# Relaxometría con volbrain

Obtener los valores T2 de los hipocampos (y cualquier otra estructura dentro de la cobertura de la secuencia T2_Calc es sencillo.

1. Convertir las imágenes T1 a nifti. Se puede usar [dcm2niix](https://github.com/rordenlab/dcm2niix) para esto.
1. Convertir el mapa T2 a nifti. Ojo, que los dicoms incluyen los múltiples ecos, y al final el mapa T2 calculado por la consola. Lo que queremos es el mapa T2 (y evitarnos así el calcular nosotros el T2 cuantitativo). Se puede usar también dcm2niix, y estaré llamando al volumen generado como `T2map`.
1. Revisar la correspondencia espacial entre T1 y T2map con cualquier visor. Se puede incluso desde los dicoms en OsiriX o hasta en el Fuji. Yo usé mrview.

Si no hay correspondencia anatómica es porque el sujeto se movió entre adquisiciones, y en ese caso habría que registrar ambas imágenes con [flirt](https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FLIRT) o similar.

4. Subir a [volbrain](https://volbrain.upv.es/) las imágenes T1 y pedir que se corra *vol2Brain*. Llegará un email cuando haya terminado. Bajar el paquete de resultados en espacio nativo (`NAT`). Descomprimirlo y buscar el archivo `native_structures*.nii.gz` Si lo vemos, nos damos cuenta que las estructuras fueron segmentadas automáticamente, y cada pixel tiene un valor único, que corresponde a una estructura anatómica. Consultando el archivo `README.pdf` que viene en el mismo zip, vemos que los valores 47 y 48 corresponden a hipocampos izq y der, respectivamente.

5. Entonces, tenemos que sacar una máscara binaria para cada una de las estructuras de interés, y con ella consultar al archivo T2map el valor promedio de la estructura. Hay muchas formas de hacerlo, aquí va con mrtrix.

mrcalc native_structures_job342053.nii.gz 47 -eq hipocampo_derecho.nii 


6. Ahora tenemos la dificultad que la resolución y dimensiones de `T2map` no son las mismas que `native_structures.nii.gz` Pero como hay correspondencia espacial, es fácil cambiar la resolución de `T2map` para parecerse a la `native_structures`

 mrgrid -template native_structures_job342053.nii.gz T2map.nii.gz regrid T2map_resampled.nii.gz

Confirmamos que están en el mismo lugar:

7. Los valores de T2 en tejido andan en <150 ms. Vamos a hacer una máscara de los valores <300 ms (para dar chance a patología) e intersectarla con nuestra región de interés del hipocampo. Esto lo que hará es que los voxeles marcados como hipocampo, pero que tienen T2>200 ms se van a convertir en cero.

mrcalc T2map_resampled.nii.gz 300 -le menor_a_300.nii.gz
mrcalc hipocampo_derecho.nii menor_a_300.nii.gz -mul hipocampo_derecho_menora200.nii

Vemos en amarillo a `hipocampo_derecho` y en cyan el mismo ROI, pero se le han quitado los voxeles con T2>200 ms, por eso se ve ligeramente más chiquito.

8. Ahora sí, estamos listos para preguntar el valor promedio de T2 en el hipocampo derecho.

mrstats -mask hipocampo_derecho_menora300.nii T2map_resampled.nii.gz 
mrstats: [100%] uncompressing image "T2map_resampled.nii.gz"
      volume       mean     median        std        min        max      count
       [ 0 ]    104.197     101.42    23.5957   -25.9932    199.443       6376

El T2 promedio en el hipocampo derecho es de **104.197 ms**. :the_horns:

Repetimos pasos 7 y 8 cambiando el `47` por `48` para el otro hipocampo. O cualquier otra estructura segmentada por volbrain!

BONUS: Podemos ver el hipocampo pintado por su T2 por voxel.

mrcalc hipocampo_derecho_menora200.nii T2map_resampled.nii.gz -mul hipocampo_derecho_T2.nii
mrview native_t1.nii.gz_job342053151021002811.zip -overlay.load hipocampo_derecho_T2.nii