首页
/ 使用ciftify工具包实现个性化内在网络拓扑分析(PINT)

使用ciftify工具包实现个性化内在网络拓扑分析(PINT)

2025-05-31 17:16:06作者:翟江哲Frasier

什么是PINT技术

个性化内在网络拓扑(Personalized Intrinsic Network Topography, PINT)是一种基于功能磁共振成像(fMRI)数据的分析方法,它能够为每个被试找到"个性化"的兴趣区域(ROI)。这项技术最初由Dickie等人(2018)提出,主要用于研究自闭症谱系障碍(ASD)中的功能连接缺陷。

PINT算法的核心思想是:对于数据集中的每个被试,算法会将所谓的模板兴趣区域(ROI)位置调整到附近的一个皮层位置,即"个性化"ROI,这个位置能够最大化该ROI与其所属网络内其他ROI之间的相关性。

PINT分析前的准备工作

在运行PINT分析之前,需要确保已经完成了以下准备工作:

  1. 预处理fMRI数据并转换为cifti格式
  2. 数据已映射到LR_32k表面
  3. 准备好模板ROI定义文件(如Yeo7_2011_80verts.csv)

运行PINT分析

主要命令:ciftify_PINT_vertices

这是执行PINT分析的核心命令,基本语法结构如下:

ciftify_PINT_vertices [选项] <功能数据> <左脑表面> <右脑表面> <输入顶点文件> <输出前缀>

关键参数说明:

  1. 功能数据:预处理后的fMRI数据(.dtseries.nii格式)
  2. 表面文件:被试的左右脑表面文件(.surf.gii格式)
  3. 输入顶点文件:包含模板ROI顶点信息的CSV文件
  4. 输出前缀:指定输出文件的前缀路径

常用选项:

  • --pre-smooth:指定迭代前的平滑参数(FWHM)
  • --sampling-radius:采样ROI的半径(默认6mm)
  • --search-radius:搜索ROI的半径(默认6mm)
  • --padding-radius:ROI中心间最小距离半径(默认12mm)
  • --pcorr:使用网络内最大化偏相关(默认)
  • --corr:使用完全相关而非偏相关

实际应用示例

ciftify_PINT_vertices --pcorr \
    ${CIFTIFY_WORKDIR}/sub-50004/MNINonLinear/clean.dtseries.nii \
    ${CIFTIFY_WORKDIR}/sub-50004/MNINonLinear/fsaverage_LR32k/sub-50004.L.midthickness.32k_fs_LR.surf.gii \
    ${CIFTIFY_WORKDIR}/sub-50004/MNINonLinear/fsaverage_LR32k/sub-50004.R.midthickness.32k_fs_LR.surf.gii \
    /PINT_out/Yeo7_2011_80verts.csv \
    /PINT_out/sub-50004/sub-50004_task-rest

输出文件说明

PINT分析完成后会生成以下文件:

  1. _pint.log:包含运行设置和迭代次数的日志文件
  2. _summary.csv:顶点摘要文件,其中pvertex列包含新的"个性化"顶点位置
  3. _tvertex_meants.csv:从模板ROI提取的fMRI时间序列
  4. _pvertex_meants.csv:从个性化ROI提取的fMRI时间序列

质量检查与可视化

cifti_vis_PINT命令

PINT分析完成后,强烈建议使用cifti_vis_PINT命令生成质量控制可视化结果。该命令有三种模式:

  1. snaps模式:生成快照图像
  2. subject模式:为单个被试创建QC页面
  3. index模式:创建顶层索引HTML页面

使用示例

cifti_vis_PINT subject \
  ${CIFTIFY_WORKDIR}/sub-50004/MNINonLinear/clean.dtseries.nii \
  sub-50004 \
  PINT_out/sub-50004/sub-50004_task-rest_summary.csv

创建所有被试的QC页面后,应运行index模式生成顶层索引:

cifti_vis_PINT index

PINT后处理分析

1. 合并摘要文件

使用ciftify_postPINT1_concat命令可以将所有被试的_summary.csv文件合并为一个CSV文件,便于统计分析。该命令还会重新计算模板顶点与个性化顶点在标准HCP S1200表面上的距离。

ciftify_postPINT1_concat all_PINT_summaries_concat.csv sub*/*_summary.csv

2. 被试间距离测量

ciftify_postPINT2_sub2sub命令可以测量不同被试间个性化顶点之间的距离,这对于计算测试-重测可靠性非常重要。

ciftify_postPINT2_sub2sub [选项] <合并的PINT输出> <输出文件>

技术要点与建议

  1. ROI半径选择:默认6mm的ROI半径适用于大多数研究,但对于高分辨率数据可适当减小
  2. 相关性选择:偏相关(--pcorr)通常是更好的选择,因为它能控制其他网络的影响
  3. 距离度量:在统计分析中,建议使用std_distance列作为主要距离度量
  4. 质量控制:务必检查每个被试的QC可视化结果,确保PINT结果可靠

引用说明

使用PINT方法时,请引用原始文献: Dickie EW, et al. Personalized Intrinsic Network Topography Mapping and Functional Connectivity Deficits in Autism Spectrum Disorder. Biol Psychiatry. 2018.

通过ciftify工具包中的PINT分析流程,研究人员能够获得更加个性化的功能连接分析结果,特别适用于研究个体差异较大的临床群体,如自闭症谱系障碍患者。

登录后查看全文
热门项目推荐