OpenTutorials | fMRIprep(多模態磁共振數據預處理工具)詳解

2021-01-17 OpenScience

基於多模態磁共振數據的神經科學研究者常常面臨一個困境，自己的研究工作本來只是想藉助神經影像數據回答具體的科學問題，但卻耗費了大量的時間折騰數據，修改腳本以及查找可能的數據預處理錯誤，好不容易把結果分析完，在文章投稿時，審稿人又會要求對很多數據處理細節問題進行重複，在神經影像數據量越來越大的當下，數據預處理的低效對科研效率的提升形成較明顯的阻礙。針對上述問題，標準化的批處理流程日益成為科研工作者的首選，本次OpenTutoral我們將會為大家提供一個fMRIprep的實用教程，在指導上手fMRIprep的同時，也幫助大家了解fMRIprep各個處理環節。

北京時間[UTC+8] 12月12日(周六) 21:00
歐洲中部時間[CET] 12月12日(周六) 14:00
美國東部時間[EST] 12月12日(周六) 08:00
時長為90分鐘

Meeting ID: 958 4455 3364

王慶，博士後，MNI

主要研究方向為：開放與可重複神經影像數據科學，磁共振數據處理，腦網絡估計與評估，電生理數據建模與處理等

 

助教

王鑫迪，博士後，MNI

可重複性是科學研究中的重中之重，近年來，可重複性危機引起了神經影像領域學者的重視。神經影像的處理過程涉及複雜的實驗設計、建模與處理，統一的數據組織和文檔化的數據處理流程和運行環境是保證研究可重複性的基礎。fMRIPrep是由史丹福大學可重複神經科學實驗室開發和維護的多模態磁共振數據預處理工具流程，其將數據組織為標準存儲形式Brain Imaging Data Structure (BIDS)，可以通過docker和singularity在本地或者集群上運行。本次OpenTutorial旨在為聽眾提供一個最容易上手的fMRIPrep實用教程，教程會簡單介紹BIDS，docker和singularity技術，並且重點分析fMRIPrep流程框架和使用方法，最後分享在本機和集群運行fMRIPrep的經驗和腳本，歡迎有興趣的老師和同學參加與討論。

