导读
磁共振成像(MRI)是一种研究体内神经系统疾病(如多发性硬化症(MS))的成熟技术。为了避免MRI数据组织和自动化处理的错误，近来提出了一种称为脑成像数据结构(BIDS)的标准。BIDS标准为神经成像数据的描述和组织提供了指南，简化了神经成像数据内部或之间的共享和处理。然而，从直接来自MRI扫描仪的复杂非结构化非开放文件数据格式到正确的BIDS结构的转换可能既繁琐又耗时。这阻碍了BIDS格式在不同研究中的广泛采用。为了解决这个问题并简化神经成像领域中BIDS的日常使用，本研究提出了BIDS管理和分析工具(简称，BMAT)。BMAT软件是一个完整且易于使用的开源神经成像分析工具，具有图形用户界面(GUI)。BMAT提供了将数据从MRI扫描仪转换为BIDS结构、创建和管理BIDS数据集以及开发和运行自动化处理管道的可能性，并且比其他同类软件更快。BMAT软件提供了下载有用分析应用程序的可能性，特别是应用于MS研究的病灶分割和处理新型疾病生物标志物(如中央静脉征和顺磁性边缘病变的成像对比)。
前言
磁共振成像(MRI)为安全、无创地研究脑病理学提供了独特的机会。神经系统疾病的研究，例如多发性硬化症(MS)，通常需要采集多个MRI序列，产生不同格式的复杂数据。此外，MRI数据共享在大规模多中心神经成像研究中很常见，因为它可以增加样本量并产生概括性的结果。在这个框架中，需要一个结构良好的神经成像数据组织，以促进数据共享，确保通用性并简化自动化图像处理管道的采用。
脑成像数据结构(BIDS)格式提出了命名和组织神经成像数据的通用标准。事实上，采用BIDS格式确保了神经成像数据的有组织和齐性结构，简化了多中心研究背景下的数据共享，并促进了自动化神经影像工具的开发。
简而言之，BIDS数据集的根目录包含以开放文件格式转换的所有原始数据，如神经影像学信息技术计划(NIfTI)。这些原始数据根据数据的被试、会话和类别存储在特定的子文件夹中。元数据存储在JSON(dictionary JavaScript Object Notation)文件或TSV(Tabular Separated Value，制表符分隔值)文件中。每个文件的命名都遵循严格但明确的标准化约定，遵循<键值>方案(例如sub-001_ses-01_part-mag_T2starw.nii.gz)(BIDS-贡献者2022)。根目录还由另外两个文件夹组成，sourcedata和derivatives，分别包含原始数据和处理后的数据。最后，dataset_description.json用于存储有关研究数据集的信息(例如数据集名称，作者，版本等)，而participants.tsv包含有关研究对象的信息(例如ID，年龄，性别等)。
尽管在组织神经成像数据集，BIDS格式是一个很有前途的解决方案，但管理不同类型的神经成像数据所需的大量限制性原则限制了其传播和适用性。手动应用BIDS规则非常棘手、耗时，并且可能与用户内部和用户间的错误相关。另一方面，使用shell脚本自动应用BIDS原则会阻止非信息学专家(如医学神经成像科学家)自行应用这些原则。因此，需要能够自动实现BIDS格式的软件来广泛传播其使用情况。预计在不久的将来，对BIDS格式的需求和更直接地应用于神经成像的应用将会增加。
目前已经提出了几种解决方案。“BIDSmanager”是一种旨在创建和管理BIDS数据集的软件。但是，在数据集中导入新的MRI数据时，每次只执行一个序列，并且要求用户每次都向软件提供MRI序列的名称，这使得软件的用户友好性较差。“BIDS manager”比BIDS规范更具限制性，并且不允许导入或命名每个可能符合BIDS的序列，这可能是由于它缺乏更新，因为它不允许使用尚未包含在BIDS规范中的研究序列。这虽然确保BIDS原则得到了很好的实现，但也使软件更具局限性和灵活性较差。“BrainLife”是另一个现有的解决方案，它是一个基于BIDS格式(https://brainlife.io/)进行神经科学数据分析的免费在线平台。BrainLife是一个高效的数据整理和分析工具，允许创建和管理BIDS数据集以及运行自动化任务(https://brainlife.io/docs/)。BrainLife只在线工作，并提供云计算资源来进行广泛的分析。然而，在线上传MRI图像可能会给神经影像科学家带来相关的伦理问题，尤其是在处理敏感患者数据时。
本研究提出了基于BIDS格式的本地离线神经成像分析工具——BIDS管理和分析工具(BMAT)。BMAT桌面应用程序是一个图形用户界面(GUI)包装器，可与现有的命令行神经成像工具配合使用。BMAT可以创建和管理BIDS数据集，为在数据集上运行自动化任务和查看分析结果提供了用户友好的界面。该软件是在MSMRI研究的框架下开发和测试的，具有多中心数据和专用的分析工具。
方法
本节详细介绍了BMAT软件，从主界面结构开始，然后更深入地介绍一些与MS相关的BMAT分析管道。图1显示了软件主窗口的视图。
图1.软件主窗口视图。
下载和安装
BMAT可以直接从GitHub存储库(https://github.com/ColinVDB/BMAT)下载用于Linux，Windows和MacOSX操作系统(OS)，该存储库包含软件的源代码以及描述如何安装和使用该软件的详细文档。正如下文所述，BMAT需要许多其他依赖项，整个安装过程需要一到两个小时，具体取决于操作系统和用户的信息背景。以下是所需依赖项的列表：
vPython(3.8)：运行软件
vdcm2niix：用于将DICOM文件转换为NifTI
vITK-SNAP：带有注释工具的3D查看器
