FreeSurfer是一套用于研究皮质和皮层下解剖学的软件工具。用于处理、分析和可视化人脑 MR 图像的开源神经影像工具包！在皮质表面流中，这些工具构建白质和皮质灰质以及皮质表面之间边界的模型。一旦知道这些表面，就可以进行一系列解剖学测量，包括：皮质厚度、表面积、曲率和皮层上每个点的表面法向。表面可以膨胀和/或展平，以改善可视化。这些表面还可用于限制逆光学、脑电图和脑电图问题的解决方案。此外，基于皮质表面的图谱已经根据映射到球体的平均折叠模式进行了定义。来自个体的表面可以通过高维非线性配准算法与此图集对齐。配准基于对齐皮质折叠模式，因此直接对齐解剖结构而不是图像强度。球面图集自然形成了一个坐标系，在这个坐标系中可以实现主体之间的点对点对应。然后，可以使用此坐标系创建组地图（类似于将 MNI 空间用于体积测量的方式）。大多数 FreeSurfer 管道都是自动化的，这使其成为大型数据集的理想选择。
功能特色
1、基于表面的流
基于表面的管道由几个阶段组成（Fischl等人，1999a和Dale等人，1999年详细描述）。首先，该卷在MNI305（Collins等人，1994）图谱中注册（这是一个仿射注册）。这允许FreeSurfer在后期阶段计算种子点。B1偏置场是通过测量白质强度的变化来估计的。白质的主体用于估计整个体积的场。可能的白质点是根据它们在MNI305空间中的位置以及它们的强度和局部邻域强度来选择的。然后将每个体素的强度除以该位置的估计偏差场，以消除偏置场的影响。颅骨被剥离（图1A;塞贡等人，2004）使用可变形的模板模型。然后根据强度和邻居约束将体素分类为白质或白质以外的其他物质（图1B）。选择切割平面以将半球彼此分开以及去除小脑和脑干。切割平面的位置基于胼胝体和脑桥的预期MNI305位置，以及编码这些结构的预期形状的几种基于规则的算法。然后通过平铺该半球的白质质量的外部为每个半球生成初始表面。然后细化该初始表面以遵循白质和灰质之间的强度梯度（这称为白色表面）。然后轻推白色表面以遵循灰质和CSF之间的强度梯度（这是pial表面）。覆盖在原始T1称重图像上的白色和pial表面如图1C所示。白色和皮层之间的距离为我们提供了皮层每个位置的厚度（Fischl and Dale，2000）。
图1：FreeSurfer皮质分析管道的三个阶段。A.头骨剥离图像。B.白质分割。C.白色和灰色（黄线）之间以及灰色和pia（红线）之间的表面重叠在原始体积上。
我们还可以计算局部曲率、表面积和表面法线。皮亚尔表面的3D视图如图3A所示。该表面可以膨胀以显示沟中的区域，如图3B所示。然后可以根据折叠图案将该表面注册到球形图集（Fischl等人，1999b）。
图3：A.皮亚尔表面。B.膨胀表面。绿色表示回。红色表示沟。
2、基于容量的（皮质下）流
基于体积的流旨在预处理MRI体积并标记皮层下组织类别。该流由五个阶段组成（在Fischl等人，2002，2004b中完全描述）。第一阶段是MNI305空间的仿射配准，专门设计为对病理不敏感，并最大限度地提高最终分割的准确性（与基于表面的流采用的程序不同）。接下来是初始体积标记。由于B1偏置场引起的强度变化得到校正（再次使用与基于表面的流不同的算法）。最后，对MNI305图谱进行高维非线性体积对准。预处理后，将标记卷（见下文）。基于卷的流在某种程度上独立于基于表面的流。基于体积的流仅依赖于颅骨剥离来创建执行标记的大脑掩模。最后阶段，实际标记卷
标签图谱构建：
皮质（Fischl等人，2004b）和皮质下（Fischl等人，2002）标记使用相同的基本算法。最终的分割基于与主题无关的概率图谱和特定于主题的测量值。该图谱是从训练集构建的，即一组大脑（表面或体积）被手工标记的受试者。然后将这些标签映射到公共空间（体积的MNI305空间和表面的球形空间），以实现所有主题的点对点对应。请注意，“点”是体积中的体素或表面上的顶点。在空间中的每个点，都存在分配给每个受试者的标签和每个受试者的测量值（或多个值）。然后在每个点计算三种类型的概率。首先，计算点属于每个标注分类的概率。第二种类型的概率是根据训练集中存在的标签的空间配置计算的，称为邻域函数。邻域函数是给定点属于给定其相邻点分类的标签的概率。邻域函数很重要，因为它有助于防止结构边缘处一个结构中的孤岛。第三，针对每个标签在每个点分别估计测量值的概率分布函数（PDF）。对于基于体积的标记，测量值是该体素处的强度。对于基于表面的标注，测量值是该顶点处每个主方向的曲率。PDF 被建模为正态分布，因此我们只需要估计空间中每个点的每个标签的均值和方差。如果有多个测量值（例如，多光谱数据），则PDF被建模为多元正态，我们需要估计每个标签的均值和方差-协方差矩阵。
标记数据集：
