sMRI剥脑壳--基于FSL_BET

2024-01-07 14:20
文章标签 脑壳 fsl bet smri

本文主要是介绍sMRI剥脑壳--基于FSL_BET,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!

1.终端输入fsl后打开BET

输入图像位置,生成图像位置,设置图像密度阈值f(f值越小,切割大脑轮廓设定越大), 选择bet执行算法,点击Go运行

 

2.参数选择(点击Advanced options)

-f <f> fractional intensity threshold (0->1); default=0.5; smaller values give larger brain outline estimates 

下图图灰色的是f=0.2的结果,蓝色是f=0.8的结果,如果初始参数设置后发现脑壳剥多了,将f参数改小,留下较大的大脑区域

-g <g> vertical gradient in fractional intensity threshold (-1->1); default=0; positive values give larger brain outline at bottom, smaller at top

如果剥脑壳后下部区域有脖子,额叶顶叶区域不完整,应设为负数,且越小顶部保留越多,底部保留越少

 

-r <r> head radius (mm not voxels); initial surface sphere is set to half of this

如果被试头部不够标准,可以修改大脑的半径以保留全部大脑区域

 

-c < x y z> centre-of-gravity (voxels not mm) of initial mesh surface.

定义大脑中心位置,在mricron中打开原图后手动选定大脑区域的中心坐标,如下图Z值过大,应将矢状面的坐标向左移

 

切割算法选择如下,一般使用自定义算法即可,通过调整参数修正剥脑壳

(自定义) run bet2

-R  "robust" brain centre estimation

-S cleanup residual eye and optic nerve voxel

-B reduce image bias, and residual neck voxels

-Z improve the brain extraction if only a few slices are present in the data

-F uses bet2 to determine a brain mask on the basis of the first volume in a 4D data set, and applies this to the whole data set

-A runs both bet2 and betsurf programs in order to get the additional skull and scalp surfaces created by betsurf.

-A2 <T2> This is the same as -A except that a T2 image is also input, to further improve the estimated skull and scalp surfaces.

这篇关于sMRI剥脑壳--基于FSL_BET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/580190

相关文章

NXP RT1060学习总结 - fsl_flexcan 基础CAN函数说明 -2

概要 CAN测试源码: https://download.csdn.net/download/qq_35671135/89425377 根据fsl_flexcan.h文件从文件末尾往前面梳理,总共30个基础CAN函数; 该文章只梳理常规CAN,增强型CAN后面再单独梳理。 使用的是RT1064开发板进行测试。 11、轮询接收CAN FIFO消息 函 数 :status_t FLEXCAN_

NXP RT1060学习总结 - fsl_flexcan 基础CAN函数说明 -1

根据fsl_flexcan.h文件从文件末尾往前面梳理,总共30个基础CAN函数; 该文章只梳理常规CAN,增强型CAN后面再单独梳理。 使用的是RT1064开发板进行测试。 1、FlexCAN IRQ句柄函数 函 数 :void FLEXCAN_TransferHandleIRQ(CAN_Type *base, flexcan_handle_t *handle); 说 明 :这个函数处理Fl

uva 1541 - To Bet or Not To Bet(记忆化+概率)

题目链接:uva 1541 - To Bet or Not To Bet 题目大意:在一个棋盘上进行游戏,给定棋盘长度m,不算起始和终止,以及走的步数t。从起点开始,每轮可以丢一枚硬币,正面移动2步,方面移动1步;中间的格子有写操作,包括移动一定步数,停止一次操作。问说在t步内到达终点的概率。 解题思路:dp[i][j]表示走到第i格用掉j步的概率,然后记忆化搜索,因为保证状态重复,并且

UVA 1541 - To Bet or Not To Bet(概率递推)

UVA 1541 - To Bet or Not To Bet 题目链接 题意:这题题意真是神了- -,看半天,大概是玩一个游戏,开始在位置0,终点在位置m + 1,每次扔一个硬币,正面走一步,反面走两步,走到的步上有4种情况: 1、向前走n步 2、向后走n步 3、停止一回合 4、无影响 问能在t次机会内,走到终点m + 1(如果跃过也算走到了)的概率,大于0.5,等于0.5,小于0

如何用bet快速创建文件夹多个同级文件夹,多层子文件夹

第一种用txt编辑,保存格式改为bat 运行即可 md用来创建文件夹 md+空格+文件夹名字 或者 md+空格+文件夹名字+\+子文件夹名字 第一个创建一个文件夹,或者多个同级文件夹用空格隔开或者用,英文逗号隔开 md 00 md 00 md 11 md 22 md 33 或者 md 00  11 22 33 44  55 或者 md 00,11,22,33,44,55

从少数示例中泛化:介绍小样本学习(Few-shot Learning,FSL)

🍉 CSDN 叶庭云:https://yetingyun.blog.csdn.net/ 论文题目:Generalizing from a Few Examples: A Survey on Few-shot Learning(ACM Computing Surveys,中科院 1 区) 这篇综述论文的主题是 “从少数示例中泛化:小样本学习综述”。它探讨了小样本学习(Few-shot

脑壳清痛之---总结thinkphp5 怎么用odbc连接sql2000

因需求改变要使用到php连接sqlserver2000数据库操作(之前是用java连接写的接口)。 1.准备开发框架:thinkphp5 2.系统开发环境ubuntu系统(这里需要配置odbc_dblib扩展) 3.tp5配置编写     'type'            => 'dblib',     // 服务器地址     'hostname'        => '1422222

FSL之t1结构像预处理命令fsl_anat

Pipeline主要步骤 The stages in the pipeline (in order) are: 1 reorient the images to the standard (MNI) orientation [fslreorient2std] 2 automatically crop the image [robustfov] 3 bias-field correction (R

前端基本功(三):javascript中让人脑壳疼的this关键字

javascript 的this关键字 this是什么 this是javascript中的关键字之一。他是使用对象自动生成的一个内部对象,只能在对象内部使用。它会根据上下文而进行变化,并且会在不同的 JavaScript的模式(是否为严格模式)下表现出差异。 this的指向关键 this的指向取决于什么地方以什么方式调用,而不是创建时。箭头函数中的 this 的作用域继承自执行上下文,箭头

FSL-RN

FSL-RN关系网络 数据流模型特征提取模块关系度量模块损失 技巧网络权重自定义的初始化方式张量的变形操作 数据流 one task: c way k shot [支持图像(每类k个样本)和查询图像(c个图像)]; batch: 基于给定支持集,采样batch组查询图像,构成一个episode ,同一个episode中的不同查询图像共享支持样本; 迭代次数:episode的个数