大鼠DTI数据分析流程

-

大鼠DTI数据分析流程

20180728
  • 首先把数据分好类，我需要分析b0、fa和md文件，因此就提前分好类各自放在各自的文件夹内。

    image.png
    image.png
最好是每个文件夹内的文件命名有规律，像下图一样：

image.png
image.png
这样方便后续的分析，省时省力。
  • 第二步，找到一个标准点的大鼠，然后把其他所有的大鼠配准到这只大鼠上，得到对应的.mat文件，这一步因为文件命名好了，因此写了一个简单的python脚本来重复执行操作，代码如下：
# 20180717 By galory 
#This code is processing rat's DTI data 
import os
path = "/brain/zhanjunzhang/Desktop/galory/time1secondprocess/b0process/"
files = os.listdir(path)
# s= []
#cmd = os.system("flirt -in 101b0.gz -ref 104b0.gz -dof 12 -out 101to104 -omat 101to104.mat")
for file in files:
    file1 = str(file)
    three_str = str(file1[0]+file1[1]+file1[2])
    if file != '104b0.nii.gz':
        # cmd
        print (file)
        os.system("flirt -in %s -ref 104b0.nii.gz -dof 12 -out %sto104 -omat %s/%sto104.mat" %(file1,three_str,path,three_str))
#        os.system('ls')
# cmd = os.system("flirt -in 101b0.gz -ref 104b0.gz -dof 12 -out 101to104 -omat 101to104.mat")
# cmd = flirt -in 101b0.gz -ref 104b0.gz -dof 12 -out 101to104 -omat 101to104.mat
这里需要注意的地方是，当你在windows下写python的时候，绝大可能你的配置环境是python3.x，但因为要在服务器运行，因此要看服务器的python版本号，我这里是python2.7.11，因此需要将代码稍微修改修改。
  • 下一步就是把上一步配准好的文件平均一下得到一个平均的模板average.nii.gz
    因为这一步的fslmaths 命令需要输入的参数很多，因此写了个循环把需要的循环都输出，然后复制，代码如下：
# 20180717 By galory  Mail 996377370a@gmail.com
#This code is processing rat's DTI data 
import os
path = "/brain/zhanjunzhang/Desktop/galory/time1secondprocess/b0process/"
files = os.listdir(path)
# s= []
#cmd = os.system("flirt -in 101b0.gz -ref 104b0.gz -dof 12 -out 101to104 -omat 101to104.mat")
count = 0
for file in files:
    if len(file) == 15:
        print "-add %s" %(file),
        count +=1
print(count)
image.png
image.png
  • 下一步就可以执行fslmaths img1 -add img2 -add img3 -add ...... -add imgN -div N命令了
    image.png
    image.png
  • 下一步，把所有的b0像配准到上一步得到的average.nii.gz上，得到相应的.mat文件，用于下一步fa的配准（原理是基于每只大鼠的b0与fa具有相同的结构信息）
    这一步的代码如下：
# 20180729 By galory 
#This code is processing rat's DTI data 
import os
path = "/brain/zhanjunzhang/Desktop/galory/time1secondprocess/b0process/"
files = os.listdir(path)
# s= []
#cmd = os.system("flirt -in 101b0.gz -ref 104b0.gz -dof 12 -out 101to104 -omat 101to104.mat")
for file in files:
    file1 = str(file)
    three_str = str(file1[0]+file1[1]+file1[2])
    if file != '104b0.nii.gz':
        # cmd
        print (file)
        os.system("flirt -in %s -ref 104b0.nii.gz -dof 12 -out %sto104 -omat %s/%sto104.mat" %(file1,three_str,path,three_str))
#        os.system('ls')
# cmd = os.system("flirt -in 101b0.gz -ref 104b0.gz -dof 12 -out 101to104 -omat 101to104.mat")
# cmd = flirt -in 101b0.gz -ref 104b0.gz -dof 12 -out 101to104 -omat 101to104.mat
  • 这一步，就是利用上一步得到的.mat文件把fa配准到average.nii.gz上
    代码如下：
# 20180720 By galory  Mail 996377370a@gmail.com
#This code is processing rat's DTI data 
#This is for registering FA.nii to average.nii.