vDocker：用于运行多个工具
图形用户界面(GUI)和功能
下载并安装软件后，一旦启动，BMAT会要求选择一个与BIDS目录对应的文件夹。如果没有可用的BIDS目录，用户可以选择一个空文件夹来创建新的数据集。主窗口由几个小部件组成，包括：
v数据集信息：主窗口顶部中央小部件显示数据集的简短描述和有用的信息。
①BIDS目录的名称
②数据集中的被试数量
③目录的BIDS版本
④数据集的作者
这些信息大部分来自前面描述的目录中的dataset_description.json文件。
v目录树查看器：该小部件位于主窗口的左侧，允许用户以安全的方式查看和导航BIDS目录。事实上，它的使用类似于一个经典的文件浏览器，没有修改、移动或删除数据集中文件的风险。
v快速查看器：中央底部的小部件允许用户观察数据集中的文件。默认情况下，它会显示软件的图标(如图1所示)。当在目录树查看器中双击打开任何非图像文件时，软件将在此小部件中打开一个专用查看器来观察该文件。对于图像文件，只需单击即可在BMAT小部件中打开一个切片作为预览，而双击允许用户在独立的ITK-SNAP窗口中完全打开图像，这是3D volumes的一个高级查看器(http://www.itksnap.org/pmwiki/pmwiki.php)。
vBIDS操作：这对应于右侧小部件，并包含用于触发数据集特定操作的按钮，例如导入数据，删除对象和会话，以及重命名对象、会话或序列。这些操作会自动编辑所有需要更新的文件。BMAT还提供了在整个数据集中自动重命名序列的可能性。如果用户在遵循BIDS命名约定时出错，这将特别有用。
vBIDS下拉菜单：它为用户提供其他不太常用的操作，如创建或选择另一个BIDS目录、更新dataset_description.json文件或检查数据集的BIDS有效性。该软件使用BIDS验证器工具向用户提供有关其BIDS数据集质量的有用信息。BIDS验证器是BIDS规范(BIDS-贡献者2022)中已经过验证的成熟工具。此功能还为用户提供了指向BIDS规范的有用链接。
v管道下拉菜单：此菜单允许用户以全自动的方式在数据集上运行特定任务。管道来自BMAT社区，可以直接通过GUI下载。下面将介绍一些已经可用的管道。
v本地化管道下拉菜单：它允许用户在本地添加自己的管道。为此，用户需要在使用python和PyQt5时有足够的编码知识。
数据集管理
该软件的第一个目标是为研究人员提供一个用户友好的界面来创建和管理BIDS数据集。本节将重点介绍软件的可用性和便捷性。创建BIDS数据集后的第一步是导入新被试。目前，神经成像数据是以DICOM格式从MRI设备导出。这种格式是通用的，包含有关序列的相关信息，但依赖于服务提供者，通常不方便操作。也可以使用较旧的格式，例如飞利浦的PAR/REC格式。为了遵循BIDS准则，需要将图像转换为NIfTI格式，这是一种所有人都可以访问且易于操作的开源格式(https://NIfTI.nimh.nih.gov/)。同时，包含元数据的JSON文件始终与图像相关联，对于某些序列（如弥散MRI），还会创建其他特定文件。BMAT使用dicom2niix将DICOM文件转换为NIfTI格式。NIfTI文件的名称主要基于相应DICOM中的ProtocolName和SeriesDescription属性。尽管这些属性是自由形式的并且不保证是唯一的，但作为一种惯例，相同的SeriesDescription属性通常不用于同一研究MRI协议中的多个序列。此外，用于NIfTI文件命名的DICOM属性的选择受到dcm2niix的限制。在此步骤之后，NIfTI文件将按照BIDS规范重命名，并组织到BIDS数据集的正确文件夹中。重命名策略取决于用户，并基于NIfTI文件名和相应的BIDS模态之间的映射，这在软件源代码的sequence.csv文件中进行了描述。sequence.csv文件应遵循BIDS规范(BIDS-贡献者2022)，并且在研究开始时只需填写一次；然后，该软件将能够识别和处理这些特定的MRI序列。
有关数据集的被试信息对于神经成像研究至关重要，并且包含在participants.tsv文件中，由BMAT自动完成。该文件由每个被试行组成，默认包含其BIDS ID、年龄、性别和不同MRI会话的日期。作为附加功能，BMAT为用户提供了自动从被试的DICOM文件中检索任何信息并将其存储在participants.tsv文件中的选项。
MS图像分析工具
如前所述，BMAT还可以合并不同的图像分析工具。在这里，研究者介绍了一些图像分析管道，这些管道对MS MRI研究以及一般的神经成像研究特别有用。在进行神经成像研究时，查看器是必不可少的，因为它可以查看图像和对图像进行计算的结果。另一个基本功能是可以手动分割和注释感兴趣的区域。尤其适用于MS MRI研究，其中白质(WM)病灶的分割是许多研究的根本出发点，包括基于MRI的临床试验。病灶分割可以自动执行或手动执行。为了手动执行此任务，本研究工具与ITK-SNAP配合使用，ITK-SNAP是一个开源且易于使用的查看器，可以注释3D图像(http://www.itksnap.org/pmwiki/pmwiki.php)。它还允许同时打开多个图像，并在多个窗口打开时提供同步选项，以同时查看和注释不同MRI图像上的病理细节。使用ITK-SNAP编辑的文件需要用户通过ITK-SNAP中的保存按钮手动保存在右侧的BIDS文件夹中。
