核磁干货|SPM场图校正

2024-06-14 17:38
文章标签 干货 校正 spm 核磁 场图

本文主要是介绍核磁干货|SPM场图校正,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

大家好,我是茗创科技的Sheep

最近在分析核磁任务态数据

跟大家分享一下如何用SPM做场图校正

欢迎讨论~


SPM 场图校正

场图校正是指对成像进行静态和动态的畸变校正。

在SPM中做场图校正是通过FieldMap Toolbox 完成的。

它包括两个步骤:

1. Calculate,计算体素位移图(VDM)

2. Apply,使用VDM对成像进行校正

注:A voxel displacement map (VDM) is created that can be used with Realign & Unwarp for doing a combined static and dynamic distortion correction or with an Apply VDM function for doing a static distortion correction on a set of realigned images (SPM manual: p173)


具体过程

No.1 计算体素位移图

1.1 对数据进行转格式

注:If two magnitude images are available, select the one acquired at the shorter echo time because it will have greater signal (SPM manual: p173).

这里我在处理的时候遇到一个问题,我首先用mricro的dcom2nii转换后两个幅值图的TE相同,然而查看原始IMA图像可以看到有两个TE,分别是4.92和7.38。于是我用脚本重新对数据进行转格式,这次生成的两个文件TE就不一样长了。下图第一个文件为短TE,第二个为长TE。这里提醒大家注意检查数据。

这里也把如何从IMA文件读取信息的方法贴了出来。

由于前面使用的转格式软件转出来的数据有些问题,于是我从博士师兄那里打听到了一个新软件-MRIcroGL。这个软件将原始文件转换为nii后会输出相关信息在一个文件夹。例如number of echos, echo spacing等。这些信息很重要,后面还会用到。

如需该软件,请在评论里留言或联系微信号 17373158786 即可获得。

1.2 计算体素位移图

确认total EPI readout time填什么,

花了我一些时间,

这里把过程详细贴出来,

欢迎大家讨论。

SPM manual这么描述这个参数。

在使用mricrogl转格式获得的.json文件中有该参数信息。

可以看到,这里有Echo spacing o和effective echo spacing,应该用哪个来计算呢?

四处查阅资料后,我翻到了关于total EPI readout time的另一种解释。

基于我的数据,

Effective echo spacing乘以number of echos(相位编码步级数)得到的值 (0.02997) 

和1/BandwidthPerPixelPhaseEncode的值 (0.0302398) 相似。

根据SPM manual,回波时间不包括激发时间,延迟和饱和时间,在问过尹老师后,决定采用Effective echo spacing进行计算,即111*0.00027(s)【填入SPM的值单位要为ms】。

No.2 应用体素位移图


完,感谢阅读。

更多需要请联系微信号 17373158786 进行咨询

这篇关于核磁干货|SPM场图校正的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1061076

相关文章

【干货分享】基于SSM的体育场管理系统的开题报告(附源码下载地址)

中秋送好礼 中秋佳节将至,祝福大家中秋快乐,阖家幸福。本期免费分享毕业设计作品:《基于SSM的体育场管理系统》。 基于SSM的体育场管理系统的开题报告 一、课题背景与意义 随着全民健身理念的深入人心,体育场已成为广大师生和社区居民进行体育锻炼的重要场所。然而,传统的体育场管理方式存在诸多问题,如资源分配不均、预约流程繁琐、数据统计不准确等,严重影响了体育场的使用效率和用户体验。

【超级干货】2天速成PyTorch深度学习入门教程,缓解研究生焦虑

3、cnn基础 卷积神经网络 输入层 —输入图片矩阵 输入层一般是 RGB 图像或单通道的灰度图像,图片像素值在[0,255],可以用矩阵表示图片 卷积层 —特征提取 人通过特征进行图像识别,根据左图直的笔画判断X,右图曲的笔画判断圆 卷积操作 激活层 —加强特征 池化层 —压缩数据 全连接层 —进行分类 输出层 —输出分类概率 4、基于LeNet

