ABIDE数据集介绍及下载

 ABIDE Prerocessed项目是在ABIDE I 项目的基础上发展而来，主要是对ABIDE I中采集到的原始数据进行了一定的预处理和初步的特征提取。针对于fMRI和sMRI数据有着不同的处理方式，本次主要对其中提供的sMRI预处理结果进行介绍，同时对这些数据的下载方法进行展示。除此之外，采集策略、样本数目等更为宽泛的介绍参见官网ABIDE Preprocessed

 首先ABIDE Preprocessed项目对于sMRI数据给出了三种不同的预处理方案下的结果，分别为ANTS、CIVET、FreeSurfer，不同方案下的脑区分割策略以及获得的特征都存在着些许差异，由于笔者比较关注于Region based的特征，因此对于其中Vertex based的特征并未进行细致的了解，相应的，没有给出明确region based结果的Free surfer方案将着墨不多。以下进行详细介绍。

ANTS

 ANTS方案下提供了两种sMRI特征，一种是voxel-wise的皮层厚度特征；一种是region-based平均皮层厚度特征，采用的大脑皮层分区方式为DKT模版，但原本的35个区域从中去除了4个区域bankstss、corpus callosum、 frontal pole、 temporal pole，因此最终在大脑皮层层面左右半均只有31个ROIs。此外，下载得到的数据中还包含了非皮层区域的厚度特征，具体可以参见官网给出的number-name对应：labeling protocol
 数据的下载链接模版为：
https://s3.amazonaws.com/fcp-indi/data/Projects/ABIDE_Initiative/Outputs/ants/[derivative]/[file identifier]_[derivative][suffix]

其中：

1. file identifier为样本的标识号，可以查阅样本的Phenotypic文件得到；
2. derivative为选取特征的名字，在ANTS方案下可选项有：anat_thickness, roi_thickness;
3. suffix为文件的后缀名，anat_thickness对应.nii.gz,roi_thickness对应.txt

 最终我们下载得到的DAT文件大概是这样：

上面一部分是标题栏，下面一部分是对应的值，通过将Mean_xx后的序号和 labeling protocol 一一对应就可以确定这些measures的归属，可以发现确实是包含了左右脑各31个区域，同时还有一些非皮层区域。

CIVET

 CIVET预处理后的sMRI数据相交于ANTS处理得到的，提供了更为丰富的信息，包括了Surfaces、Vertex-based Measures、Region-based Measures、Cortical Thickness Maps，这里主要介绍Region-based Measures，其余特征下载方式类似。
 关于CIVET得到的Region-based Measures，官网给出的描述已经较为清晰，这里同样主要补充关于其Labeling protocal的知识。比较不同的点在于，它并没有使用DTK作为模版而是默认采用了basic lobar的划分方式，最终每个半脑只有9个区域，具体划分的方式参见图谱：Surface Parcellation。
 数据的下载链接模版为：
https://s3.amazonaws.com/fcp-indi/data/Projects/ABIDE_Initiative/Outputs/civet/surfaces_[derivative]/[file identifier]_[derivative][suffix]

其中：

1. file identifier为样本的标识号；
2. 2. derivative为选取特征的名字，在ANTS方案下可选项有：[derivative] = gi_left | gi_right | lobe_areas_40mm_left | lobe_areas_40mm_right | lobe_native_cortex_area_left |lobe_native_cortex_area_right | lobe_thickness_tlink_30mm_left | lobe_thickness_tlink_30mm_right |lobe_volumes_40mm_left | lobe_volumes_40mm_right
3. suffix为文件的后缀名，Region-based Measures对应.dat,其余见官网。

由于CIVET包含的形态学测度不局限于皮层厚度而是更多，可以在CIVET官网查阅：Listing of Output Folders / Files
 最终我们下载得到的DAT文件大概是这样

很好理解，不再赘述

FreeSurfer

 FreeSurfer场景下得到的预处理数据会更为的复杂， 直接给出了FreeSurfer处理后的所有输出结果，自行按需下载即可，下载链接模版为：
https://s3.amazonaws.com/fcp-indi/data/Projects/ABIDE_Initiative/Outputs/freesurfer/5.1/[file identifier]/[sub directory]/[output file]
其中：

1. file identifier为样本的标识号；
2. sub directory为Free surfer标准输出包含的子文件夹，可选项有label | mri | scripts | stats | surf
3. ouput file为FreeSurfer最终的输出文件名，参见FreeSurfer Output自行填写，注意和其父文件夹名字的对应。
    值得注意的是下载得到的FreeSurfer处理结果非常原始，不能和之前二者一样通过TXT打开，在Python环境下可以用Nibabel或者是Surfa来打开。