医学图像分析工具01：FreeSurfer || Recon -all 全流程MRI皮质表面重建

FreeSurfer是什么

FreeSurfer 是一个功能强大的神经影像学分析软件包，广泛用于处理和可视化大脑的横断面和纵向研究数据。该软件由马萨诸塞州总医院的Martinos生物医学成像中心的计算神经影像实验室开发，旨在为神经科学研究人员提供一个高效、精确的数据分析平台。

FreeSurfer的官网可以通过此链接访问，源代码也托管在GitHub上，方便研究人员进行个性化定制或贡献代码。

FreeSurfer的功能和应用

FreeSurfer 提供了一整套完整的工具链，涵盖了结构性和功能性MRI数据的全面分析。其主要功能包括但不限于：

• 线性与非线性配准：用于将不同时间或不同个体的脑影像数据对齐。
• 皮质和皮质下分割：精确分割大脑皮层和皮质下结构，帮助识别和量化脑区。
• 皮质表面重建：重建大脑的皮质表面，为后续的分析提供高精度的脑部表面模型。
• 群体形态统计分析：支持对多个人群或实验组的数据进行统计分析，探究大脑形态学的群体差异。
• 扩散MRI分析：分析水分子在大脑白质中的扩散过程，用于研究大脑的连接结构。
• PET分析：支持对PET影像数据进行处理与分析，结合功能性影像数据进行大脑活动研究。

此外，FreeSurfer 是人类连接组计划（Human Connectome Project, HCP）的首选结构MRI分析工具，是神经影像学研究中不可或缺的分析软件。

如何安装FreeSurfer

如果你计划使用FreeSurfer，可以通过以下步骤安装：

1. 访问FreeSurfer的下载页面：FreeSurfer下载与安装。
2. 按照页面上的指示进行安装。
3. 安装完成后，需要设置相应的环境变量以确保FreeSurfer正常运行。

需要注意的是，目前FreeSurfer只提供Linux版本，Windows用户可以通过虚拟机或远程桌面环境来使用。若你的计算环境为Linux服务器，通常可以通过远程桌面进行操作，确保能够利用FreeSurfer强大的功能进行数据处理和分析。

命令行大全

recon-all 是 FreeSurfer 中最重要的命令之一，用于自动化处理和分析磁共振成像（MRI）数据，执行一系列的预处理、分割、配准、表面建模和标注等步骤。其目标是为大脑图像提供精确的结构性分析，包括皮层和白质的分割，皮层厚度的计算，以及大脑区域的标注等。

recon-all 分为不同的 subcommands（如 -autorecon1, -autorecon2, -autorecon3 等）。每个步骤执行特定的任务。

其中，阶段1主要是进行数据的初步预处理，进行MRI数据的转换和配准；阶段2进一步处理数据，进行大脑区域的标注和分割；阶段3更加深入的脑区分割、标注和计算。

---

recon-all -autorecon1

Step	Individual Flag	Input	Command Line	Output	中文说明
Import Input Volume	-i <invol1>	invol1.dcm or .nii or .mgz	mri_convert invol1.dcm orig/001.mgz	orig/001.mgz	输入第一个图像文件，支持 DICOM、NIfTI 或 MGZ 格式，转为标准格式并保存为 orig/001.mgz
Optional Second Volume	-i <invol2> (optional)	invol2.dcm or .nii or .mgz	mri_convert invol2.dcm orig/002.mgz	orig/002.mgz	可选输入第二个图像文件，转换并保存为 orig/002.mgz
T2 or FLAIR Input	-T2 <invol> or -FLAIR <invol>	invol.dcm or .nii or .mgz	mri_convert --no_scale 1 invol.dcm orig/T2raw.mgz	orig/T2raw.mgz	可选输入 T2 或 FLAIR 图像文件，处理后保存为 orig/T2raw.mgz
Motion Correction	-motioncor	orig/001.mgz, orig/002.mgz	mri_robust_template 生成 rawavg.mgz，然后 mri_convert rawavg.mgz orig.mgz --conform	orig.mgz	进行运动校正，将多张原始图像对齐，生成标准化的原始图像 orig.mgz
Talairach Alignment	-talairach	orig.mgz	一系列命令生成 transforms/talairach.xfm	transforms/talairach.xfm	通过 Talairach 坐标系对图像进行对齐，生成对齐变换文件 transforms/talairach.xfm
NU Intensity Correction	-nuintensitycor	orig.mgz	mri_nu_correct.mni 生成 nu.mgz	nu.mgz	对强度非均匀性进行校正，生成校正后的图像 nu.mgz
Normalization	-normalization	nu.mgz	mri_normalize 生成 T1.mgz	T1.mgz	对 T1 图像进行标准化处理，生成标准化的 T1 图像 T1.mgz
Skull Strip	-skullstrip	nu.mgz, T1.mgz	mri_watershed 生成 brainmask.auto.mgz，然后拷贝为 brainmask.mgz	brainmask.mgz	去除头骨信息，生成大脑掩膜 brainmask.mgz