import os
from os import walk

path_average = "/brain/zhanjunzhang/Desktop/galory/time1secondprocess/faprocess/fatoaverage/"
# path = "/brain/zhanjunzhang/Desktop/galory/trial/fatoaverage/"
path = "/brain/zhanjunzhang/Desktop/galory/time1secondprocess/faprocess/fatoaverage/fa/"
files = os.listdir(path)


# path1 = "/brain/zhanjunzhang/Desktop/galory/trial/fatoaveragemat/"
path1 = "/brain/zhanjunzhang/Desktop/galory/time1secondprocess/faprocess/fatoaverage/mat/"
filesmat = os.listdir(path1)

# s= []
#cmd = os.system("flirt -in 101b0.gz -ref 104b0.gz -dof 12 -out 101to104 -omat 101to104.mat")
f = []
def filenew1(filesmat1):
    for file in filesmat1:
        filenew = str(file)
        
        four_strmat = str(filenew[0]+filenew[1]+filenew[2]+filenew[3])
        f.extend(four_strmat)

    return four_strmat
matfile = filenew1(filesmat)
#print(f)
print('------')

# first,convert the list to string
fstr = "".join(f)
# print (fstr.split('t',-1))
str0 = fstr.split('t',-1)
# delete the last element
del str0[-1]
#print(str0)
str0_sort = sorted(str0)
print(str0_sort)



f1 = []
def filenames(files1):
    for file in files1:
        file1 = str(file)
        
        four_str = str(file1[0]+file1[1]+file1[2]+file1[3])
        f1.extend(four_str)

    return four_str
file_name = filenames(files)
#print(f1)
# first,convert the list to string
f1str = "".join(f1)
# print (f1str.split('f',-1))
str1 = f1str.split('f',-1)
del str1[-1]
#print(str1)
str1_sort = sorted(str1)
print(str1_sort)
# test ,success!  
# print(str1[0])


# sort the two strings



# now to compare str1 and str2
i = 0
while i < 68:
    first =  int(str0_sort[i])
    second = int(str1_sort[i])
    print('Hello,Galory.You have a good smile!')
    os.system("flirt -in %s/%sfa.nii.gz -ref %s/average.nii.gz -out %s/%sfatoaverage -applyxfm -init %s/%stoaverage.mat" %(path,str0_sort[i],path_average,path,str0_sort[i],path1,str0_sort[i]))
    i = i + 1
    
print("Done!")
注意，以上代码是基于特定的文件夹存放结构，如下图：average.nii.gz、mat文件夹以及fa文件夹都在同一个目录下，各自的位置对应于以上代码中的path
image.png
image.png
  • fa配准完成
  • md的配准与fa配准过程完全一样，只需要修改下md文件所在的路径就可以。还有一个特别注意的是最后一步的代码里因为过程中分隔字符在fa分析中使用'f'，而在md分析中要换为'm'；以及数量不一样，第一个时间点数量有69个，因此循环69次；第二个时间点64个，循环64次。
附上第二个时间点的代码，基本没什么变化。
# 20180718 By galory  Mail 996377370a@gmail.com
#This code is processing rat's DTI data 
#This is registering all b0 file to average file obtaining from the second step
import os
path = "/brain/zhanjunzhang/Desktop/galory/time2process/b0/"
files = os.listdir(path)
# s= []
#cmd = os.system("flirt -in 101b0.gz -ref 104b0.gz -dof 12 -out 101to104 -omat 101to104.mat")
for file in files:
    file1 = str(file)
    three_str = str(file1[0]+file1[1]+file1[2])
    if (file != 'average.nii.gz')and (file != 'linux_process3.py'):
        # cmd
        print (file)
        os.system("flirt -in %s -ref average.nii.gz -dof 12 -out %s/%stoaverage -omat %s/%stoaverage.mat" %(file,path,three_str,path,three_str))
#     os.system('ls')
# cmd = os.system("flirt -in 101b0.gz -ref 104b0.gz -dof 12 -out 101to104 -omat 101to104.mat")
# cmd = flirt -in 101b0.gz -ref 104b0.gz -dof 12 -out 101to104 -omat 101to104.mat


