【PANDA教程】PANDA详细教程笔记
前⾔
PANDA是⼀个基于FSL的DTI数据分析软件，从安装Linux系统开始到学习DTI的分析⽅法⼏乎花了⼀个⽉时间，但其实⼀半的时间都是在解决系统和软件的问题，当平台搭建好了以后，个⼈感觉DTI数据的分析相对于fMRI来说更简单易懂⼀些，因为构建结构⽹络的步骤相对更少，同时PANDA的出错率也相对较低，但输出的⽂件特别多，因此整理了⼀下笔记以便今后查看。该笔记主要是参照官⽅的视频教程和说明书整理的，⾥⾯还会补充⼀些⾃⼰在操作过程中的想法、笔记和注意事项等等。
Linux系统：Ubuntu 18.04.1
MATLAB_Linux版本：2018a
FSL官⽹：
FSL需要在Linux环境下使⽤，因此使⽤PANDA前需要在Linux系统中事先安装好FSL和Linux版本的MATLAB，这两个软件的安装教程在博客上有很多优秀的分享可供参考。
⽬录
（重点）
（重点）
（重点）
安装好所有软件后，在MATLAB中输⼊⼤写“PANDA”，回车，即能弹出以下操作界⾯：
⼀、数据准备
图像可以是DICOM或NIFTI格式，⽂件结构如下图所⽰，PANDA这个软件只需要⽂件结构统⼀即可，⽂件的名称没有特别限制。需要注意两点：
（1）DTI数据：每个sub如果仅扫描了⼀次，则sub⽂件夹下只需要包含⼀个DTI1⽂件夹（注意仅扫描了⼀次也⼀定要有这个⽂件夹，不然会出现The input for the 1subject is illegal），如果扫描了两次，则需要同时包含DTI1和DTI2两个⽂件夹，扫描多次的样本以此类推。另外，如果DTI数据是NIFTI格式，每个⽂件夹需要同时包含三个⽂件：“.bval”⽂件、“.bvec⽂件”和“.⽂件”。其中“.bval”⽂件表⽰b value，⾥⾯存放的是每个扫描⽅向的b值，⼀般第⼀个b=0，后⾯的b常见的有1000，2400等；“.bvec⽂件”表⽰b vector，⾥⾯存放是每个扫描⽅向的x,y,z⽅向向量，三个⽅向的平⽅和应该为1。
（2）T1数据：T1数据仅需要把所有样本按照顺序放在同⼀个⽂件夹下即可。要注意T1图像的样本顺序要和前⾯DTI图像的样本顺序⼀致。
⼆、基本操作流程
Part 1  路径选择和基本设置（1~4）
1. DICOM/NIFTI Path⽂件输⼊
选中DTI的⽂件路径后，在右边的⽂件夹按下Shift的同时点击最后⼀个⽂件夹sub003，即可同时选择所有样本数据。在选择好所有数据后，在PANDA的蓝⾊框框处会⾃动显⽰所有样本的路径。
2. Result Path  设置结果输出路径
⾃⼰⾸先新建⼀个RESULT⽂件夹，然后选中该⽂件夹作为结果输出路径即可。
3. Subject_IDs  设置样本编号
在空格处按照matlab的命令格式输⼊ID号，如这⾥有三个样本，可直接输⼊[1:3]（MATLAB的命令格式），然后回车即可。
4. File_Prefix  设置⽂件名前缀
如果需要，可以给结果⽂件加⼀个统⼀的⽂件名前缀，在此空格处输⼊即可。
Part 2  参数设置（5~7）
5. PiPeline Opt  设置并⾏处理参数
① 使⽤单台机器，点击batch，后⾯的Max_Queued的数字代表机器的CPU数，⾃⼰的机器有多少个CPU就填多少，但是DTI数据处理起来的数据运算量⽐较⼤，如果在跑数据之余还需要⽤电脑处理做其他的任务，建议留出来⼀个CUP，免得机器卡死，即如果⾃⼰电脑有8个核，这⾥可以填7个核即可，剩下⼀个核⽤于处理其他的任务，当然也可以按照⾃⼰需要进⾏填写。
