Una opcion para preprocesar las imagenes fMRI es utilizar C-PAC.

Se instala bajando una imagen docker que he transformado a Singularity.

Siguiendo la documentacion puede lanzarse como,

[osotolongo@brick01 mopead]$ singularity run --cleanenv -B /nas/data/mopead/bids:/bids_dataset -B /nas/data/mopead/cpac_out:/outputs -B /nas/data/mopead/tmp:/scratch /nas/software/cpac-latest.simg /bids_dataset /outputs participant --participant_label sub-0001

Nota: el tag –cleanenv es necesario para que singularity no tome las variables del bash_profile de la maquina sino las de la imagen.

y por supuesto, la primera vez no funciona,

         ***********************************
190516-08:51:36,763 nipype.workflow ERROR:
         could not run node: resting_preproc_sub-0001_ses-1.anat_preproc_afni_0.anat_skullstrip
190516-08:51:36,765 nipype.workflow INFO:
         crashfile: /outputs/crash/crash-20190516-084320-osotolongo-anat_skullstrip-28dd4540-f205-44b7-9ad2-c4af06706a15.pklz
190516-08:51:36,769 nipype.workflow INFO:
         ***********************************

Puedo cambiar el skullstrip para hacerlo con FSL, pero he de especificarlo en la configuracion del pipeline. Asi que me copio un archivo previo y lo cambio.

# Choice of using AFNI or FSL-BET to perform SkullStripping
skullstrip_option: [BET]

La orden ahora es ligeramente diferente pues he de especificar el archivo de configuracion del pipeline,

[osotolongo@brick01 mopead]$ singularity run --cleanenv -B /nas/data/mopead:/project -B /nas/data/mopead/bids:/bids_dataset -B /nas/data/mopead/cpac_out:/outputs -B /nas/data/mopead/tmp:/scratch /nas/software/cpac-latest.simg --pipeline_file /project/cpac_pipeline_config.yml /bids_dataset /outputs participant --participant_label sub-0002

183 minutos después,

    End of subject workflow resting_preproc_sub-0002_ses-1

    CPAC run complete:

        Pipeline configuration: analysis
        Subject workflow: resting_preproc_sub-0002_ses-1
        Elapsed run time (minutes): 184.085074282
        Timing information saved in /outputs/log/cpac_individual_timing_analysis.csv
        System time of start:      2019-05-16 09:17:52
        System time of completion: 2019-05-16 12:21:49

El output es enorme,

[osotolongo@brick01 mopead]$ ls cpac_out/output/pipeline_analysis_nuisance/sub-0002_ses-1/
alff_to_standard_smooth_zstd                    frame_wise_displacement_power
anatomical_brain                                functional_brain_mask
anatomical_csf_mask                             functional_brain_mask_to_standard
anatomical_gm_mask                              functional_freq_filtered
anatomical_reorient                             functional_nuisance_regressors
anatomical_to_mni_nonlinear_xfm                 functional_to_anat_linear_xfm
anatomical_to_standard                          functional_to_standard
anatomical_to_symmetric_mni_nonlinear_xfm       mean_functional_to_standard
anatomical_wm_mask                              mni_to_anatomical_nonlinear_xfm
ants_affine_xfm                                 motion_correct
ants_initial_xfm                                motion_params
ants_rigid_xfm                                  qc
ants_symmetric_affine_xfm                       qc_html
ants_symmetric_initial_xfm                      roi_timeseries
ants_symmetric_rigid_xfm                        spatial_map_timeseries
centrality_smooth_zstd                          spatial_map_timeseries_for_DR
dr_tempreg_maps_files_to_standard_smooth        symmetric_anatomical_to_standard
dr_tempreg_maps_zstat_files_to_standard_smooth  symmetric_mni_to_anatomical_nonlinear_xfm
falff_to_standard_smooth_zstd                   vmhc_fisher_zstd_zstat_map
frame_wise_displacement_jenkinson

Afortunadamente, la explicacion de cada directorio esta documentada.

Hay diferentes niveles de analisis grupal, explicados en http://fcp-indi.github.io/docs/user/group_analysis.html. Primero ha de elegirse lo que se desee hacer.