# 20180720 By galory  Mail 996377370a@gmail.com
#This code is processing rat's DTI data 
#This is for registering FA.nii to average.nii.

import os
from os import walk

path_average = "/brain/zhanjunzhang/Desktop/galory/time2process/md/step2/"
# path = "/brain/zhanjunzhang/Desktop/galory/trial/fatoaverage/"
path = "/brain/zhanjunzhang/Desktop/galory/time2process/md/step2/md/"
files = os.listdir(path)


# path1 = "/brain/zhanjunzhang/Desktop/galory/trial/fatoaveragemat/"
path1 = "/brain/zhanjunzhang/Desktop/galory/time2process/md/step2/mat/"
filesmat = os.listdir(path1)

# s= []
#cmd = os.system("flirt -in 101b0.gz -ref 104b0.gz -dof 12 -out 101to104 -omat 101to104.mat")
f = []
def filenew1(filesmat1):
    for file in filesmat1:
        filenew = str(file)
        
        four_strmat = str(filenew[0]+filenew[1]+filenew[2]+filenew[3])
        f.extend(four_strmat)

    return four_strmat
matfile = filenew1(filesmat)
#print(f)
print('------')

# first,convert the list to string
fstr = "".join(f)
# print (fstr.split('t',-1))
str0 = fstr.split('t',-1)
# delete the last element
del str0[-1]
#print(str0)
str0_sort = sorted(str0)
print(str0_sort)



f1 = []
def filenames(files1):
    for file in files1:
        file1 = str(file)
        
        four_str = str(file1[0]+file1[1]+file1[2]+file1[3])
        f1.extend(four_str)

    return four_str
file_name = filenames(files)
#print(f1)
# first,convert the list to string
f1str = "".join(f1)
# print (f1str.split('f',-1))
str1 = f1str.split('m',-1)
del str1[-1]
#print(str1)
str1_sort = sorted(str1)
print(str1_sort)
# test ,success!  
# print(str1[0])
# sort the two strings
# now to compare str1 and str2
i = 0
while i < 64:
    first =  int(str0_sort[i])
    second = int(str1_sort[i])
    print('Hello,Galory.You have a good smile!')
    os.system("flirt -in %s/%smd.nii.gz -ref %s/average.nii.gz -out %s/%smdtoaverage -applyxfm -init %s/%stoaverage.mat" %(path,str0_sort[i],path_average,path,str0_sort[i],path1,str0_sort[i]))
    i = i + 1
    
print("Done!")
20180729
修正(上文已修改)：第一步把所有的b0像配准到一只标准一点的大鼠，比如配到104b0.nii.gz上，然后用fslmaths命令得到average.nii.gz，这样就是为了得到average.nii.gz。第二步应该是把所有的b0像配到average.nii.gz上得到一个.mat文件，这个.mat文件在最后一步fa配准到average时用得到。原理就是每个大鼠的b0跟fa具有同样的结构信息，因此可以用这个矩阵来得到想要的fa.
第一个时间点和第二个时间点的简单步骤如下：
第一个时间点：

    1. flirt -in 101b0.nii.gz -ref 104b0.nii.gz -dof 12 -out 101to104 -omat 101to104.mat
    2. fslmaths img1 -add img2 -add img3 -add ...... -add imgN -div N average

    3. flirt -in 101b0.nii.gz -ref average.nii.gz -dof 12 -out 101toaverage -omat 101toaverage.mat
    4. flirt -in 101fa.nii.gz  -ref  average.nii.gz  -out 101tofa.nii.gz -applyxfm -init 101toaverage.mat

第二个时间点：

    1. flirt -in 101b0.nii.gz -ref average.nii.gz -dof 12 -out 101toaverage -omat 101toaverage.mat
    2. flirt -in 101fa.nii.gz  -ref  average.nii.gz  -out 101tofa.nii.gz -applyxfm -init 101toaverage.mat
  • 此外，除了写脚本，也可以把全部命令都放到同一个txt文本中，然后依次执行。