空间中每个点到给定数据集的给定标签的分类是通过找到分割来实现的，该分割在给定训练集的先验概率的情况下最大化输入概率。首先，将每个点的类的概率计算为给定类出现在训练集中该位置的概率乘以从该类获取特定于主题的测量值的可能性。后者是根据该标签的 PDF 计算的，根据训练集估计。计算每个类在每个点的概率。通过将每个点分配给概率最大的类来生成初始分割。给定此分割，邻域函数用于重新计算类概率。数据集根据这组新的类概率进行重新分割。重复此操作，直到分段不更改。这一过程允许利用每个数据集特有的信息，为该数据集定制图集。完成后，我们不仅为空间中的每个点都有一个标签，而且我们还有可能看到每个体素的测量值。该概率在空间中所有点上的乘积产生输入的概率。这将在以后的自动故障检测期间使用。该程序已被证明在统计学上与手动评分者没有区别（Fischl等人，2002年），并且对采集参数的变化相对不敏感（Fischl等人，2004a）。结果如图 4 所示。在4A中，体积标记显示几种皮质下结构（壳核，下层，心室等）。请注意，所有白质都被视为一个标签，每个皮质半球的所有皮质灰质也是如此。
图 4：A. 基于体积的标签。请注意，皮质灰质和白质由单个类表示。另请注意，每个半球的结构都有单独的标签。B. 基于表面的标签。
3、基于表面的统计分析
表面的GLM分析使我们能够测试任何基于表面的测量如何随着人口统计学或遗传变量，群体成员（例如，阿尔茨海默病或正常）而变化的模型。该工具将被推广，以允许将皮质表面特定点（或紧邻皮质下交界处）的 FA 用作线性模型中的参数。
4、纵向处理流
Freesurfer中也提供了纵向处理流，其中使用强大的逆向一致配准（Reuter et al.， 2011）创建了无偏的主题内模板空间和平均图像（Reuter and Fischl， 2010）。来自此主题模板的信息用于初始化多个位置的纵向图像处理，以提高可重复性和统计能力。有关详细说明，请参阅纵向处理。
5、图形用户界面 （GUI）
FreeSurfer有几个交互式图形工具，用于数据可视化，分析和管理。主要的GUI称为Freeview。该工具具有许多功能，其中包括：可视化 FreeSurfer 输出（表面、体积、ROI、时间过程、叠加层等）、编辑 FreeSurfer 生成的体积、分割和包裹，以及手动标记 MRI 数据的能力。FreeSurfer还有一个GUI来帮助管理和分析数据组，称为QDEC。
更新日志
稳定版v7.4.0发布（10年2023月<>日）
FreeSurfer版本7.4.0可以在这里找到。除非采用新功能，否则recon-all将给出与其他7.X版本完全相同的结果。以下是一些亮点：
新增：全临床侦察
新增：基于dti的丘脑分割
新增：DICOM转换现在使用dcm2niix。这是“引擎盖下”，所以你甚至不知道它在那里。这允许转换更多的DICOM类型，包括新的扩展DICOM格式。
新增功能：mri_easyreg–一个易于使用的深度学习工具，用于对称仿射和可变形配准，主要基于mri_synthmorph（见下文）。
新功能：mri_synthmorph，一种易于使用的深度学习工具，用于仿射和可变形配准
新增：mri_synthseg–新功能
新功能：所有版本的SAMSEG现在都使用块坐标下降（BCD），将其速度提高了约10-20%
新：内嗅皮层（EC）周围更好的表面。将-fix-ento-wm添加到全部侦察命令行（或在全局xopts文件中）。这将应用深度学习网络在EC周围分割WM，并在其周围放置表面。它将创建一个名为entowm.mgz的细分。这仍然有点实验性。
新增功能：所有侦察选项现在可以进入带有全部侦察行的专家选项文件，例如，“全部侦察-所有-修复-ento-wm”。如果始终希望将特定标志传递给侦察，则可以通过这种方式将其添加到$SUBJECTS_DIR/global-expert-options中.txt
错误修复：以下7.3.2中的已知问题已得到修复（FLAIR pial放置、mri_sclimbic_seg、segment_subregions、mri_synthsr）
错误修复：mri_glmfit现在在计算p值时使用双精度。这实际上没有任何影响，除非p值非常小（例如，当你有1000个自由度时）。
错误修复：FSFAST中的切片延迟现已修复（可能由于python不兼容而崩溃）
错误修复：samseg-long运行mri_robust_template不正确，导致所有时间点都与第一个时间点对齐，而不是与基本图像对齐。此问题已修复。请注意，这不会影响类似命名的run_samseg_long（由samseg-long调用）。
7.4.0的已知问题
在某些情况下，当使用不同数量的线程时，mris_fix_topology会给出不同的结果。差异非常小，但它可能会使侦察看起来是不确定的。要解决此问题，请将“mris_fix_topology-threads 1”添加到专家选项文件中（全局文件最好是它始终存在）
当使用-bin选项运行selxavg3-sess或mkcontrast-sess时，包括-mcr$FREESURFER_HOME/MCRv97以使用正确的matlab库。-bin选项将使用编译的matlab二进制文件，因此不需要matlab许可证（可能仅适用于centos）。