Ubuntu 安装 FSL 及多模态脑MRI的去颅骨处理（含 HD-BET 深度学习方法）

脑部医学图像处理的第一步通常是去颅骨（Skull Stripping） ，也叫脑提取（Brain Extraction）。本文将介绍如何在 Ubuntu 系统中安装 FSL ，使用其经典工具 BET 进行 T1、T2、PD 模态的去颅骨操作，并补充介绍基于深度学习的更强大方法 HD-BET。

📦 一、FSL 安装与环境配置（Ubuntu）

FSL（FMRIB Software Library）是牛津大学开发的医学图像处理工具集，支持大多数神经影像操作。

1. 安装依赖（推荐）

bash 复制代码

sudo apt update
sudo apt install -y curl wget bzip2

2. 下载并运行安装器

bash 复制代码

curl -sSL https://fsl.fmrib.ox.ac.uk/fsldownloads/fslinstaller.py -o fslinstaller.py
python3 fslinstaller.py

安装过程中会提示选择路径，这里以 /home/software/fsl 为例。

3. 配置环境变量

将以下内容添加到你的 ~/.bashrc 文件中：

bash 复制代码

echo "export FSLDIR=/home/software/fsl" >> ~/.bashrc
echo ". \$FSLDIR/etc/fslconf/fsl.sh" >> ~/.bashrc
echo "export PATH=\$FSLDIR/bin:\$PATH" >> ~/.bashrc

然后刷新配置：

bash 复制代码

source ~/.bashrc

4. 测试安装

bash 复制代码

which bet

输出应为 /home/software/fsl/bin/bet，说明安装成功。

二、使用 FSL 的 BET 工具进行去颅骨处理

BET（Brain Extraction Tool）是 FSL 中的经典去颅骨工具。

1. 单图像处理命令

bash 复制代码

bet input_image.nii.gz output_brain.nii.gz -f 0.5 -g 0 -m

常用参数说明：

|------|----------------------------|-----------------------------------|
| 参数 | 含义 | 建议值 |
| -f | 强度阈值（fractional intensity） | T1: 0.3 ~ 0.5; T2/PD: 0.4 ~ 0.6 |
| -g | 垂直偏移（vertical gradient） | -0.1~ 0.2 |
| -m | 同时输出脑组织 mask | 建议加 |

2. 各模态推荐参数设置

|------|------------|-----------|-------------|
| 模态类型 | 推荐 -f 值 | 推荐 -g 值 | 说明 |
| T1 | 0.3 ~ 0.5 | 0 ~ 0.1 | 对比强，处理最稳定 |
| T2 | 0.4 ~ 0.6 | 0 ~ 0.2 | 灰白质界限模糊 |
| PD | 0.4 ~ 0.6 | 0 ~ 0.2 | 对比较弱，容易残留颅骨 |

3. 批量处理脚本.sh示例

bash 复制代码

#!/bin/bash

input_dir="/path/to/images"
output_dir="/path/to/outputs"

mkdir -p "$output_dir"

for file in "$input_dir"/*.nii.gz; do
    name=$(basename "$file" .nii.gz)
    bet "$file" "$output_dir/${name}_brain.nii.gz" -f 0.5 -g 0.1 -m
    # bet "$file" "$output_dir/${name}_brain.nii.gz" -R # 使用-R参数能够自动设置-f和-m参数
done

⚠️ 三、为什么 BET 效果不够好？

虽然 BET 是早期主流工具，但它有明显限制：

原理老旧，基于球形模型，无法适应复杂脑型
仅依赖图像强度，缺乏上下文结构理解
对 T2、PD、肿瘤等不规则图像表现差
无法自动适应不同个体差异

因此，近年来出现了基于深度学习的脑提取方法，例如 HD-BET。

🤖 四、HD-BET 安装与使用（深度学习版 BET）

HD-BET 是德国医学影像中心（DKFZ）发布的开源深度学习工具，具有以下优点：

适用于 T1、T2、FLAIR、PD 等多模态
支持脑瘤、儿童、病变等复杂场景
批处理、易用性强，几乎不失败

1. 安装（Python 环境）

python 复制代码

pip install hd-bet

建议使用 Python ≥3.7，已安装 PyTorch。

2. 使用示例

python 复制代码

hd-bet -i /path/to/images -o /path/to/output -device cpu

参数说明：

|-----------|---------------|
| 参数 | 含义 |
| -i | 输入文件夹（或单个文件） |
| -o | 输出文件夹 |
| -device | cpu或 cuda |

3. 批量处理支持

只需将所有 NIfTI 文件（.nii.gz）放入一个目录，HD-BET 会自动处理。

✅ 五、总结与建议

|--------------|-----------------------|------------|
| 需求 | 推荐工具 | 原因 |
| 普通 T1 脑提取 | BET（加 -R -f 0.4） | 快速、经典 |
| T2、PD、病灶图像 | HD-BET | 鲁棒、跨模态、自适应 |
| 脑组织分割（GM/WM） | FSL FAST / Freesurfer | 更精细的结构分割 |
| 批量处理 | HD-BET / 自写脚本 | 自动化更高 |

📚 参考资源

FSL 官网：https://fsl.fmrib.ox.ac.uk/fsl/fslwiki
HD-BET Github：https://github.com/MIC-DKFZ/HD-BET
BET 使用手册：bet -h