评论

发表评论

此博客中的热门博文

如何下载Internet Archive中借阅类图书【详细指南】

-
目标 ：下载Internet Archive中的借阅类图书。 问题分析 ： Internet Archive中的书一般历史久远，注册后只能借阅，不太方便。 测试 ： 使用一些在线工具尝试acsm转pdf文件，未果。 转为借由acsm文件间接下载的方式。 亲测能用的方法 ： 1.下载图书对应的acsm文件，方法为 修改url的链接 ，acsm文件很小，为2KB左右； 2.安装Adobe Digital Edition； 3.通过Adobe Digital Edition打开acsm文件，此时可以找到电脑中产生了一个你想要的图书的pdf文件，但因为是加密的，无法用正常的pdf阅读软件打开，接着进行下一步； 4.安装calibre，注意安装5.0版本之前的版本，因为最新版本不支持DeDRM插件； 5.安装完calibre软件后再下载[DeDRM插件]( Releases · apprenticeharper/DeDRM_tools (github.com) )，这里要 注意 下载对应适配calibre版本的DeDRM版本，下载后解压缩，并按照"首选项-插件-从文件加载插件"的步骤加载该插件； 6.DeDRM插件安装成功后接着用calibre打开加密的pdf文件，加载完毕，问题已搞定，通过calibre找到图书的pdf文件存放位置，会发现可以用正常的pdf阅读软件正常打开了。 参考链接： 1.reddit中给出的方法： (1) In archive org, some books can only be borrowed for 1 hour, these types of books do not have a download button as usual, does anyone know how to download these kind of books? : libgen (reddit.com) 2.下载图书的acsm文件： internet archive一小时借阅限制破解 - ericfoner (@ericfoner) (matters.news) 2.艺术史图书馆公众号给出的教程： Internet Archive中借阅类图书的下载和破解方法 (qq.com) 3.解决calibre安装DeDRM插件的问题： DeDRM_too...
阅读全文

2021年网站更新，再出发

-
更新了我的blogger，现在可以顺利访问。 终于搞定，折腾一下午，终于排除了所有的bug，久违的感觉。 修改过程参考了一些博文，也发现这些博文有的地方存在问题，仍然需要自己摸索，提供个思路是可以的。折腾完毕，把用到的js文件、头像文件保存到了阿里云的云存储系统，后续细节抽空再更新，目前定位是博文只包含文字，因为图片访问还得考虑图片的存储问题。 参考链接： 头像和js文件先是尝试了github没成功，后来放到阿里云的oss存放。 1. https://www.cnblogs.com/ChenYFan/p/13455143.html 2. https://blog.iljw.me/2016/09/blogger.html 20210202
阅读全文

心理学书籍推荐

-
1. 《心理学与生活》 [美] 理查德·格里格 / [美] 菲利普·津巴多 心理学与生活（第19版） 2.《 津巴多普通心理学》 [美]菲利普•津巴多（Philip Zimbardo）  /  [美]罗伯特•约翰逊（Robert Johnson）  /  [美]薇薇安•麦卡恩（Vivian McCann） 津巴多普通心理学（原书第8版·2022修订） 3.《 教育心理学 》 [美]罗伯特·斯莱文 教育心理学（第10版） 4.《 社会心理学》 戴维·迈尔斯 (David G.Myers) 社会心理学（第11版，平装版） 5.《 认知心理学及其启示 》 [美] 约翰·R.安德森 认知心理学及其启示 6.《 思考，快与慢 》 [美国] 丹尼尔·卡尼曼  /  [美国] Daniel Kahneman 思考，快与慢 7.《 心流 》 [美] 米哈里·契克森米哈赖 心流 8. 《少有人走的路》 [美国] 斯科特·派克 少有人走的路 9.《 了不起的我 》 陈海贤 了不起的我 10.《 改变心理学的40项研究 》 罗杰•霍克 (Roger R. Hock) 改变心理学的40项研究 11.《 对伪心理学说不 》 [加拿大] 基思·斯坦诺维奇 对伪心理学说不 2022.8.24
阅读全文