最核心的 ICT 产品与技术话题,干货云集,让你不虚此行

7 月 27 日,Cloud Insight Conference 2018 就要和大家见面了,除了新品发布与科技、创新的前沿话题之外,还将与参会者共同探讨最核心的 ICT 产品与技术话题:超融合与软件定义存储、容器与企业微服务治理、多云管理与应用云化、SDN & SD-WAN、全栈 ICT 服务助推企业构建『双核心』全模云等。 我们隆重邀请到来自政府、金融、教育、物流、制造、零售、医疗、能源等

除了实践干货,还有精美礼品可以拿

除了实践干货,还有精美礼品可以拿 干货云集,让你不虚此行 10 场分论坛深度探讨7 款重磅产品发布50 位业界大咖精益分享30 场行业实践破局认知 你将收获什么 行业:聚焦多行业应用实践、内容维度更深入 与行业领袖们一起把握数字化时代的脉搏,共同分享探讨科技力量如何推动业务快速创新升级的最佳实践,推动云计算、大数据在更大范围、更多领域创新应用,助推企业的数字化转型。 能力:核心技术

10款好用的电脑监控软件推荐丨2024年干货整理,赶紧码住!

选择合适的电脑监控软件可以帮助企业和个人更好地管理和保护其计算机资源。以下是10款较为好用的电脑监控软件推荐。 1. 安企神 7天试用体验https://work.weixin.qq.com/ca/cawcde06a33907e60a 简介:安企神是一款专为企业设计的信息安全管理软件,提供包括文件加密、内网监控、终端准入控制等多种功能,适合企业级应用。 特点: 全面监控:包括屏幕

[干货汇总]LSA及SVD介绍

1. 前言 近期在看关于NER(Named Entity Recognition)的paper,里面涉及到的几个机器学习的算法,需要学习一下,在网上看了一些相关干货,汇总一下前人智慧。 首先贴出几篇写的还不错的blog blog1 LSA潜在语义分析 该blog是在Wiki中翻译过来,翻译的反正比我看原文理解的好,进行初步了解还是不错的。 blog2 SVD矩阵奇异值分解 &&

技术干货 |如何保障 IM以及音视频的系统稳定性、安全性、可靠性?看这篇就懂!

在当今快节奏的商业环境下,to B 行业客户对产品质量的要求越来越高,尤其是对于 IM 及音视频服务端稳定性的要求更加突出。随着技术的不断进步,这些服务的使用量不断攀升,因此稳定性建设显得尤为重要。从技术角度上,需要重视系统性能、可靠性、安全性等方面的提升,在流程上需要建立完善的开发、测试、部署流程,以确保服务端稳定性的提高。同时,需要加强对于系统监控、故障排查、灾备恢复等方面的投入,避免服务中断

干货-Google支付后台验证操作流程【业务后台-GP后台流程】

整个开发背景是前端在调用完google play支付流程后,需要后台验证支付结果以及在自己的服务生成订单相关信息。 由此着手对google后台验证的调研,首先官方流程: 点我查看官方流程 整个操作流程如下: 1、在开发者后台中启用Google Play Android Developer项目 2、在Google APIS中选择Google Play Android Deve

GitHub这么火,程序员你不学学吗? 超简单入门教程 干货

http://toutiao.com/a6331174485392261378/?tt_from=mobile_qq&utm_campaign=client_share&app=news_article&utm_source=mobile_qq&iid=5367969992&utm_medium=toutiao_ios

OpenCV下的无标定校正(stereoRectifyUncalibrated)

OpenCV下的无标定校正(stereoRectifyUncalibrated) 文章目录 1. 杂话2. 无标定校正2.1 先看代码2.2 一点解释2.3 findFundamentalMat参数2.4 stereoRectifyUncalibrated参数 3. 矫正结果 1. 杂话  咱们在之前的帖子里面讲了一些比较常规的标定和校正OpenCV下的单目标定,双目标定与立体