思影科技啮齿类动物(大小鼠)神经影像数据处理业务

2020-03-28

为更好的帮助到想要利用神经影像做科研的朋友们,拓展思影科技的业务范围,思影推出啮齿类动物(大小鼠)数据处理业务,如感兴趣请联系杨晓飞siyingyxf19962074063(微信号)进行咨询,电话:18580429226

思影啮齿类动物(大鼠/小鼠)数据处理现主要涵盖sMRIT1加权像)、dMRIDWI,弥散加权成像)和fMRI(功能磁共振)三种模态。


一、数据质量控制

思影帮助客户进行数据质量控制,包括数据预处理前的数据整理(模态信息整合、查漏)、扫描参数评估(包括序列的voxel sizeTRTE、时长等指标是否符合科研使用)和数据质量的人工筛查(明显的伪影筛除、扫描是否完整等)。
二、fMRI数据处理业务

1fMRI数据预处理

数据预处理内容包括:功能磁共振数据预处理流程包括数据格式转换(dicom to nifti)、去除不稳定时间点(remove timepoints)、时间层校正(slice timing)、头动校正(realign/head motion correction)、空间标准化(normalization)、空间平滑(smooth)、去线形漂移(detrend)、去尖峰(despiking)、滤波(filtering)、回归协变量(nuisance covariates regression)、去除头动过大的时间点(scrubbing)等,思影工程师将根据数据处理方案、科研标准和客户偏好灵活调整数据预处理参数,达到个性化数据处理需求。


图例数据预处理流程



2rs-fMRI指标计算与组水平统计

1)频域信号分析(ALFFfALFFslow3slow4slow5等)

通过傅立叶变换,计算血液动力学相关的特定频率段(如0.010.08Hz)的振幅信息,可以反应大脑局部活动强度。

2)局部一致性分析(ReHo

通过计算一定数目相邻体素在体素水平上的肯德尔和谐系数,可以反应静息时间段内局部血氧水平的功能一致性。

3)连接分析(voxel-wise FCROI-wise FCVMHC、动态功能连接、格兰杰因果等)

通过计算ROIROIROIvoxel之间时间序列的pearson相关系数,可以反映脑区间功能连接属性;还可以在此基础上计算左右脑镜像位置的功能连接、通过加窗方式计算功能连通性在时间维度的动态变化等;以及利用因果模型探索功能连接的方向性。

ROI-wise FC数据处理


4)基于图论的脑网络分析

a基于大尺度脑区间ROI-wise功能连接结合图论理论可以进一步进行脑网络的图论属性分析(小世界属性、Rich-club系数、度中心性模块化等)。

图论属性分析流程
      5)基于ICA的脑网络分析方法

通过盲源分离算法,在组水平上计算出时间上相互独立的体素集合,来找出具有功能一致性的大脑区域,以此界定不同的脑功能网络,还可以进一步对网络内(within network,即ICA spatial map统计)和网络间(between network,即(dynamicfunctional network connectivityFNC/dFNC)的功能连接进行组水平统计。

大鼠ICA成分图例

3、任务态数据分析

通过刺激的时间序列构建基于被试的设计矩阵并通过一般线性模型拟合全脑BOLD时间序列,计算出刺激对应的全脑激活映射。

激活分析图例


         4、组水平统计与可视化

上述功能磁共振指标均可进行统计比较,包括t检验、方差分析、回归分析以及置换检验等;本公司提供多样化的多重比较校正方案如FWE校正、FDR校正、AlphaSim校正、GRF校正、TFCE校正以及NBS校正(只限于ROI-wise FC矩阵统计)等;同时还提供定制化结果可视化方案,可根据客户提供的文献图例进行可视化。

三、sMRI数据处理业务   

1、基于体素的形态学分析(VBM   

借助FSL/VBM8等工具包对T1像进行分割、配准并计算灰白质体积密度。

灰白质分析图例

         2、结构协变连接分析

根据已有图谱提取分割好的灰质体积值,构建组水平结构协变连接矩阵并进行组间比较。     

3、组水平统计与可视化

上述结构磁共振指标均可进行统计比较,包括t检验、方差分析、回归分析以及置换检验等;本公司提供多样化的多重比较校正方案如FWE校正、FDR校正、AlphaSim校正、GRF校正、TFCE校正等等;同时还提供定制化结果可视化方案,可根据客户提供的文献图例进行可视化。

四、dMRI(弥散成像)数据处理业务

1、数据预处理

思影会对您采集的数据质量进行把关,数据预处理具体包括数据格式转换、涡流校正、梯度方向矫正等。

2、张量构建与指标计算   

思影根据不同的数据类型以及客户的不同需求,可构建多种弥散模型(如弥散张量DTI、弥散峰度成像DKI、神经突强度和散度成像NODDI等等)并计算对应的弥散指标。

DTIDKI指标图图例

3、纤维追踪   

思影可根据不同的数据类型以及客户的不同需求,可采取多种弥散模型(如弥散张量模型DTI、约束球形反卷积CSD、弥散谱成像DSI等等)

基于不同模型的确定性纤维追踪



基于不同模型的概率性纤维追踪

4、图论分析     

基于脑区间纤维追踪结合图论理论可以进一步进行脑网络的图论属性分析(小世界属性、Rich-club系数、度中心性、模块化等)。
五、脑影像机器学习   

1、基于体素的MVPA   

MVPA即通过fMRIsMRI以及dMRI的参数映射(ALFFReHoFCGMFAMDRD等脑图)可对临床/行为学指标进行分类和回归预测。思影提供的分类/回归机器学习模型包括SVMSVRRVRLASSOElasticNet等。    

2、基于脑连接组的机器学习   

基于上述fMRI功能连接和纤维追踪构建的结构连接,可对临床/行为学指标进行分类和回归预测。本公司提供的分类/回归机器学习模型包括CPMSVMSVRRVRLASSOElasticNet等。


六、注释:     

客户与思影确定合作意向以后,思影会指定专门的工程师全程与客户对接项目着手该项目数据处理,思影额外还将指派另一名工程师对项目全程进行检查,审核,把关,确保数据处理质量,思影将全程对客户数据保密。




微信扫码或者长按选择识别关注思影
感谢转发支持与推荐