相關連結：
https://bids.neuroimaging.io/
https://fmriprep.org/en/stable/


排版：董海龍

校對：鄭元瑞

相關焦點

  • 第13期小班:多模態磁共振數據分析手把手培訓班(零基礎)
    第13期小班：多模態磁共振數據分析手把手培訓班（零基礎）2021.02.02-2021.02.07(周二~周日)主辦單位：杭州腦海科技有限公司協辦單位：杭州師範大學心理科學研究院近年來隨著技術的不斷發展，腦科學引起越來越多研究者的興趣。目前磁共振已逐漸被廣泛應用於神經、精神、消化、認知等醫學和心理學領域，用於探索大腦發育、老化、情緒加工、運動障礙及記憶鞏固等機制。掌握磁共振數據處理技術變得越來越重要。      對於零基礎的學員，本課程幾乎涵蓋了所有適合基礎學員掌握的技術，課程內容覆蓋多模態技術，包括：任務態、靜息態、結構像（形態學分析及DTI）。
  • 第10期小班:多模態磁共振數據分析手把手培訓班(零基礎)
    第10期小班：多模態磁共振數據分析手把手培訓班（零基礎）2020.12.15-2020.12.20(周二~周日)主辦單位：杭州腦海科技有限公司近年來隨著技術的不斷發展，腦科學引起越來越多研究者的興趣。目前磁共振已逐漸被廣泛應用於神經、精神、消化、認知等醫學和心理學領域，用於探索大腦發育、老化、情緒加工、運動障礙及記憶鞏固等機制。掌握磁共振數據處理技術變得越來越重要。      對於零基礎的學員，本課程幾乎涵蓋了所有適合基礎學員掌握的技術，課程內容覆蓋多模態技術，包括：任務態、靜息態、結構像（形態學分析及DTI）。
  • NeuroRA:一個用於多模態神經數據表徵分析的Python工具包
    表徵相似性分析（representational similarity analysis, RSA）作為MVPA方法的一種，通過計算不同條件下大腦中不同表徵之間的相似度，已經成為一種有效的用於解碼神經數據的方法。此外，RSA適用於研究人員比較來自不同模態、甚至不同物種之間的數據。然而，傳統用於計算RSA的工具包都存在各種局限性，且易用性不足。
  • 多模態磁共振技術在頸部淋巴結定性診斷中的臨床應用研究
    多模態磁共振技術在頸部淋巴結定性診斷中的臨床應用研究
  • 多模態數據融合：方法、挑戰和展望
    現如今，多視圖、多關係和多模態數據的研究利用往往與高影響力的商業、社會、生物醫學、環境和軍事領域相關聯，這也使得開發新的高效分析方法的具有豐富的市場以及社會需求，並遠遠超出了純粹的學術興趣。整個設置，其中一個人可以訪問從多個模態獲得的數據，被稱為多模態。多模態的一個關鍵特性是互補性，也就是說，每一種模態都給整體帶來某種類型的附加值，而這種附加值是不能從設置中的任何其他模態中推導或獲得的。定義 1.1: 多樣性(關於多模態)是一種屬性，它指代那些靠單一模態無法實現的，增強數據的用途、益處和洞察結論的屬性。
  • 多模態神經導航技術在顱內腫瘤手術的應用進展
    以該技術為基礎發展的神經導航系統，能將數字影像數據與神經系統實際解剖結構建立動態關係，實時向神經外科醫生反饋手術過程。為結合解剖結構影像和功能影像，通過多種影像融合而建立綜合影像，因此，多模態影像融合技術應運而生，並在此基礎上結合神經導航進行實時定嚮導航。多模態影像融合是通過強化各種成像方法的優勢，並將其融合建立出多模態影像，來了解病變組織與器官的各方面情況，得到更準確判斷，從而制定更合理化治療方案。而以多模態影像融合為基礎的神經導航，可增強組織定位效果，優化個體化治療，大大縮減手術時間。
  • 多模態神經導航在膠質瘤手術治療的應用_神經膠質瘤_多模態影像...
    對於腦功能區膠質瘤，傳統手術不能很好地判定腫瘤與周圍結構的空間位置關係，從而導致病人術後出現較多併發症和神經功能缺失。近年來，隨著醫學科技發展，神經導航技術、多模態影像融合技術在神經外科手術得到廣泛應用，這些技術能夠幫助術者在術前制定更合適的手術計劃，術中更加精準地定位腫瘤。
  • 全面解讀多模態數據,愛數將如何激活億萬數據價值?
    模態是指某種事物發生或經歷的方式，我們感受到的每一種信息都被稱為一種模態。將真實世界的感知信息映射到計算機領域，便有了多模態數據。多模態的數據是人類智能的基礎，人類通過多模態數據來學習知識，支持決策和判斷，對於機器智能來說也是如此。在計算機世界，不論是結構化數據、文本、圖片，還是視頻、語音、日誌數據，都可以稱之為一個模態。
  • 多模態神經影像學在癲癇網絡中的研究進展
    運用多模態的研究方法發現，癲癇的發生和傳播是由於致癇皮質的癲癇網絡異常而不是單純的致癇灶的病變所引起，同時抑制或破壞致癇皮質的癲癇網絡將為手術治療癲癇提供更加可靠的方法。 近年來隨著影像學技術的不斷發展，其影像質量和成像方法得到極大提高，但單_模態的成像方法所提供的信息較片面，因此限制了其在臨床中的應用；而多模態神經影像學是將不同模態的成像方法組合，避免了組織解析度和空間解析度較低的缺點，最大限度的發掘各種模態提供的影像學信息，得到正常或病變組織更豐富的信息
