1. 目的
2. データ準備
3. MIFフォーマットに変換
4. 渦電流および頭部の動き補正
5. 脳マスクの作成
6. 応答関数（Response function）の推定
7. 白質配向分布の推定
8. Tractographyの実行
9. Track Density Imaging (TDI)
1. 目的
- MRtrix3の公式ページにあるTractgraphyの基礎（Beginner DWI tutorial）に挑戦
- ここでは、軽く流れをしてもらえれば良いです。
2. データ準備
次のようなデータを準備する。今回のデータはSingle Phase encodingかつSingle Shell (b=0, 1000 s/mm^2)のデータとする。
- DWI.nii.gz - bvecs - bvals - headers.json
3. MIFフォーマットに変換
【MRtrix】NIfTI形式からMIF形式の変換を参考に、NIfTIをMIFフォーマットに変換する。
mrconvert -fslgrad bvecs bvals -json_import headers.json DWI.nii.gz DWI.mif
4. 渦電流および頭部の動き補正
【MRtrix】MRtrixを用いた拡散MRIの前処理 ～歪み・頭の動き・渦電流の補正～を、参考に前処理。
dwifslpreproc DWI.mif DWI_preproc.mif -rpe_header
5. 脳マスクの作成
MRtrixを用いた拡散MRIのマスク画像の作成を参考にして、脳マスクを作成。
dwi2mask DWI_preproc.mif DWI_mask.mif
6. 応答関数（Response function）の推定
DWI信号値に逆畳み込みをして、白質の配向分布を推定するため応答関数を推定する。
dwi2response tournier DWI_preproc.mif WM_response_function.txt
7. 白質配向分布の推定
Constrained Spherical Deconvolution (CSD)を使って、白質配向分布を推定。
dwi2fod csd DWI_preproc.mif WM_response_function.txt WM_FOD.mif -mask DWI_mask.mif
8. Tractographyの実行
以下のようにして、Tractographyを実行する。ここでは、1万本のTrackをひくことにします。
tckgen WM_FOD.mif track.tck -seed_image DWI_mask.mif -mask DWI_mask.mif -select 10000
生成したTractographyを表示するためには、以下のコマンドを実行。
mrview DWI_preproc.mif -tractography.load track.tck &
9. Track Density Imaging (TDI)
ボクセル当たりに存在するTrackの本数、つまりトラクトの密度を反映したMapを生成することができます。
tckmap track.tck TDI.mif -vox 0.5
生成したTDI mapを表示するためには、以下のコマンドを実行。
mrview TDI.mif &
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
