[论文解读] ciftiTools: A package for reading, writing, visualizing and manipulating CIFTI files in R

Damon Pham, John Muschelli+1 more|arXiv (Cornell University)|Jun 21, 2021

Functional Brain Connectivity Studies参考文献 38被引用 38

一句话总结

ciftiTools 是一个 R 包，支持读取、写入、可视化和操作用于基于表面的 fMRI 分析的 CIFTI 和 GIFTI 文件，统一访问皮层、皮层下和小脑灰质坐标数据。它支持 R 中的高级统计工作流，包括噪声回归和剔除（scrubbing），并实现从预处理到可视化及标准 CIFTI 格式文件导出的端到端 fMRI 数据分析，关键结果包括成功计算种子相关性并以标准 CIFTI 格式导出数据。

ABSTRACT

There is significant interest in adopting surface- and grayordinate-based analysis of MR data for a number of reasons, including improved whole-cortex visualization, the ability to perform surface smoothing to avoid issues associated with volumetric smoothing, improved inter-subject alignment, and reduced dimensionality. The CIFTI grayordinate file format introduced by the Human Connectome Project further advances grayordinate-based analysis by combining gray matter data from the left and right cortical hemispheres with gray matter data from the subcortex and cerebellum into a single file. Analyses performed in grayordinate space are well-suited to leverage information shared across the brain and across subjects through both traditional analysis techniques and more advanced statistical methods, including Bayesian methods. The R statistical environment facilitates use of advanced statistical techniques, yet little support for grayordinates analysis has been previously available in R. Indeed, few comprehensive programmatic tools for working with CIFTI files have been available in any language. Here, we present the ciftiTools R package, which provides a unified environment for reading, writing, visualizing, and manipulating CIFTI files and related data formats. We illustrate ciftiTools' convenient and user-friendly suite of tools for working with grayordinates and surface geometry data in R, and we describe how ciftiTools is being utilized to advance the statistical analysis of grayordinate-based functional MRI data.

研究动机与目标

• 为解决神经影像学中缺乏全面的 R 工具来处理 CIFTI 和 GIFTI 文件的问题。
• 提供一个统一、用户友好的接口，用于读取、写入、可视化和操作 CIFTI 及基于表面的神经影像数据。
• 利用 R 强大的统计环境，支持在灰质坐标空间中对 fMRI 数据进行高级统计分析。
• 与现有神经影像工具和工作流（包括噪声回归和伪影去除）集成。
• 实现从预处理到可视化及文件导出的可重复、端到端的 fMRI 数据分析。

提出的方法

• 引入 'xifti' S4 类，将来自 GIFTI 文件的度量/标签数据与其相关联的表面几何结构封装在一起。
• 提供 read_xifti 和 write_xifti 等函数，用于导入和导出 CIFTI 和 GIFTI 文件，支持 'dtseries'、'dscalar' 和 'dlabel' 意图。
• 通过 select_xifti、newdata_xifti 和矩阵级变换的算术运算等函数实现数据操作。
• 通过与 Connectome Workbench 集成，支持基于表面的预处理，包括重采样、平滑和坐标变换。
• 利用 fMRIscrub 等 R 包实现统计处理，支持噪声回归和基于 DVARS 的剔除。
• 使用 view_xifti 和 plot 方法实现自动可视化，支持自适应颜色缩放和皮层及皮层下数据的 3D 渲染。

实验结果

研究问题

• RQ1 如何在 R 环境中高效地读取、写入和操作神经影像分析中的 CIFTI 和 GIFTI 文件？
• RQ2 R 在灰质坐标空间中对 fMRI 数据进行高级统计建模（包括组水平分析和贝叶斯方法）方面的能力在多大程度上得以实现？
• RQ3 一个统一的 R 包能否简化涉及噪声回归、伪影剔除和基于种子的关联分析的预处理流程？
• RQ4 将皮层、皮层下和小脑灰质坐标数据整合到单一文件格式中，如何提升全脑分析的效果？
• RQ5 与其它编程语言或环境中的现有工具相比，ciftiTools 的性能和可用性如何？

主要发现

• ciftiTools 包成功实现了在 R 中读取和写入 CIFTI 和 GIFTI 文件，支持 'dtseries'、'dscalar' 和 'dlabel' 意图。
• 该包支持端到端预处理，包括基于 DCT 的噪声回归和基于 DVARS 的体积剔除，有效减少了 fMRI 数据中的伪影污染。
• 预处理后，剔除了 9 个体素，剩余 1,191 个体素，表明伪影去除效果良好。
• 计算了后扣带皮层（PCC）与 419 个脑区之间的种子相关性，结果显示与默认模式网络（DMN）成分存在强烈正相关。
• 结果通过 3D 表面渲染进行可视化，并以 'dscalar' CIFTI 文件格式保存，证实了数据导出和可重复性的成功实现。
• 该包支持工作流的无缝集成，例如将区域划分标签转换为数值向量，并使用 newdata_xifti 将种子相关性映射回顶点级数据。