② 如果在SGE的集环境下，可以点击qsub，后⾯的Max_Queued同样表⽰集环境下的总核数。
ubuntu安装教程
6. Diffusion_Opt  弥散参数设置（重点）
弥撒参数设置分为两部分，第⼀部分为预处理参数设置，第⼆部分为弥散矩阵的参数设置。
（1）Preprocessing  预处理参数设置
① Resampling_Resolution
设置重采样的分辨率，默认是不⽤做的，因为⼀般机器采集出来的数据分辨率都是[2 2 2]mm的，但有的机器采集出来的数据分辨率是[1 1 1 ]或[0.9 0.9 1]等等，这些较⾼分辨率对原始结构图象的意义不是特别⼤，同时会增加很多计算量（尤其在计算纤维追踪时），此时较⾼分辨率的图像⼀般需要重采样到[2 2 2]。
② Orientation Path
数据采集时候会涉及到多个⽅向和多个⾓度，机器在采集数据时会有⼀个专门的坐标系，⽽FSL在分析数据时也会有⼀个坐标系，当数据采集时的坐标系和FSL设定的坐标系不⼀致时，就需要利⽤该参数进⾏调整。现在⼀般数据的采集坐标系和FSL的坐标系都是⼀致的，因此⼀般不⽤进⾏调整。如果想要知道数据采集的坐标系和FSL的坐标系是否⼀致，可以使⽤PANDA⾃带的Test Bvecs⼯具进⾏测试，若不⼀致就需要进⾏调整。⼀般可能出现的问题是需要调整invert，调整三个⽅向中的其中⼀个⽅向。
③ Raw NII from Dicon
选择keep/delete表⽰保留/删除由原始DICOM数据转换出来的NIFTI数据。如果原始数据为DICOM时，为了增加存储空间可以选择删除转换出来的NIFTI数据；如果原始数据本⾝就是NIFTI时，选择keep/delete都不会删除原始的NIFTI数据。
④ f(skull_removal) & Cropping gap
f(skull_removal)：对DTI数据进⾏去头⽪操作的参数，该参数越⼤表⽰去除的头⽪越多，留下的⼤脑部分越少，⼀般默认使⽤0.25即可。
Cropping gap：在去除头⽪后，图像会有很⼤⼀部分是没有信息的，如下图所⽰，⼤脑外⾯⿊⾊的⼀⼤圈都是没⽤的，如果把整个图像进⾏计算的话会增加许多额外的计算量，因此这⼀步的功能其实就是把外⾯没⽤的那⼀圈截掉，以增加数据处理速度。⽽该参数的数值则表⽰⼤脑到截取框的距离，⼀般默认为3mm，如下图所⽰：
图⽚出⾃官⽅说明书
（2）Producing diffusion metrics  弥散矩阵参数设置
① Local Diffusion Homogeneity (LDH)
LDH计算的是某⼀个体素弥散率序列和邻接体素弥散率序列之间的相关性。PANDA分别使⽤kendall系数和spearman系数来计算这种相关性。该参数是是⽤于定义邻近点的，相邻的定义⽅式有三种，分别
为⾯相邻，边相邻和点相邻，其中7 voxels表⽰⾯相邻（6个邻接体素
+⾃⼰），19 voxels表⽰边相邻（18个邻接体素+⾃⼰），27 voxels表⽰点相邻（26个邻接体素+⾃⼰）。
② Normalizing_Targer
选择标准化模板。在计算出FA,MD,AD,RD等diffusion参数以后，需要把它们配准到标准模板，这⾥默认选择的是FSL提供的⼀个分辨率为1x1x1mm的标准FMRIB58_FA模板，可以根据⾃⼰需要下载或选择其他的标准模板，该标准模板如下图所⽰。