神经成像研究通常使用称为管道的自动计算工具来产生特定的资源和结果。由于有了BIDS结构，管道可以通过脚本对所有被试图像执行相同的自动任务。对于BMAT，管道的实现是社区驱动的，管道可以直接通过GUI从专门的GitHub组织(https://github.com/BMAT-Apps)下载。根据正在进行的研究，研究小组之间的管道可能会有所不同。在这里，本研究提出了4个具有代表性的BMAT管道，可用于MS MRI研究：
v图像配准：该管道提供了一种工具，可以使用ANTS Registration对单个被试的两张图像进行严格的配准，并为数据集的任何被试编写脚本。它还允许通过使用在原始配准期间计算的转换矩阵将相同的转换应用于另一个图像。计算图像配准大约需要2到3分钟。
v脑病灶分割：病灶分割是MS MRI研究的一项基本任务。大脑分割管道使用SAMSEG基于液体衰减反转恢复(FLAIR)和磁化准备快速梯度回波(MPRAGE)对比自动分割WM病变。SAMSEG可以在大约15到20分钟内生成输出分割。
vFLAIR*计算：FLAIR*可以同时可视化MS中的WM病变和实质静脉，是一种被广泛接受的检测中央静脉征(CVS)诊断生物标志物的技术。FLAIR*计算管道允许使用之前提出的docker容器，通过对配准的FLAIR和T2*图像的体素乘法来计算FLAIR*图像。FLAIR*计算大约需要20到25分钟。
v相位展开：该管道允许使用先前提出的docker容器从基于敏感性的MRI中获得的相位图像展开和过滤。对未展开的相位图像的分析(结合其他MRI对比)可以检测顺磁边缘病变(PRL)，这是MS中的一种新兴神经成像预后生物标志物。相位展开时间约为3-5分钟。
此外，本地化管道下拉菜单的概念允许实施新管道来运行与正在进行的研究相关的特定任务。要在本地向软件添加新的管道，用户必须在软件源代码的“LocalPipelines”文件夹中添加其python源代码，其中包含使用PyQt5的专用图形界面和计算代码，以及包含有关管道元信息的相关JSON文件。管道的计算部分可以使用docker容器，也可以在本地实现，从而使软件能够适应广泛的神经成像应用程序。要使用此功能，用户需要具备良好的编程技能，特别是python和PyQt5。然后，新管道可以通过GitHub组织(https://github.com/BMAT-Apps)与社区共享。
结果
首先通过使用该软件进行MS MRI研究时的典型工作流程的说明性示例，然后通过比较BMAT与“BIDS manager”和“BrainLife”的性能，将源DICOM数据转换为BIDS格式。该示例包括①按照BIDS原则管理MS患者的MRI DICOM数据，②执行图像配准，③WM病灶分割，④FLAIR*，⑤CVS和PRL诊断与预后诊断的相位展开。
数据集管理
BMAT建议的第一个任务是导入数据，为新的研究创建新的BIDS数据集。这里展示的MRI数据来自3个不同的MRI供应商：General Electrics(GE)，Siemens和Philips。要使导入正常工作，用户必须首先用研究中使用的成像序列的名称编辑sequences.csv文件。例如，“_3DT2_0.65mm_iso_20180824081221_11_.nii.gz”和“_3DT2_0.65mm_iso_20180824081221_12__ph.nii.gz”分别是从西门子Prisma扫描仪上获取的3D分段T2*加权回波平面成像(EPI)序列转换为NIfTI格式后得到的幅值和相位图像的名称。对于重命名方案，第一步是选择一个捕获序列模态的特定关键字(‘3DT2’)，在BIDS规范中搜索相应的BIDS模态(‘T2starw’)和MRI类型(‘anat’)。现在，BIDS字段仍有待完成；由于“部分”字段的存在，相位和幅值部分需要区分。“_ph”关键字可以区分相位和幅值。同样，在GE和飞利浦扫描仪上采集的相同3D-EPI序列的名称分别为“_p_Sag_3D_EPI_20220628104007”/“SWIphase__p_Sag_3D_EPI_20220628104007”和“_SWI_NEW_S2_20201229103505_”/“_SWI_NEW_S2_20201229103505__ph”。按照与上述相同的过程，可以相应地完成sequences.csv文件(表1)。
表一
此时，该软件可以识别在3种不同扫描仪(Siemens，GE，Philips)上实现的相同3D-EPI MRI序列的三个不同名称，并根据BIDS规范(sub-xxx_ses-xx_part-mag_T2starw.nii.gz和sub-xxx_ses-xx_part-phase_T2starw.nii.gz)对其进行重命名。
更新重命名文件后，即可开始导入新数据的过程。与其他逐个导入MRI序列的现有BIDS管理软件(BIDS Manager)相比，BMAT可以一次性转换整个MRI会话(包含连续获取的多个序列)。这减少了导入新数据所花费的时间，提高了使用的舒适度。借助用户界面，用户可以选择与被试的MRI会话相对应的任何DICOM文件夹，进行压缩(ZIP文件)或解压(文件夹)。然后，用户必须通过提供相应的BIDS_ID(例如sub-013)和会话(例如ses-02)来告诉软件此会话对应于哪个患者。如果未提供此信息，BMAT将认为此会话对应于新被试的第一个会话，并选择一个新的可用BIDS_ID(即sub-001和ses-01用于第一个MRI会话)。然后，该软件①将DICOM 文件夹中包含的所有文件转换为NIfTI格式，②根据提供的重命名策略重命名文件(例如sub-013_ses-01_part-mag_T2starw.nii.gz)和③创建目录来存储这些文件。DICOM文件夹在源数据目录的被试和会话文件夹对应之后复制/存储在BIDS数据集中。这可确保原始DICOM原封不动地存储在数据集中，以便用户始终可以检索此信息，并在发生错误时备份图像。最后，它还将修改participants.tsv文件以添加与此新会话相关的信息。