---

recon-all -autorecon2

Step	Individual Flag	Input	Command Line	Output	中文说明
GCA Registration	-gcareg	brainmask.mgz	mri_em_register -uns 3 -mask brainmask.mgz nu.mgz $FREESURFER_HOME/average/RB_all_2016-05-10.vc700.gca transforms/talairach.lta	transforms/talairach.lta	使用大脑掩膜进行 GCA 模型的配准，生成 Talairach 对齐文件 transforms/talairach.lta
CA Normalization	-canorm	brainmask.mgz, nu.mgz	mri_ca_normalize -mask brainmask.mgz nu.mgz $FREESURFER_HOME/average/RB_all_2016-05-10.vc700.gca transforms/talairach.lta norm.mgz	norm.mgz	对图像强度进行标准化，生成校正后的图像 norm.mgz
CA Registration	-careg	brainmask.mgz, norm.mgz	mri_ca_register -mask brainmask.mgz norm.mgz $FREESURFER_HOME/average/RB_all_2016-05-10.vc700.gca transforms/talairach.m3z	transforms/talairach.m3z	使用 CA 模型对图像进行配准，生成变换矩阵 transforms/talairach.m3z
CA Labeling	-calabel	norm.mgz, transforms/talairach.m3z	mri_ca_label 生成 aseg.auto_noCCseg.mgz	aseg.auto_noCCseg.mgz	根据 CA 模型进行自动标注，生成初步分割结果 aseg.auto_noCCseg.mgz
WM Segmentation	-segmentation	brain.mgz, aseg.presurf.mgz	一系列命令生成分割后的 WM 图像 wm.mgz	wm.mgz	对白质区域进行分割，生成白质掩膜 wm.mgz
Fill	-fill	wm.mgz	mri_fill 生成填充后的图像 filled.mgz	filled.mgz	填充白质区域与皮质区域之间的边界，生成填充图像 filled.mgz
Tessellation	-tessellate	filled.mgz	mri_tessellate 生成皮层表面网格文件 lh.orig.nofix 和 rh.orig.nofix	lh.orig.nofix, rh.orig.nofix	对填充图像进行三角网格化，生成左右脑初步表面文件

---

recon-all -autorecon3

Step	Individual Flag	Input	Command Line	Output	中文说明
Sphere Surface	-sphere	?h.inflated	mris_sphere ?h.inflated ?h.sphere	?h.sphere	将表面展开为球形表面，生成 ?h.sphere 文件
Surface Registration	-surfreg	?h.sphere	mris_register 生成 ?h.sphere.reg	?h.sphere.reg	对球形表面进行配准，生成注册后的球面文件 ?h.sphere.reg
Cortical Parcellation	-cortparc	aseg.presurf.mgz	mris_ca_label 生成分区注释文件 label/?h.aparc.annot	label/?h.aparc.annot	基于皮层分区模型进行分区注释，生成 label/?h.aparc.annot
Cortical Stats	-parcstats	label/?h.aparc.annot	mris_anatomical_stats 生成统计文件 stats/?h.aparc.stats	stats/?h.aparc.stats	生成皮层分区的统计信息

常用示例

示例 1：运行完整的 recon-all 流程

处理一个单独的 MRI 数据集，包含从原始数据到最终皮质重建的所有步骤。

recon-all -all -s subject1 -i T1.mgz

• 解释：
  • -all：执行 recon-all 的完整流水线，包含 autorecon1、autorecon2 和 autorecon3。
  • -s subject1：指定受试者的 ID（subject1）。
  • -i T1.mgz：输入 MRI 数据（支持 .mgz, .nii, .dcm 格式）。
• 输出：
  • 在 SUBJECTS_DIR 中创建名为 subject1 的目录，包含所有重建的中间文件和最终结果。

