlabel.py

1.5.1功能描述：

将神经纤维上的点根据坐标映射到模板ROI。

1.5.2调用方法：

python ROIlabel.py

1.5.3调用说明：

属性	说明
前序步骤	FA进行模板配准
后续步骤	后续用于generate_connectivity.py和get_fmri_feature.py
输入	模板配准后的FA数据，神经纤维数据
输出	模板映射后的神经纤维数据

1.6getOriginDataForFMri.py

1.6.1功能描述：

生成MV2Net系统所需要的特征数据，特征质量数据。

1.6.2调用方法：

python getOriginDataForFMri.py

1.6.3调用说明：

属性	说明
前序步骤	generate_connectivity.py，generateGrubbsTable.py，python get_fmri_feature.py
后续步骤	结果提供给MV2Net系统
输入	神经纤维强度、FA、MD、AxD、RD，格拉布斯临界值表，个体信息
输出	特征数据，特征质量数据

2.几何特征

程序文件：
|-- generate_connectivity.py
|-- ROIlabel.py
|-- generateGrubbsTable.py
|-- getOriginData.py
|-- streamlineProcess.py

2.1generate_connectivity.py

2.1.1功能描述：

生成神经纤维强度特征数据。（同1.1）

2.1.2调用方法：