导入完成后，用户可以通过运行BIDS质量控制工具评估其数据集的BIDS有效性，并根据提供的反馈和BIDS规范手动编辑数据集。
MS图像分析工具
下一步是使用软件提供的一种或多种不同的图像分析工具进行研究的图像分析部分。在这里，本研究提出了一个具有代表性的BMAT MS MRI研究分析。管道计算结果如图2所示。
图2.在ITK-SNAP图(左)和细节图(右)中查看用于检测MS中PRL和CVS成像生物标志物的处理管道的结果。
第一步是分割WM病灶，这可以由SAMSEG管道自动执行，单独使用3D FLAIR或结合3D-MPRAGE图像作为输入(见图2，上)。然后，为了检测CVS和PRL生物标志物，需要3D-EPI MRI序列提供幅值和相位图像。为了将所有不同的MRI对比图像放在同一空间中，图像使用配准管道一起进行配准。使用相应的BMAT管道可获得FLAIR*和未展开的相位图像，并且可以评估分割病变是否存在PRL(图2，中)和CVS(图2，下)成像生物标志物。由于使用了ITK-SNAP，用户能够手动编辑现有的病变掩膜或创建新的病变掩膜。
BMAT性能以及与现有BIDS管理解决方案的差异
表2总结了BMAT与“BIDS manager”和“BrainLife”的主要区别和性能。BIDS Manager和BMAT都要求用户手动向软件提供MRI序列的名称(分别通过填写requirements.json和sequences.csv文件)，详见表2中的“Preprocessing before conversion Time”。虽然这个过程很耗时，但它只需要在每个新的成像研究开始时填写一次(假设在研究期间MRI的协议不变)，并且BMAT可以使整个重命名步骤准确。但是，BIDS manager要求用户将序列逐个导入整个会话中，并在导入后手动重命名每个序列，这大大减慢了整个BIDS转换过程。相比之下，BrainLife可以自动识别并重命名MRI序列。但是，会话中的不同MRI序列可能会被错误地重命名(特别是研究MRI序列)，这需要研究人员在每次导入新会话时检查并最终修复序列名称。此外，BrainLife需要在BIDS转换之前将整个会话上传至网上，这大大减慢了整个过程。本研究认为，BMAT与以前的BIDS管理解决方案之间的主要区别在于BMAT能够独立地将DICOM转换为BIDS。事实上，一旦完成了sequences.csv文件，BMAT用户就可以一次启动多个MRI会话的转换，而BIDS Manager和BrainLife都需要用户在转换的某个阶段进行干预。
表 2.BMAT与“BIDS manager”和“BrainLife”的比较。
结论
BMAT是一个完整的本地和开源神经成像分析工具，它使用BIDS格式来组织和处理用于MS成像研究的大脑MRI数据。该软件可以创建结构良好的数据集，并且能够导入不同MRI扫描仪(GE，Philips和Siemens)的数据。通过使用BIDS验证器工具可以确保BIDS数据集的质量，向用户提供有关其数据集有效性的即时反馈。BMAT还支持使用管道(可下载为 BMAT-Apps)，对整个数据集自动执行特定的后处理和图像分析任务。在这里，研究者介绍了MS成像研究的四个相关管道：图像配准，图像分割，FLAIR*计算和相位展开。许多其他的MS和非MS相关的图像分析管道可以通过BMAT-Apps GitHub组织与科学界共享。BMAT基于BIDS格式，简化了多个机构之间数据集和自动MRI分析工具的共享过程。
与其他可用解决方案相比，BMAT脱颖而出，其转换速度更快，更直观和完整。BMAT的直观性是由于它为用户提供了管理数据集的自由，比BIDS规范的限制更少。此功能的一个显著优点是允许使用BIDS规范中不存在的研究成像序列。但是，该软件并不完全强制执行BIDS原则，而是让用户在提供工具的同时遵循规范。重命名方案提供了将该软件与任何MRI序列一起使用的可能性。BMAT允许用户添加由社区实现的新分析管道，以及添加个性化脚本来计算数据集上的即席分析。这三个选项使该软件可以推广到任何类型的神经成像研究。由于BMAT已作为直观的GUI实现，因此对于非计算机专家(例如医学神经影像研究人员)实施BIDS格式并为其研究提供完整的分析工具特别有用。它还允许通过简单的GUI运行图像处理管道。
本研究的未来目标是将该软件与DataLad集成。DataLad是一个免费的开源分布式数据管理系统，可跟踪研究数据、创建结构、确保可重复性、支持协作并与广泛使用的数据基础设施集成。这将允许版本控制和与其他研究人员共享数据集。总体而言，BMAT是一个基于BIDS格式的完整本地化软件，可用于神经成像研究。它提供了一个用户友好的框架，用于在BIDS数据集上创建和管理以及运行自动化任务。BMAT使用方便，可由用户定制，以适应任何类型的神经成像研究。
参考文献：C. Vanden Bulcke, M. Wynen, J. Detobel, F. La Rosa, M. Absinta, L. Dricot, B. Macq, M. Bach Cuadra, P. Maggi, BMAT: an open-source BIDS Managing and Analysis Tool, NeuroImage: Clinical (2022), doi: https://doi.org/10.1016/j.nicl.2022.103252.
