fMRIPrep による前処理

fMRIPrep について、最近出た論文を参考にまとめました。

fMRIデータの前処理とは、そのままでは解読できない神経活動による機微な効果を検出するための処理です。以前の記事 fMRI解析の基礎 (３)：前処理 も参考にして下さい。

以前から前処理は様々な環境で別々の設定のプロトコルを用いて行われてきました。その影響で、前処理の違いによって最終的な統計結果に一貫性が見られないという問題があります（Carp (2012), Bowring et al. (2019), Botvinik-Nezer et al. (2020)）。この問題によって、新しい発見が本当に正しいのかといった懸念が出てきてしまっています。

fMRIPrep は、研究間の前処理の差異を排除できるロバストな前処理プロトコルを提供します。

fMRIPrepは、コマンドひとつで前処理ができるのでオススメです
recon-all があるからでしょうか、処理時間は１人あたり半日ほどかかると思います

fMRIPrep の特徴と比較

fMRIPrepの特徴と他のアプリケーションとの比較を、以下の表にまとめました。

fMRIPrep では BIDS (Brain Imaging Data Structure) のディレクトリ構造・ファイル形式を強制することで、前処理の設定を一貫して自動化します。また、複数被験者も自動的に判別してくれます。さらに、公式のDockerコンテナが用意されています。

BIDSに従っているかどうかは、BIDS-Validatorで判定できます。BIDS仕様に変換するアプリには、HeuDiConv、dcm2bids、BIDSKITなどがあります。

fMRIPrep の標準パイプライン

標準パイプラインは以下の通りです。

1. 構造MRIの前処理
   • Brain extraction (ANTs)
   • Brain tissue segmentation (FSL)
   • Spatial normalization (ANTs)
   • (optional) Cost function masking, Longitudinal processing
   • Surface preprocessing (FreeSurfer, recon-all -sd -autorecon1 -noskullstrip)
   • Refinement of the brain mask (FreeSurfer)
2. BOLDの前処理
   • BOLD reference image estimation (ANTs, FSL, AFNI)
   • Head-motion estimation (FSL, mcflirt)
   • Slice time correction (AFNI, 3dTShift)
   • Susceptibility Distortion Correction (ANTs, FSL, AFNI)
   • Pre-processed BOLD in native space (ANTs, FSL, AFNI)
   • EPI to T1w registration (FreeSurfer, bbregister)
   • Resampling BOLD runs onto standard spaces (ANTs, FSL, AFNI)
   • EPI sampled to FreeSurfer surfaces (FreeSurfer)
   • (optional) HCP Grayordinates, ICA-AROMA denoising, T2*-driven echo combination
   • Confounds estimation
     • mean global signal
     • mean tissue class signal
     • tCompCor, aCompCor
     • Frame-wise Displacement
     • 6 motion parameters
     • DVARS
     • spike regressors
     • noise components

task-fMRI の分析例

データ

• データセット：ds000003 (OpenNeuro)
• ハードウェア：8 - 32 GB RAM、~1 GB HD (per subject)
• ソフトウェア：Docker, Python

手順

一連の手順は上図にまとまっています。

1. BIDS変換・確認
2. MRIQC、FreeSurferのライセンス取得、fMRIPrep

[MRIQC]
docker run -it --rm \
    -v path/to/data:/data:ro \
    -v path/to/output:/out \
    poldracklab/mriqc:latest \
    /data /out \
    participant

[fMRIPrep]
docker run -ti --rm \
    -v path/to/data:/data:ro \
    -v path/to/output:/out \
    -v path/to/license.txt:/opt/freesurfer/license.txt \
    poldracklab/fmriprep:latest \
    /data /out/out \
    participant

3. 被験者分析 (FSL via Nipype)、集団分析 (Nilearn)

この DockerFile を用います。 NeuroDebian、FSL、Miniconda、Nipype、Nilearn を利用しています。結果は Notebook に出力されます。

出力結果

1. Visual Reports：fMRIPrepの処理情報
   • sub-{id}.html
2. Subject-level Activation Map：fMRIPrepの結果
   • MNI座標のBOLDマップ
     • sub-{id}_task-{task}_space-MNI152_desc-preproc_bold.nii.gz
   • MNI座標の脳マスク
     • sub-{id}_task-{task}_space-MNI152_desc-brain_mask.nii.gz
   • 交絡因子
     • sub-{id}_task-{task}_space-MNI152_desc-confounds_regressors.tsv
3. Group-level Activation Map：集団分析の結果
   • 統計マップ
     • zstat.nii.gz

トラブルシューティング

以下のようなトラブルに気をつけてください。

1. 無効なBIDSデータ（仕様とのずれ。アクセス権の不備¹。）
2. FreeSurferライセンスファイル²
3. ネットワークファイルシステム
4. メモリーエラー（メモリ不足。コンテナの割当メモリ。）
5. ハードディスク上限³