搜索
转载者cell注:本文件转存自蓝宝社区并经作者同意首转发于心心水滴论坛的版本,软件的新增功能请登陆afni官方网下载查询,或者登陆心心水滴论坛浏览其相关介绍.登陆蓝宝或心心水滴论坛,共同交流.AFNI使用指南(连载)--精心整理的AFNI教程特别奉献精心整理的AFNI使用指南，以飨读者。目录0前言…………………………………………………………………11如何获得并安装AFNI……………………………………………12基本概念……………………………………………………………12.1数据集……………………………………………………………12.2数据集的存储…………………………………………………22.3数据集块和子数据集块………………………………………22.4集合或路径………………………………………………………22.5文件类型………………………………………………………23AFNI的交互界面…………………………………………………23.1启动AFNI………………………………………………………23.2AFNI界面………………………………………………………33.3在BatchMode下使用AFNI命令……………………………43.4AFNI的Plugins…………………………………………………44数据分析基本步骤………………………………………插页1~135数据处理基本步骤…………………………………………………55.1原始功能像的重建……………………………………………55.2转换成AFNI格式……………………………………………55.3功能像层面时间校正和运动校正……………………………75.4功能像的时间域滤波……………………………………………125.5.a功能像的空间平滑……………………………………………125.5.b补充内容………………………………………………………16包括去除头皮外伪影、去除异常时间点、时间序列时间点数据的标准化(difference/mean)、多个run的数据连接及去线性漂移。5.6.a单个被试通用线性模型分析及结果显示………………………22包括1D参考波创建、t-检验及相关分析(及ClusterAnalysis)、3dDecon-volve反卷积分析。5.6.b激活图的clustering,montage,andrender………………………315.7空间标准化(切换至Talairach坐标系)………………………345.8统计图的空间平滑……………………………………………395.9被试统计图的组分析……………………………………………396ROI(RegionofInteresting)绘制及分析……………………………456.1手动绘制ROI及ROI分析………………………………………456.2从激活图创建ROI……………………………………………51附录1DICOM图像标准……………………………………………52附录2rnxpc源程序…………………………………………………52附录3应用于3dDeconvlve分析的脚本源程序…………………53附录4AFNIPrograms&Plugins………………………………………560前言(Preface)MCWAFNI是“MedicalCollegeofWisconsinAnalysisofFunctionalNeuroImage”的缩写形式。由美国Wisconxin医学院生物物理研究所开发研制，主要开发者为Cox博士。AFNI是一个交互式的脑功能成像数据分析软件。它可以将低分辨率的脑功能成像的实验结果叠加在具有较高分辨率的脑结构成像上进行三维显示。AFNI程序分为两种，一种是利用AFNI界面本身直接运行的程序(GUImode)，另一种是脱离AFNI界面执行的辅助程序(Batchmode)。另外还提供了可供扩展功能的Plugins。1如何获得并安装AFNI(HowtodownloadandinstallAFNI)AFNI可运行在多个操作系统下，推荐使用Linux系统。可在下载源程序linux_gcc32.tgz，并解压至/usr/local/bin目录下，可以直接使用。如提示无执行权限，可使用chmod777*命令修改文件权限。(Linux的使用技巧：输入命令后，长文件名可以输入部分字母，然后按Tab键自动补上；对于较长的命令行，可在行尾加上空格和”\”回车再续行)2基本概念(FundamentalAFNIconcepts)数据集(datasets)和集合(session)是AFNI中的两个基本概念，下面作简要的介绍。2.1数据集(datasets)AFNI中的基本数据单位是数据集(datasets)，它是指由一个或者多个图像的3D数据块(bricks)以及与之相关的附加信息所组成的数据集。数据集有两种基本的类型：解剖数据集和功能数据集。AFNI在进行数据集处理时在任何时候都是以解剖数据集作为背景，再将功能数据集叠加到解剖数据集上。对于功能数据集，它有5种类型：fim、fith、fico、fitt和fift。其中各个类型的具体解释如下：(注：f为function功能，i为intensity强度，th表示threshold阈值，co表示correlation相关，tt表示t-test，ft表示F-test)fim表示功能强度，每个体素用一个值表示。fith表示功能强度及阈值，每个体素用2个值表示，第一个值表示“强度”，第二个值表示阈值，用来表示哪一个点是激活点。fico表示功能强度及相关性，每个体素用2个值表示，第一个值表示“强度”，第二个值表示相关系数(-1.0到1.0之间)，当给出一个显著性值p时，确定激活点。fitt表示功能强度及t-test，每个体素用2个值表示，第一个值表示“强度”，第二个值是t检验值，当给出一个显著性值时，确定激活点。