小伙伴们点个“在看”，加
(星标)关注茗创科技，将第一时间收到精彩内容推送哦～
磁共振成像(MRI)是一种研究体内神经系统疾病(如多发性硬化症(MS))的成熟技术。为了避免MRI数据组织和自动化处理的错误，近来提出了一种称为脑成像数据结构(BIDS)的标准。BIDS标准为神经成像数据的描述和组织提供了指南，简化了神经成像数据内部或之间的共享和处理。然而，从直接来自MRI扫描仪的复杂非结构化非开放文件数据格式到正确的BIDS结构的转换可能既繁琐又耗时。这阻碍了BIDS格式在不同研究中的广泛采用。为了解决这个问题并简化神经成像领域中BIDS的日常使用，本研究提出了BIDS管理和分析工具(简称，BMAT)。BMAT软件是一个完整且易于使用的开源神经成像分析工具，具有图形用户界面(GUI)。BMAT提供了将数据从MRI扫描仪转换为BIDS结构、创建和管理BIDS数据集以及开发和运行自动化处理管道的可能性，并且比其他同类软件更快。BMAT软件提供了下载有用分析应用程序的可能性，特别是应用于MS研究的病灶分割和处理新型疾病生物标志物(如中央静脉征和顺磁性边缘病变的成像对比)。
前言
磁共振成像(MRI)为安全、无创地研究脑病理学提供了独特的机会。神经系统疾病的研究，例如多发性硬化症(MS)，通常需要采集多个MRI序列，产生不同格式的复杂数据。此外，MRI数据共享在大规模多中心神经成像研究中很常见，因为它可以增加样本量并产生概括性的结果。在这个框架中，需要一个结构良好的神经成像数据组织，以促进数据共享，确保通用性并简化自动化图像处理管道的采用。
脑成像数据结构(BIDS)格式提出了命名和组织神经成像数据的通用标准。事实上，采用BIDS格式确保了神经成像数据的有组织和齐性结构，简化了多中心研究背景下的数据共享，并促进了自动化神经影像工具的开发。
简而言之，BIDS数据集的根目录包含以开放文件格式转换的所有原始数据，如神经影像学信息技术计划(NIfTI)。这些原始数据根据数据的被试、会话和类别存储在特定的子文件夹中。元数据存储在JSON(dictionary JavaScript Object Notation)文件或TSV(Tabular Separated Value，制表符分隔值)文件中。每个文件的命名都遵循严格但明确的标准化约定，遵循<键值>方案(例如sub-001_ses-01_part-mag_T2starw.nii.gz)(BIDS-贡献者2022)。根目录还由另外两个文件夹组成，sourcedata和derivatives，分别包含原始数据和处理后的数据。最后，dataset_description.json用于存储有关研究数据集的信息(例如数据集名称，作者，版本等)，而participants.tsv包含有关研究对象的信息(例如ID，年龄，性别等)。
尽管在组织神经成像数据集，BIDS格式是一个很有前途的解决方案，但管理不同类型的神经成像数据所需的大量限制性原则限制了其传播和适用性。手动应用BIDS规则非常棘手、耗时，并且可能与用户内部和用户间的错误相关。另一方面，使用shell脚本自动应用BIDS原则会阻止非信息学专家(如医学神经成像科学家)自行应用这些原则。因此，需要能够自动实现BIDS格式的软件来广泛传播其使用情况。预计在不久的将来，对BIDS格式的需求和更直接地应用于神经成像的应用将会增加。
目前已经提出了几种解决方案。“BIDSmanager”是一种旨在创建和管理BIDS数据集的软件。但是，在数据集中导入新的MRI数据时，每次只执行一个序列，并且要求用户每次都向软件提供MRI序列的名称，这使得软件的用户友好性较差。“BIDS manager”比BIDS规范更具限制性，并且不允许导入或命名每个可能符合BIDS的序列，这可能是由于它缺乏更新，因为它不允许使用尚未包含在BIDS规范中的研究序列。这虽然确保BIDS原则得到了很好的实现，但也使软件更具局限性和灵活性较差。“BrainLife”是另一个现有的解决方案，它是一个基于BIDS格式(https://brainlife.io/)进行神经科学数据分析的免费在线平台。BrainLife是一个高效的数据整理和分析工具，允许创建和管理BIDS数据集以及运行自动化任务(https://brainlife.io/docs/)。BrainLife只在线工作，并提供云计算资源来进行广泛的分析。然而，在线上传MRI图像可能会给神经影像科学家带来相关的伦理问题，尤其是在处理敏感患者数据时。
本研究提出了基于BIDS格式的本地离线神经成像分析工具——BIDS管理和分析工具(BMAT)。BMAT桌面应用程序是一个图形用户界面(GUI)包装器，可与现有的命令行神经成像工具配合使用。BMAT可以创建和管理BIDS数据集，为在数据集上运行自动化任务和查看分析结果提供了用户友好的界面。该软件是在MSMRI研究的框架下开发和测试的，具有多中心数据和专用的分析工具。
方法
本节详细介绍了BMAT软件，从主界面结构开始，然后更深入地介绍一些与MS相关的BMAT分析管道。图1显示了软件主窗口的视图。
图1.软件主窗口视图。
下载和安装
BMAT可以直接从GitHub存储库(https://github.com/ColinVDB/BMAT)下载用于Linux，Windows和MacOSX操作系统(OS)，该存储库包含软件的源代码以及描述如何安装和使用该软件的详细文档。正如下文所述，BMAT需要许多其他依赖项，整个安装过程需要一到两个小时，具体取决于操作系统和用户的信息背景。以下是所需依赖项的列表：
vPython(3.8)：运行软件
vdcm2niix：用于将DICOM文件转换为NifTI
