1. 目的
2. コマンド
3. 使用例
4. 結果
4.1. バイアス（信号ムラ）補正
4.2. ボクセルあたりの部分容積（存在割合）
4.3. 脳組織のセグメンテーション
4.4. 確率マップ
1. 目的
- RF/B1バイアス（信号ムラ）補正
- 脳組織のセグメンテーション（Segmentation）
2. コマンド
fastコマンドヘルプは次の通り。
01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 | Usage: fast [options] file(s)Optional arguments (You may optionally specify one or more of): -n,--class number of tissue-type classes; default=3 -I,--iter number of main-loop iterations during bias-field removal; default=4 -l,--lowpass bias field smoothing extent (FWHM) in mm; default=20 -t,--type type of image 1=T1, 2=T2, 3=PD; default=T1 -f,--fHard initial segmentation spatial smoothness (during bias field estimation); default=0.02 -g,--segments outputs a separate binary image for each tissue type -a <standard2input.mat> initialise using priors; you must supply a FLIRT transform -A <prior1> <prior2> <prior3> alternative prior images --nopve turn off PVE (partial volume estimation) -b output estimated bias field -B output bias-corrected image -N,--nobias do not remove bias field -S,--channels number of input images (channels); default 1 -o,--out output basename -P,--Prior use priors throughout; you must also set the -a option -W,--init number of segmentation-initialisation iterations; default=15 -R,--mixel spatial smoothness for mixeltype; default=0.3 -O,--fixed number of main-loop iterations after bias-field removal; default=4 -H,--Hyper segmentation spatial smoothness; default=0.1 -v,--verbose switch on diagnostic messages -h,--help display this message -s,--manualseg <filename> Filename containing intensities -p outputs individual probability maps |
基本的な使い方は、次の通り。
入力画像として、T1WI, T2WI, PDWIを用いることができる。
1 | fast <入力画像> T1w.nii.gz |
3. 使用例
まず前処理として、処理前の3D-T1WI（T1w.nii.gz）に対して、頭蓋除去（skull-stripping）をする。頭蓋除去のやり方は、以下を参考に。
頭蓋除去をすると次のようになる。
頭蓋除去した画像（T1_skull_stripped.nii.gz）に対して、fastコマンドを実行する。
1 | fast -t 1 -g -B -b -p -o output T1_skull_stripped.nii.gz |
ここで、使用したオプションは次の通り。
- -t：入力画像の種類。ここでは、T1WIであるため「-t 1」と設定。
- -g：セグメント後の画像をバイナリー画像として出力
- -b：バイアスフィールドを出力
- -B：バイアス補正後の画像を出力
- -p：セグメントした各確率マップを出力
- -o：出力画像の接頭辞を指定。ここでは「output」とした。
4. 結果
処理が完了すると、次のような画像が出力される。
4.1. バイアス（信号ムラ）補正
- output_bias.nii.gz：バイアスフィールド画像
- output_restore.nii.gz：バイアス補正後の画像
4.2. ボクセルあたりの部分容積（存在割合）
- output_pve_0.nii.gz：脳脊髄液の部分容積画像
- output_pve_1.nii.gz：灰白質の部分容積画像
- output_pve_2.nii.gz：白質の部分容積画像
4.3. 脳組織のセグメンテーション
- output_seg_0.nii.gz：脳脊髄液の2値（バイナリー）画像
- output_seg_1.nii.gz：灰白質の2値画像
- output_seg_2.nii.gz：白質の2値画像
- output_seg.nii.gz：脳脊髄液（1）・灰白質（2）・白質（3）がセグメントされた画像
4.4. 確率マップ
- output_prob_0.nii.gz：脳脊髄液の確率マップ
- output_prob_1.nii.gz：灰白質の確率マップ
- output_prob_2.nii.gz：白質の確率マップ
著者情報： 斎藤 勇哉
順天堂大学医学部 大学院医学研究科 放射線診断学講座所属脳MRI 画像解析が専門であり、テーマは①神経変性疾患の機序解明、②医用人工知能の開発、③多施設データのハーモナイゼーション、④速読が脳に与える影響や学習効果、⑤SNS解析を用いたマーケティング戦略の改善。
医療分野に関わらず、自然言語処理・スクレイピング・データ分析・Web アプリ開発を得意とし、企業や他大学の研究を支援。
主な使用言語は、Python、Shell Script、MATLAB、HTML、CSS
ピングバック： 【FSL】FSLを用いた構造MRIと拡散MRIの位置合わせ ~Boundary-Based Registration: BBR~