fift表示功能强度及F-test，每个体素用2个值来表示，第一个值表示强度，第二个值是F检验值，当给出一个显著性值时，确定激活点。对应于每个体素的值，可以有4种数据类型:byte、short、float和complex。Byte型为8位有符号整数，表示范围为0~255，最多有3位有效数字；Short型为16位有符号整数，表示范围为-32768~32767，最多有5位有效数字；Float型为32位实数，最多有7位有效小数。在AFNI中，数据集存储为两种类型的文件：头文件(header)和块文件(brick)。所有的数据集都有规定的命名方式，其基本形式是：prefix+view.NAME。prefix由用户指定；“+view”表示数据集的显示形式(坐标系)，由AFNI自动生成，通常有3种类型即：+orig，+acpc，+tlrc，分别表示原始数据、ACPC和Talairach坐标系。NAME可为BRIK或HEAD。块文件存储了所有的3D原始数据(Brick)及由AFNI程序计算衍生的统计参数数据。头文件包含了所有的辅助信息，它提供了解释块文件的所有信息，以ASCII的形式存储。通常包含以下信息：(1)每个体素x，y，z方向的大小(mm)；(2)数据集的轴向：例如，X-axis为R-L，Y-axis为AP，Z-axis为I-S，则为水平层面；(3)数据集在扫描坐标的定位；(4)3D数据集每个sub-brick之间的时间间隔3D+time数据集为fMRI的基本数据集；(5)统计结果衍生的功能数据集，头文件包括与统计方法有关的参数，如t-test、F-test的自由度。2.2数据集的存储然而，并不是每一个数据集都必须包含一个BRIK文件。当需要时图像的显示可以由真正含有.BRIK文件的父数据集变换而来。这种功能称为“Warp-on-Demand”，如空间标准化时生成的Talairach图像。在程序设计时,图像数据集数组可以有两种方式实现存储。一种是使用malloc函数分配内存空间，另一种是使用UNIX的mmap函数。mmap函数直接将.BRIK文件映射到内存地址空间。这种映射是以只读方式实现。2.3数据集块和子数据集块一个数据集可以含有一个或多个3D数据集子块(sub-bricks)。例如，一个3D+time数据集本质上是由包含3D数据集子块构成的数组，每一个时间点的数据可以是一个数据集子块(sub-brick)；又如，一个bucket数据集也是由多个3D数据集子块组成。2.4集合或路径(session)包含一系列数据集的路径称为一个session，AFNI只读取形式为*.HEAD和*.BRIK的文件。也就是说，只能在某一个实际路径中运行AFNI。所有存放在同一session的数据集，如果显示格式相同，则认为x,y,z坐标是配准的。所以可将一数据集(常为功能数据集)重叠在另一数据集上(常为解剖数据集)，即使其轴向和体素大小不一致。通常，在同一session目录中，是从一个被试一次扫描session中获得及其衍生的数据，通常包括：(1)解剖参考数据集(SPGR或MP-RAGE)；(2)10~20个3D+timeEPIfunctionruns；(3)从3D+time数据集计算获得的统计数据集，用来显示激活；(4)从orig转换至tlrc的数据集，用于被试间的比较。2.5文件类型AFNI除能识别BRIK和HEAD文件外，还可以识别下列文件格式：ANALYZE(.hdr/.imgfilepairs)：SPM,FSL所使用的格式；MINC(.mnc)：MNItools所使用的格式；CTF(.mri,.svl)：MEGanalysisvolumes；NIfTI-1(.nii)：一个新的由AFNI,SPM,FSL,andBrainVoyager达成协议的标准格式；ASCIItext(.1D)：按列排放的数字，如刺激处理参数。3AFNI的交互界面3.1启动AFNI将当前目录切换至数据集所在目录，直接键入AFNI启动界面。AFNI从当前目录读取数据集。AFNI–dir1dir2则AFNI可从列出的目录中读取数据；AFNI–R则AFNI可从当前目录及其所有子目录读取数据集。(-Recursively，递归地)3.2AFNI界面(1)主界面(下图)通常，坐标系都是按RAI的次序(DICOM标准)，x=Right(negative)toLeft(positive)，y=Anterior(negative)toPosterior(positive)，z=Inferior(negative)toSuperior(positive)。通常，通过SwitchUnderlay选择高分辩率的解剖数据集，而通过SwitchOverlay选择低分辩率的功能数据集(并且根据需要插值至解剖像分辩率和翻转至解剖像轴像)。(2)DefineOverLay窗口(右图)(3)DefineDataMode窗口(下图)Plug-ins功能(具体功能见后面的数据分析步骤)(4)图像和图表窗口图像(Image)窗口Disp用于改变显示方式，Mont(Montage)用于对Slice进行剪切(顾名思义，同电影剪切一样)，如同时显示2行4例，再设置一定的间距(spacing)，可以美观地显示结果。图表(Graph)窗口其中，Opt用于控制显示选项，FIM用来提供对功能数据集的交互的统计计算(详见后述)。(5)其它窗口(如to3d,DrawDataset,Render等)，分别见后面数据分析步骤。3.3在Batch模式下使用AFNI命令3.4AFNI的Plug-ins(见上述)4.数据分析基本原则(请参考PDF文件)5数据处理基本步骤(1)原始功能像的重建(reconstructionofrawfunctionalimages)(P-files)(2)转换成AFNI格式(conversiontoA