vITK-SNAP：带有注释工具的3D查看器
vDocker：用于运行多个工具
图形用户界面(GUI)和功能
下载并安装软件后，一旦启动，BMAT会要求选择一个与BIDS目录对应的文件夹。如果没有可用的BIDS目录，用户可以选择一个空文件夹来创建新的数据集。主窗口由几个小部件组成，包括：
v数据集信息：主窗口顶部中央小部件显示数据集的简短描述和有用的信息。
①BIDS目录的名称
②数据集中的被试数量
③目录的BIDS版本
④数据集的作者
这些信息大部分来自前面描述的目录中的dataset_description.json文件。
v目录树查看器：该小部件位于主窗口的左侧，允许用户以安全的方式查看和导航BIDS目录。事实上，它的使用类似于一个经典的文件浏览器，没有修改、移动或删除数据集中文件的风险。
v快速查看器：中央底部的小部件允许用户观察数据集中的文件。默认情况下，它会显示软件的图标(如图1所示)。当在目录树查看器中双击打开任何非图像文件时，软件将在此小部件中打开一个专用查看器来观察该文件。对于图像文件，只需单击即可在BMAT小部件中打开一个切片作为预览，而双击允许用户在独立的ITK-SNAP窗口中完全打开图像，这是3D volumes的一个高级查看器(http://www.itksnap.org/pmwiki/pmwiki.php)。
vBIDS操作：这对应于右侧小部件，并包含用于触发数据集特定操作的按钮，例如导入数据，删除对象和会话，以及重命名对象、会话或序列。这些操作会自动编辑所有需要更新的文件。BMAT还提供了在整个数据集中自动重命名序列的可能性。如果用户在遵循BIDS命名约定时出错，这将特别有用。
vBIDS下拉菜单：它为用户提供其他不太常用的操作，如创建或选择另一个BIDS目录、更新dataset_description.json文件或检查数据集的BIDS有效性。该软件使用BIDS验证器工具向用户提供有关其BIDS数据集质量的有用信息。BIDS验证器是BIDS规范(BIDS-贡献者2022)中已经过验证的成熟工具。此功能还为用户提供了指向BIDS规范的有用链接。
v管道下拉菜单：此菜单允许用户以全自动的方式在数据集上运行特定任务。管道来自BMAT社区，可以直接通过GUI下载。下面将介绍一些已经可用的管道。
v本地化管道下拉菜单：它允许用户在本地添加自己的管道。为此，用户需要在使用python和PyQt5时有足够的编码知识。
数据集管理
该软件的第一个目标是为研究人员提供一个用户友好的界面来创建和管理BIDS数据集。本节将重点介绍软件的可用性和便捷性。创建BIDS数据集后的第一步是导入新被试。目前，神经成像数据是以DICOM格式从MRI设备导出。这种格式是通用的，包含有关序列的相关信息，但依赖于服务提供者，通常不方便操作。也可以使用较旧的格式，例如飞利浦的PAR/REC格式。为了遵循BIDS准则，需要将图像转换为NIfTI格式，这是一种所有人都可以访问且易于操作的开源格式(https://NIfTI.nimh.nih.gov/)。同时，包含元数据的JSON文件始终与图像相关联，对于某些序列（如弥散MRI），还会创建其他特定文件。BMAT使用dicom2niix将DICOM文件转换为NIfTI格式。NIfTI文件的名称主要基于相应DICOM中的ProtocolName和SeriesDescription属性。尽管这些属性是自由形式的并且不保证是唯一的，但作为一种惯例，相同的SeriesDescription属性通常不用于同一研究MRI协议中的多个序列。此外，用于NIfTI文件命名的DICOM属性的选择受到dcm2niix的限制。在此步骤之后，NIfTI文件将按照BIDS规范重命名，并组织到BIDS数据集的正确文件夹中。重命名策略取决于用户，并基于NIfTI文件名和相应的BIDS模态之间的映射，这在软件源代码的sequence.csv文件中进行了描述。sequence.csv文件应遵循BIDS规范(BIDS-贡献者2022)，并且在研究开始时只需填写一次；然后，该软件将能够识别和处理这些特定的MRI序列。
有关数据集的被试信息对于神经成像研究至关重要，并且包含在participants.tsv文件中，由BMAT自动完成。该文件由每个被试行组成，默认包含其BIDS ID、年龄、性别和不同MRI会话的日期。作为附加功能，BMAT为用户提供了自动从被试的DICOM文件中检索任何信息并将其存储在participants.tsv文件中的选项。
MS图像分析工具
如前所述，BMAT还可以合并不同的图像分析工具。在这里，研究者介绍了一些图像分析管道，这些管道对MS MRI研究以及一般的神经成像研究特别有用。在进行神经成像研究时，查看器是必不可少的，因为它可以查看图像和对图像进行计算的结果。另一个基本功能是可以手动分割和注释感兴趣的区域。尤其适用于MS MRI研究，其中白质(WM)病灶的分割是许多研究的根本出发点，包括基于MRI的临床试验。病灶分割可以自动执行或手动执行。为了手动执行此任务，本研究工具与ITK-SNAP配合使用，ITK-SNAP是一个开源且易于使用的查看器，可以注释3D图像(http://www.itksnap.org/pmwiki/pmwiki.php)。它还允许同时打开多个图像，并在多个窗口打开时提供同步选项，以同时查看和注释不同MRI图像上的病理细节。使用ITK-SNAP编辑的文件需要用户通过ITK-SNAP中的保存按钮手动保存在右侧的BIDS文件夹中。