---

示例 2：只运行 autorecon1

仅进行初步处理，例如格式转换、运动校正和 Talairach 坐标系校准。

recon-all -autorecon1 -s subject1 -i T1.mgz

• 解释：
  • -autorecon1：执行 recon-all 的第一阶段（初步处理）。
  • -s subject1 和 -i T1.mgz 与上例相同。
• 输出：
  • 生成初步结果，如：
    • orig.mgz（原始图像）
    • nu.mgz（非均匀校正后的图像）
    • talairach.xfm（Talairach 配准文件）

---

示例 3：运行 autorecon2 后续步骤

在 autorecon1 完成后，继续运行第二阶段以进行脑分割和白质表面生成。

recon-all -autorecon2 -s subject1

• 解释：
  • -autorecon2：执行 recon-all 的第二阶段。
  • 假设 autorecon1 已成功完成。
• 输出：
  • 生成如白质分割（wm.mgz）和初始白质表面（lh.white, rh.white）等文件。

---

示例 4：运行 autorecon3 最终步骤

在 autorecon2 完成后，生成高级表面和皮质分区。

recon-all -autorecon3 -s subject1

• 解释：
  • -autorecon3：执行第三阶段，用于生成球面表面（sphere）和分区注释（如 aparc.annot）。
  • 假设 autorecon2 已完成。
• 输出：
  • 生成如球面注册（lh.sphere, rh.sphere）、皮质厚度（lh.thickness, rh.thickness）、分区文件等。

---

示例 5：多模态数据（T1 和 T2 或 FLAIR）

结合 T1 和 T2 或 FLAIR 图像，提高重建质量（如皮质-白质界面）。

recon-all -all -s subject1 -i T1.mgz -T2 T2.mgz

• 解释：
  • -T2 T2.mgz：额外提供 T2 图像以辅助重建。
  • 此外可用 -FLAIR flair.mgz 添加 FLAIR 图像。
• 输出：
  • 更高精度的皮质表面和分区，例如改进了皮质和白质的分割。

---

示例 6：指定已有 Talairach 配准

如果 Talairach 配准（talairach.xfm）已经存在，可直接指定以节省时间。

recon-all -all -s subject1 -i T1.mgz -talairach transforms/talairach.xfm

• 解释：
  • -talairach transforms/talairach.xfm：使用已存在的 Talairach 配准文件。
• 输出：
  • 跳过 Talairach 配准步骤。

---

示例 7：并行化处理多个数据集

对多个数据集运行 recon-all，利用多线程并行处理。

recon-all -parallel -openmp 8 -all -s subject1 -i T1.mgz

• 解释：
  • -parallel：启用并行化。
  • -openmp 8：使用 8 个线程进行处理。
• 输出：
  • 更快完成整个重建流程。

---

示例 8：跳过特定步骤

仅运行感兴趣的步骤，避免重复已完成的部分。

recon-all -s subject1 -segmentation -tessellate

• 解释：
  • -segmentation：仅运行分割步骤。
  • -tessellate：仅生成表面网格。

---

示例 9：检查数据质量

在重建完成后，使用内置工具检查数据质量。

freeview -v subject1/mri/T1.mgz subject1/mri/brainmask.mgz subject1/surf/lh.white subject1/surf/lh.pial

• 解释：
  • 使用 freeview 可视化 T1 图像、脑掩膜、白质表面和皮层表面。

---

示例 10：重新运行失败的部分

如果某个步骤失败，可以从该部分重新运行。

recon-all -autorecon2 -s subject1 -no-isrunning

• 解释：
  • -no-isrunning：忽略 .isrunning 文件（避免因意外中断导致无法重新运行）。

---

重要说明

• SUBJECTS_DIR：运行命令前需要确保环境变量已设置为存储结果的目录。

  export SUBJECTS_DIR=/path/to/output/directory
  

• 多模态支持：使用 T2 或 FLAIR 数据时，需确保输入数据与 T1 图像对齐。