  • 雲計算和大數據重點專項項目成果「多模態自然人機互動神經系統...
    中國科學院軟體研究所和中國醫學科學院北京協和醫院在國家重點研發計劃「雲計算和大數據」重點專項項目「雲端融合的自然交互設備和工具」的支持下，將自然人機互動技術與神經系統疾病臨床診斷方法結合，研製了
  • Nucleic Acids Res | 代謝組學數據預處理
    其中，對上述代謝組數據的預處理一直存在方法繁多、性能不一、缺乏評估等嚴重影響處理效能的關鍵問題（J Proteome Res. 13: 3114-20, 2014）。針對上述問題，浙江大學藥學院朱峰教授課題組，在其開發的數據歸一化工具NOREVA的基礎上，構建了用於時間序列和多類別代謝組學數據預處理的新型服務系統（https://idrblab.org/noreva/）。
  • 多模態研究:認知語言學的新方法
    多模態研究：認知語言學的新方法 2017年09月12日 07:39 來源：中國社會科學網-中國社會科學報 作者：王中祥 字號 內容摘要：所謂多模態研究，是指通過多種技術手段記錄人際交流過程中不同類型的模態數據
  • 大數據的預處理、離散化要點羅列
    大數據預處理技術1.目前存在四種主流的數據預處理技術：數據清理、數據集成、數據規約和數據變換。2.數據處理的主要任務（1）數據處理的主要步驟：數據清理、數據集成、數據規約和數據變換。（2）數據清理例程通過填寫缺失值、光滑噪聲數據、識別或者刪除離群點並且解決不一致性來「清理數據」。
  • 遙感中多模態和數據融合的挑戰和機遇
    在本文中，我們概述了當前利用多模式數據進行地面觀測有關的機遇和挑戰。這是通過利用電氣和電子工程師協會地球科學和遙感學會自 2006 年以來組織的數據融合競賽的成果來完成的。我們將報告這些競賽的成果，介紹每年向社會提供的多模態數據集、有針對性的應用以及對提交的方法和結果的分析。如何考慮多式聯運並將其納入處理鏈？融合提供了哪些改進/新的機會？需要解決的目標和報告的解決方案是什麼？
  • 數值數據的特徵預處理
    特徵預處理是數據挖掘中最重要的步驟。在這篇文章中，我將向你介紹特徵預處理的概念，它的重要性，不同的機器學習模型下的數值特徵的不同特徵預處理技術。模型的質量在很大程度上取決於輸入模型的數據。當從數據挖掘過程中收集數據時，會丟失一些數據(我們將其稱為丟失值)。此外，它很容易受到噪音的影響。
  • 快手科技李巖:多模態技術在產業界的應用與未來展望
    李巖在演講中表示，多模態技術有兩大應用方向，一是會改變人機互動的方式，二是將使信息分發更加高效；視頻本身就是一個多模態的問題，而快手則擁有海量的多模態數據，多模態的研究對於快手來說是非常重要的課題；目前快手已經在語音識別與合成、智能視頻配樂、通過 2D 圖像驅動 3D 建模特效、視頻精準理解等領域對多模態技術進行研發應用。
  • 從體驗認知視域談多模態教學
    越來越多的實證研究證據表明：感覺與動覺的體驗包含於認知的過程中，我們的身體不僅是認知的感受器和傳導器，也是認知形成過程中的一部分。現實生活中的語言交流很少依靠單一的聽說模態，而是整合了視覺、動覺、觸覺等多重模態，故而語言學習在本質上也應是多模態的。因此多模態教學鼓勵將不同的感官模態整合起來，而不是像傳統的外語教學那樣過度地依賴聽說。
  • ...點與連接的多模態影像學研究」啟動會暨第二屆全國腦磁圖科學年會
    2018年5月13日，國家基金委重大項目「癲癇異常腦功能活動位點與連接的多模態影像學研究」啟動會暨第二屆全國腦磁圖科學年會在北京大學中關新園一號樓科學報告廳舉行。本次會議由北京大學磁共振成像研究中心、北京大學麥戈文腦科學研究所、首都醫科大學、南京軍區總醫院及全國腦磁圖學會（籌）共同主辦。
  • Facebook 發布 wav2letter 工具包,用於端到端自動語音識別
    如果大家想現在就開始使用這個工具進行語音識別，Facebook 提供 Librispeech 數據集的預訓練模型。OpenMPI 和 TorchMPI如果計劃用到多 CPU/GPU（或者多設備），需要安裝 OpenMPI 和 TorchMPI免責聲明：我們非常鼓勵大家重新編譯 OpenMPI。
  • 宜遠智能CEO吳博:醫學影像的數據標註、算法方法與算力優化
    他指出，通過自建工具能夠更好地滿足項目推進過程中的用戶管理、權限管理、多人協作審核，以及模型迭代標註調整等需求。數據層面，企業能做的決策不多，只能「看菜吃飯」，但在算力層面，企業有很多的選擇，比如選擇什麼樣的框架，選擇品牌設備還是DIY設備，選擇雲服務還是自建機房等。在課程的最後部分，吳博詳細介紹了許多選型決策和算力優化方面的技巧。