神经成像研究通常使用称为管道的自动计算工具来产生特定的资源和结果。由于有了BIDS结构，管道可以通过脚本对所有被试图像执行相同的自动任务。对于BMAT，管道的实现是社区驱动的，管道可以直接通过GUI从专门的GitHub组织(https://github.com/BMAT-Apps)下载。根据正在进行的研究，研究小组之间的管道可能会有所不同。在这里，本研究提出了4个具有代表性的BMAT管道，可用于MS MRI研究：
v图像配准：该管道提供了一种工具，可以使用ANTS Registration对单个被试的两张图像进行严格的配准，并为数据集的任何被试编写脚本。它还允许通过使用在原始配准期间计算的转换矩阵将相同的转换应用于另一个图像。计算图像配准大约需要2到3分钟。
v脑病灶分割：病灶分割是MS MRI研究的一项基本任务。大脑分割管道使用SAMSEG基于液体衰减反转恢复(FLAIR)和磁化准备快速梯度回波(MPRAGE)对比自动分割WM病变。SAMSEG可以在大约15到20分钟内生成输出分割。
vFLAIR*计算：FLAIR*可以同时可视化MS中的WM病变和实质静脉，是一种被广泛接受的检测中央静脉征(CVS)诊断生物标志物的技术。FLAIR*计算管道允许使用之前提出的docker容器，通过对配准的FLAIR和T2*图像的体素乘法来计算FLAIR*图像。FLAIR*计算大约需要20到25分钟。
v相位展开：该管道允许使用先前提出的docker容器从基于敏感性的MRI中获得的相位图像展开和过滤。对未展开的相位图像的分析(结合其他MRI对比)可以检测顺磁边缘病变(PRL)，这是MS中的一种新兴神经成像预后生物标志物。相位展开时间约为3-5分钟。
此外，本地化管道下拉菜单的概念允许实施新管道来运行与正在进行的研究相关的特定任务。要在本地向软件添加新的管道，用户必须在软件源代码的“LocalPipelines”文件夹中添加其python源代码，其中包含使用PyQt5的专用图形界面和计算代码，以及包含有关管道元信息的相关JSON文件。管道的计算部分可以使用docker容器，也可以在本地实现，从而使软件能够适应广泛的神经成像应用程序。要使用此功能，用户需要具备良好的编程技能，特别是python和PyQt5。然后，新管道可以通过GitHub组织(https://github.com/BMAT-Apps)与社区共享。
结果
首先通过使用该软件进行MS MRI研究时的典型工作流程的说明性示例，然后通过比较BMAT与“BIDS manager”和“BrainLife”的性能，将源DICOM数据转换为BIDS格式。该示例包括①按照BIDS原则管理MS患者的MRI DICOM数据，②执行图像配准，③WM病灶分割，④FLAIR*，⑤CVS和PRL诊断与预后诊断的相位展开。
数据集管理
BMAT建议的第一个任务是导入数据，为新的研究创建新的BIDS数据集。这里展示的MRI数据来自3个不同的MRI供应商：General Electrics(GE)，Siemens和Philips。要使导入正常工作，用户必须首先用研究中使用的成像序列的名称编辑sequences.csv文件。例如，“_3DT2_0.65mm_iso_20180824081221_11_.nii.gz”和“_3DT2_0.65mm_iso_20180824081221_12__ph.nii.gz”分别是从西门子Prisma扫描仪上获取的3D分段T2*加权回波平面成像(EPI)序列转换为NIfTI格式后得到的幅值和相位图像的名称。对于重命名方案，第一步是选择一个捕获序列模态的特定关键字(‘3DT2’)，在BIDS规范中搜索相应的BIDS模态(‘T2starw’)和MRI类型(‘anat’)。现在，BIDS字段仍有待完成；由于“部分”字段的存在，相位和幅值部分需要区分。“_ph”关键字可以区分相位和幅值。同样，在GE和飞利浦扫描仪上采集的相同3D-EPI序列的名称分别为“_p_Sag_3D_EPI_20220628104007”/“SWIphase__p_Sag_3D_EPI_20220628104007”和“_SWI_NEW_S2_20201229103505_”/“_SWI_NEW_S2_20201229103505__ph”。按照与上述相同的过程，可以相应地完成sequences.csv文件(表1)。
表一
此时，该软件可以识别在3种不同扫描仪(Siemens，GE，Philips)上实现的相同3D-EPI MRI序列的三个不同名称，并根据BIDS规范(sub-xxx_ses-xx_part-mag_T2starw.nii.gz和sub-xxx_ses-xx_part-phase_T2starw.nii.gz)对其进行重命名。
更新重命名文件后，即可开始导入新数据的过程。与其他逐个导入MRI序列的现有BIDS管理软件(BIDS Manager)相比，BMAT可以一次性转换整个MRI会话(包含连续获取的多个序列)。这减少了导入新数据所花费的时间，提高了使用的舒适度。借助用户界面，用户可以选择与被试的MRI会话相对应的任何DICOM文件夹，进行压缩(ZIP文件)或解压(文件夹)。然后，用户必须通过提供相应的BIDS_ID(例如sub-013)和会话(例如ses-02)来告诉软件此会话对应于哪个患者。如果未提供此信息，BMAT将认为此会话对应于新被试的第一个会话，并选择一个新的可用BIDS_ID(即sub-001和ses-01用于第一个MRI会话)。然后，该软件①将DICOM 文件夹中包含的所有文件转换为NIfTI格式，②根据提供的重命名策略重命名文件(例如sub-013_ses-01_part-mag_T2starw.nii.gz)和③创建目录来存储这些文件。DICOM文件夹在源数据目录的被试和会话文件夹对应之后复制/存储在BIDS数据集中。这可确保原始DICOM原封不动地存储在数据集中，以便用户始终可以检索此信息，并在发生错误时备份图像。最后，它还将修改participants.tsv文件以添加与此新会话相关的信息。
