目前我正在做recon-all，后续怎么使用AAL模版来代替aparc模版提取信息呀，是将它的nii格式想办法转换为annot，然后再挨个提取嘛？感觉有点迷茫 
- 基本思路就是将AAL转换为annot文件，可以参考以前的讨论：https://brainbbs.cn/t/topic/368
- 不过这种转换是不完美的，因为在volume空间连续的脑区转到surface上可能就不连续了，一般需要后续编辑。如果不能在网上找到现成AAL的annot文件，这个工作量感觉还是比较大。
- 为什么要选择用AAL分区呢？感觉这个分区从准确性上来说很不好。
感谢Alex老师，我看完了，收获很多 
，使用AAL分区是老师的要求，我现在准备尝试在网上搜索一下看有没有现成的
网上的这个AAL2的annot文件我以前看过，确实没有标签信息（也就是每个编号表示哪个脑区）。如果是我的话，我会把这个annot文件转换到MNI空间，然后和AAL的MNI模板进行匹配，看看annot文件里的编号对应于AAL模板里的哪个编号和脑区。不知道我说清楚了没？如果有什么不清楚的地方，我们再讨论。
非常非常感谢Alex老师，我基本懂您的意思了，我再去研究一下怎么实现 
Alex老师好，最近被一些事情耽搁了，我对神经影像相关的内容了解还不太深，最近也看了您写的一些关于MNI152和fsaverage相互转换，以及对MNI空间与模板的解读。
目前我的想法就是按照您之前那篇文章，将fsaverage模板的脑网络（aal.annot)转换到Colin27空间中，我比较疑惑的就是之前看到您的有篇帖子有写AAL模板是Colin27，不是MNI152空间，也就是存在不同的MNI空间，并且Colin27在不同的地方使用的内容都不同，我该如何在freesurfer中使用它呢，或者说使用哪个版本（不知道我有没有理解错误），对应您之前文章的代码，也就是这两条
‘/home/Alex/Wu2017_RegistrationFusion/bin/final_warps_FS5.3/allSub_fsaverage_to
_FSL_MNI152_FS4.5.0_RF_ANTs_avgMapping.prop.mat’, …
‘/home/Alex/Wu2017_RegistrationFusion/bin/liberal_cortex_masks_FS5.3/FSL_MNI152
_FS4.5.0_cortex_estimate.nii.gz’);
麻烦老师了
- 我博客里的这个代码用的是MNI152的文件，因为我希望转换到MNI152的空间上。你如果需要转换到Colin27的模板空间，RegistrationFusion也提供了对应的文件，就是把上面代码里的
FSL_MNI152换成SPM_Colin27就行了。 - 如果你只是想知道annot文件里的脑区标签，我估计MNI152和Colin27差别很小。
好的老师 
，非常感谢，我继续研究后面的步骤
- 首先annot只包括皮层脑区，aal的120个脑区还包括皮下核团和小脑，所以匹配前应只保留皮层的部分。
- 因为annot文件格式比较特殊（参考官方wiki），所以RegistrationFusion转换完成后每个体素的值是annotation value，也就是说这个值虽然也是每个脑区不同，但是并不是每个脑区的编号。annotation value和脑区的对应关系在
colortable.table里可以找到，第5列是annotation value。所以在保存结果之前还需要对结果进行一次转换。 - RegistrationFusion转换后的空间是FreeSurfer的conformed space，所以维度不一样。可以用下面的代码再进行一个变换：
mri_label2vol --seg annot.nii.gz --temp colin27.nii.gz --o output.nii.gz --regheader annot.nii.gz
好的Alex老师，不好意思，今天课有点多，没能及时回复，我现在正在阅读这个官方文档，非常感谢老师的解答和帮助 
我觉得这个思路没问题。
谢谢Alex老师 ，我现在就去看看
Alex老师早上好！我又带着问题来打扰了 
- 我在计算Dice相关系数时，使用120个脑区的aal2文件和83个脑区（包含82个脑区和脑区？？？，应该就是背景部分吧）的annot文件，但是发现生成的文件是121x84的，aal2模板里多出的那个应该就是aal2对应的0的背景部分，但是annot文件又多出来一个label 0 ，变成了84个
请问对结果有影响吗，我能否直接把dice生成的文件里对应得行列直接删掉。 - 我发现我在之前的转换代码使用的时候
‘/home/Alex/Wu2017_RegistrationFusion/bin/final_warps_FS5.3/allSub_fsaverage_to
_FSL_MNI152_FS4.5.0_RF_ANTs_avgMapping.prop.mat’, …
‘/home/Alex/Wu2017_RegistrationFusion/bin/liberal_cortex_masks_FS5.3/FSL_MNI152
_FS4.5.0_cortex_estimate.nii.gz’);
会出现error，显示的是左右各一个脑区的annotation value，但最后生成的文件也是83个脑区，并没有变少，这个报错的原因我没有查到，想问下是否会对后面的分析产生影响
- 我并没有去除aal2的皮下核团和小脑后再做分析，我还不太懂这个怎么做，我目前的想法是直接用120个的做分析，然后因为aal2是在aal模板上重新分割了眶额皮层，他们的皮下核团和小脑区域应该是相同的，我有aal的相关文件，后续匹配的时候（比如dice系数）把对应的区域的值直接删掉，是可以的嘛？
- 最后就是我对怎么使用dice系数的疑惑，对于这个120*82的矩阵，我可以直接使用每列的最大值对应的行作为脑区对应吗？
因为我在MRIcron肉眼比对的时候，发现Frontal_Inf_Tri_L 对应’LH_region_3’、‘LH_region_4’、‘LH_region_5’、'LH_region_6 '、‘LH_region_38’，看dice系数文件中Frontal_Inf_Tri_L 那一行，结果发现它并不是任何一列的最大值，并且这行的最大值是LH_region_5，而LH_region_5对应的最大值脑区Frontal_Mid_2_L 。
不知道我有没有表达清楚，我在想会不会是我前期对模板的处理时出了问题，麻烦Alex老师了
- 可以的，可以直接把0相关的行列删掉。
- 我印象中最后是会有个什么error信息，但是应该是正常的输出，并不是指计算过程有错误。
- 可以的。你如果会用matlab或者python读写nii格式的数据，最简单的就是找到aal2皮下核团和小脑的编号，把这些编号直接赋值为0就可以了。
- 我明白你的意思，应该是一个双向对应的问题。比如
Frontal_Inf_Tri_L与所有annot脑区最大的对应值是LH_region_5，而LH_region_5与所有aal2脑区最大的对应值是Frontal_Mid_2_L。理想情况下，应该是双向对应的。我觉得应该是从annot脑区出发，对每一个annot脑区，去找aal2中重叠最大的脑区。如果出现两个annot脑区对应到一个aal2脑区，这个时候可以考虑如果一个aal2脑区已经被分配了，就从剩下的脑区里找。不过这种情况的出现，可能暗示着这个annot分区和aal2分区还是有一些偏差的的。根据annot分区对应的参考文献，这个annot分区是经过了一些手工编辑的，不然aal2投射到皮层会有一些问题。