1. 经过mriconvert转换之后，得到每个被试的4D数据，b值以及向量 2. fslroi data nodif 0 1
%choose a no weighted imaging,named nodif
从4D图像中选出一张需要的图像,0表示选择从第几个volume开始，1表示选择图像的个数
3. bet nodif nodif_brain -m -f 0.2
%generate binary brain mask（-m）,fractional intensity threshold is 0.2（-f）,result in the file nodif_brain_mask 去除头盖骨
4. eddy_correct data eddy_unwarped 0
ídy_correct <4dinput><4doutput>
使用ctrl+alt+t调出终端，输入fsl，选择fdt*下的dtifit，在option中手动加入对应文件，包括data的输入、输出，b值文件，梯度方向（矢量）文件，共4个。运行完成后，就可以得到FA图，MD图等
------------------------------以上为预处理过程，一个人一个人的进行--------------------- --------------------%that processing is going in one subject separately----------------
6. 打开生成的FA文件所在的目录 7. tbss_1_preproc*.nii.gz
将每个人的FA图依次处理为tbss可处理的格式
Ps：可能需要新建两个文件夹（一个为FA，一个为origdata） 8. tbss_2_reg -T
将FA图抽样到1x1x1空间，空间标准化 9. tbss_3_postreg –S
把所有的FA图叠加到一起，生成4D文件mean_FA_skeleton 10. tbss_4_prestats
使骨架上包含所有的点
-------------------------------------以上为TBSS处理过程 ------------------------------------
11. 格式转换（将nii转换到matlab处理）
V=spm_vol(‘input.nii’)
[Y,XYZ]=spm_read_vols(V)； 12. 数据处理
13. 格式转换（将处理结果转换到nii）
V=spm_vol(‘input.nii’) 输入一个文件作为模板
Result=spm_write_vol（V,Yy）
----------------------------------------以上为格式转换过程 ------------------------------------
14. 相关系数的显示
fslmaths -thr 0
fslmaths -mul -1 -thr 0
fslview /桌面/fsl_data/p_r –l Red /桌面/fsl_data/n_r –l Green
-------------------------------------以上为显示的处理过程 ------------------------------------
16. 提取mask(ILF,IFOF)
左ILF 图集
/usr/share/data/jhu-dti-whitematter-atlas/JHU/JHU-ICBM-tracts-maxprob-thr25-1mm.nii.gz Intensity:13
Method:fslmaths/usr/share/data/jhu-dti-whitematter-atlas/JHU/JHU-ICBM-tracts-maxprob-thr25-1mm.nii.gz -sub 13 -abs -mul -1 -add 0.5 -thr 0 -bin LILF_mask 右ILF fslmaths
/usr/share/data/jhu-dti-whitematter-atlas/JHU/JHU-ICBM-tracts-maxprob-thr25-1mm.nii.gz -sub 14 -abs -mul -1 -add 0.5 -thr 0 -bin RILF_mask 叠加
fslmathsLILF_mask –add RILF_mask ILF_mask 17. Mask的骨架化
fslmathsILF_mask –mul skeleton_FA ILF_FA 18. Z变换处理（matlab）
------------------------------------以上为ILFmask的处理过程--------------------------------
19. 建立概率分布模型
Bedpost:使用fsl调出fdt，选择bedpostx（时间很长，5h左右） Note :
选择的文件夹中需要包含四个文件：data.nii,nodif_brain_mask, bvecs, bvals (名字必须一致)
20. 配准
使用fsl调出fdt，选择Registration，生成两个转换文件（.mat格式） Note:
需要与T1结构像，对结构像进行格式转换，Bet处理（去除头盖骨，tbss处理用到过）
需要将nodif_brain放在Bedpostx文件夹中 21. 示踪分析
使用fsl调出fdt，选择Probtrackx 1) 选择bedpostx文件夹
2) 选择种子mask（利用roi命令行生成）
-roi
zero outside roi (using voxel coordinates). Inputting -1 for a size will set it to the full image extent for that dimension. Note：
tmin为0，tsize为-1
选择种子点的图集用的是MNI _T1_2mm 3) 选择种子空间为非弥散空间
选择转换矩阵std2diff.mat 4) 点击option
选择距离校正，矩阵输出matrix2，输入tract space mask: data.nii
最后的结果存放在fdt-paths中
--------------------------------------------以上为示踪过程----------------------------------------