导入完成后，用户可以通过运行BIDS质量控制工具评估其数据集的BIDS有效性，并根据提供的反馈和BIDS规范手动编辑数据集。
MS图像分析工具
下一步是使用软件提供的一种或多种不同的图像分析工具进行研究的图像分析部分。在这里，本研究提出了一个具有代表性的BMAT MS MRI研究分析。管道计算结果如图2所示。
图2.在ITK-SNAP图(左)和细节图(右)中查看用于检测MS中PRL和CVS成像生物标志物的处理管道的结果。
第一步是分割WM病灶，这可以由SAMSEG管道自动执行，单独使用3D FLAIR或结合3D-MPRAGE图像作为输入(见图2，上)。然后，为了检测CVS和PRL生物标志物，需要3D-EPI MRI序列提供幅值和相位图像。为了将所有不同的MRI对比图像放在同一空间中，图像使用配准管道一起进行配准。使用相应的BMAT管道可获得FLAIR*和未展开的相位图像，并且可以评估分割病变是否存在PRL(图2，中)和CVS(图2，下)成像生物标志物。由于使用了ITK-SNAP，用户能够手动编辑现有的病变掩膜或创建新的病变掩膜。
BMAT性能以及与现有BIDS管理解决方案的差异
表2总结了BMAT与“BIDS manager”和“BrainLife”的主要区别和性能。BIDS Manager和BMAT都要求用户手动向软件提供MRI序列的名称(分别通过填写requirements.json和sequences.csv文件)，详见表2中的“Preprocessing before conversion Time”。虽然这个过程很耗时，但它只需要在每个新的成像研究开始时填写一次(假设在研究期间MRI的协议不变)，并且BMAT可以使整个重命名步骤准确。但是，BIDS manager要求用户将序列逐个导入整个会话中，并在导入后手动重命名每个序列，这大大减慢了整个BIDS转换过程。相比之下，BrainLife可以自动识别并重命名MRI序列。但是，会话中的不同MRI序列可能会被错误地重命名(特别是研究MRI序列)，这需要研究人员在每次导入新会话时检查并最终修复序列名称。此外，BrainLife需要在BIDS转换之前将整个会话上传至网上，这大大减慢了整个过程。本研究认为，BMAT与以前的BIDS管理解决方案之间的主要区别在于BMAT能够独立地将DICOM转换为BIDS。事实上，一旦完成了sequences.csv文件，BMAT用户就可以一次启动多个MRI会话的转换，而BIDS Manager和BrainLife都需要用户在转换的某个阶段进行干预。
表 2.BMAT与“BIDS manager”和“BrainLife”的比较。
结论
BMAT是一个完整的本地和开源神经成像分析工具，它使用BIDS格式来组织和处理用于MS成像研究的大脑MRI数据。该软件可以创建结构良好的数据集，并且能够导入不同MRI扫描仪(GE，Philips和Siemens)的数据。通过使用BIDS验证器工具可以确保BIDS数据集的质量，向用户提供有关其数据集有效性的即时反馈。BMAT还支持使用管道(可下载为 BMAT-Apps)，对整个数据集自动执行特定的后处理和图像分析任务。在这里，研究者介绍了MS成像研究的四个相关管道：图像配准，图像分割，FLAIR*计算和相位展开。许多其他的MS和非MS相关的图像分析管道可以通过BMAT-Apps GitHub组织与科学界共享。BMAT基于BIDS格式，简化了多个机构之间数据集和自动MRI分析工具的共享过程。
与其他可用解决方案相比，BMAT脱颖而出，其转换速度更快，更直观和完整。BMAT的直观性是由于它为用户提供了管理数据集的自由，比BIDS规范的限制更少。此功能的一个显著优点是允许使用BIDS规范中不存在的研究成像序列。但是，该软件并不完全强制执行BIDS原则，而是让用户在提供工具的同时遵循规范。重命名方案提供了将该软件与任何MRI序列一起使用的可能性。BMAT允许用户添加由社区实现的新分析管道，以及添加个性化脚本来计算数据集上的即席分析。这三个选项使该软件可以推广到任何类型的神经成像研究。由于BMAT已作为直观的GUI实现，因此对于非计算机专家(例如医学神经影像研究人员)实施BIDS格式并为其研究提供完整的分析工具特别有用。它还允许通过简单的GUI运行图像处理管道。
本研究的未来目标是将该软件与DataLad集成。DataLad是一个免费的开源分布式数据管理系统，可跟踪研究数据、创建结构、确保可重复性、支持协作并与广泛使用的数据基础设施集成。这将允许版本控制和与其他研究人员共享数据集。总体而言，BMAT是一个基于BIDS格式的完整本地化软件，可用于神经成像研究。它提供了一个用户友好的框架，用于在BIDS数据集上创建和管理以及运行自动化任务。BMAT使用方便，可由用户定制，以适应任何类型的神经成像研究。
参考文献：C. Vanden Bulcke, M. Wynen, J. Detobel, F. La Rosa, M. Absinta, L. Dricot, B. Macq, M. Bach Cuadra, P. Maggi, BMAT: an open-source BIDS Managing and Analysis Tool, NeuroImage: Clinical (2022), doi: https://doi.org/10.1016/j.nicl.2022.103252.
小伙伴们点个“在看”，加
(星标)关注茗创科技，将第一时间收到精彩内容推送哦～
