1 of 30

Tutorial de FSL��Neurociencia Computacional 2025

2 of 30

Outline

  • Comandos básicos de Linux
  • Formatos de Imágenes
  • Visualización de Imágenes con FSL Eyes
  • Atlas
  • Registración y Normalización Espacial de Imágenes
  • Segmentación / Morfometría
  • Preprocesamiento de fMRI

​

3 of 30

Comandos Básicos de Linux

  • Manejo de directorios: cd, ls, cp, mv, rm, chown, chmod
  • Ejecución de aplicaciones
  • Seteando variables de entorno

4 of 30

Datos del Tutorial

  • Datos de MRI, fMRI y PET adquiridos en el CEUNIM (MRI Siemens Prisma y PET-CT Philips Vereos)
  • Link a datos: https://drive.google.com/drive/folders/1pF1Fw2iZUnV09vFeF-KNAORgPLg1-2_8?usp=sharing
  • Secuencia de resonancia: T1, T2_flair, fMRI y fieldmapping

5 of 30

Visualización con Fsleyes

Cuando múltiples imágenes están disponibles

6 of 30

Visualización con Fsleyes

  • Cargar y visualizar las siguientes imágenes del CP0031:
    • t1_mprage_1x1x1_estric_.nii.gz
    • t2_space_dark_fluid_sag_p3_iso_estric_.nii.gz
    • PET_FDG.nii.gz
    • funcional_3s_30te_2_4_iso_estric_.nii.gz
  • Visualizar cada imagen de forma individual, modificando el contraste para mejor su visualización
  • Cargar todas las imágenes de forma simultánea, Qué se observa?

7 of 30

8 of 30

9 of 30

Visualización de Atlas / Templates

  • Cargar el MNI152_T1_1mm (File→Add Standard)
  • Cargar los atlas AAL3v1_1mm.nii.gz y Schaefer2018_1000Parcels_7Networks_order_FSLMNI152_1mm.nii.gz
  • Elegir una paleta adecuada para visualizar las ROIs de cada atlas
  • Usar el control de opacidad para visualizar las ROIs sobre el MNI152
  • Identificar regiones del cerebro usando el .txt con los nombres de cada ROI

10 of 30

11 of 30

Herramientas de FSL

  • Todas las herramientas se ejecutan por línea de comando
  • Algunas herramientas tienen además una interfaz gráfica
  • El comando fsl me muestra una interfaz con algunas herramientas

12 of 30

Utilitarios Generales

  • fslinfo

​

​

​

​

  • fslstats

​

​

  • fslmaths
  • fslrois

13 of 30

Registración de Imágenes

14 of 30

Registración de Imágenes en FSL

  • Flirt: registración lineal
  • Fnirt: registración no lineal

Imagen de Referencia/Target

Imagen de Entrada

Imagen de Salida

Tipo de Registración

15 of 30

Registración de Imágenes en FSL

  • Registrar todas las imágenes de un mismo sujeto entre sí
  • Vamos a utilizar la estructural (T1) como referencia

Imagen de Referencia/Target

Imagen de Entrada

Imagen de Salida

Tipo de Registración

16 of 30

17 of 30

18 of 30

Flirt por Línea de Comando

/usr/local/fsl/bin/flirt -in PET_FDG.nii.gz -ref t1_mprage_1x1x1_estric_.nii.gz -out PET_FDG_to_T1.nii.gz -omat PET_FDG_to_T1.mat -bins 256 -cost corratio -searchrx -90 90 -searchry -90 90 -searchrz -90 90 -dof 6 -interp trilinear

19 of 30

Extracción de Cerebro (Bet)

En todos los análisis que hagamos, nos interesa lo que pasa en el Cerebro por lo que no interesa quedarnos solo con esa región

Imagen de Entrada

Imagen de Salida

20 of 30

Extracción de Cerebro (Bet)

  • Por lo general, hacemos Bet en todas las imágenes antes de registrar, segmentar o hacer otros tipos de análisis
  • Usar Bet para la T1, fMRI y Fieldmapping
  • Probar las distintas opciones para extraer el cráneo y ver cómo afectan la extracción
  • Probar Robustfov (robustfov -i t1_mprage_1x1x1_estric_.nii.gz -r t1_reduced_fov) antes de la extracción

21 of 30

Salida de Robustfov

22 of 30

Normalización Espacial de Todas las Modalidades

  • Usar Bet para extraer el cerebro de la T1, fMRI y PET
  • Usando Flirt registrar todas las imágenes a la T1
  • Normalizar a la MNI152 registrando la T1 y aplicando la transformación a las otras dos modalidades
  • Visualizar todas las imágenes solapadas con el MNI152

23 of 30

24 of 30

Segmentación con Fast

  • Segmenta la imagen estructural en tres tipos de tejidos: sustancia gris, sustancia blanca y líquido cefalorraquídeo
  • Usa intensidades

25 of 30

26 of 30

Fieldmap Correction

27 of 30

Fieldmap Correction

  • Se adquiere una secuencia (fieldmapping) para corregir este efecto
  • Esta secuencia genera dos imágenes de magnitud adquiridas con distinto TE y su diferencia de fase: gre_field_mapping_2mm_estric_e1.nii.gz, gre_field_mapping_2mm_estric_e1.nii.gz y gre_field_mapping_2mm_estric_phase.nii.gz
  • FSL permite corregir la imagen de fMRI estimando la distorsión del campo:
  • Extraer el cerebro de la imagen de magnitud usando BET
  • Obtener la imagen de distorsión de fase: fsl_prepare_fieldmap SIEMENS gre_field_mapping_2mm_estric_phase.nii.gz gre_field_mapping_2mm_estric_e1_brain.nii.gz fmap_rads 0.27
  • Usar Feat o Melodic para aplicar la corrección

28 of 30

Creación y Aplicación del Fieldmap

  • fsl_prepare_fieldmap SIEMENS gre_field_mapping_2mm_estric_phase.nii.gz gre_field_mapping_2mm_estric_e1_brain.nii.gz fmap_rads 0.27

​

29 of 30

Preprocesamiento de fMRI con Feat o Melodic

30 of 30

Visualización de Salida de ICA

  1. fsleyes --scene melodic -ad Rest_MB6.feat/filtered_func_data.ica &

​