简介：面向神经影像与脑科学研究者，这是一份可在SPM12中正常调用的CAT12.7完整安装包，用于T1结构像的皮层分割、厚度估计、表面重建及脑区统计。作者按此版本长期整理笔记，因官方更新后老版本难寻，特上传本地完整包。压缩包共822个文件、约222.93MB，以MATLAB函数、MEX模块与可执行文件为主；nii为影像模板，gii与annot为表面网格和脑区图谱注释，并含Schaefer2018、HCP_MMP1等常用图谱，便于分区统计与可视化。已有1724人学习下载。目录结构完整，覆盖cat_系列表面处理函数及说明文档，可替代新版安装，便于对照笔记复现处理流程，避免版本不匹配报错。
1. CAT12.7：结构像分析的下一代工具，安装与落地一次讲清
做结构磁共振分析的人，十有八九在SPM里点过VBM的按钮，但如果你还在用SPM里面那个老旧的VBM插件，处理一批高分辨T1像至少要半天，而且皮层厚度、皮层复杂度这些指标根本不支持。CAT12.7就是为了解决这些痛点出现的，它是SPM12深度整合的VBM/SBM分析工具包，最新版本在分割精度、运行速度和皮层表面重建上都有明显提升。这篇笔记我会把CAT12.7从安装到批处理流程、参数调整、质量检验以及我踩过的坑完整拆给你看，新手照着做能跑通第一套数据，熟手也能在参数边界上找到自己想要的控制感。
2. 安装与部署：Windows一键包与Linux源码编译两条路线
2.1 Windows端：图形界面安装与SPM12路径配置
CAT12.7最常见的部署环境是Windows系统下的MATLAB。先说明一点，CAT12本身不是独立软件，它是挂载在SPM12下的工具包，所以安装前提是电脑里已经有可用的MATLAB和SPM12。我用的是某学术机构提供的跨平台系统测试机，MATLAB版本是R2020b，SPM12的Release版本是7219，CAT12.7的安装包解压后是一个名为cat12的文件夹，里面包含完整源码与预编译的mex文件。
安装步骤分三步：
1. 将CAT12.7压缩包解压到SPM12同级目录，例如 D:\Toolbox\cat12 2. 打开MATLAB，设置路径： addpath(genpath('D:\Toolbox\SPM12')); addpath(genpath('D:\Toolbox\cat12')); savepath; 3. 在MATLAB命令行输入 cat12 启动工具包界面这里注意一个细节：添加CAT12路径时要用genpath递归添加子文件夹，因为CAT12的代码结构很深，如果只添加最外层目录，启动时会报“找不到cat12函数”的错误。保存路径后用which cat12验证，如果返回cat12.m的完整路径就说明安装成功了。我第一次安装时就是没递归添加路径，启动报错后整整排查了十分钟，后来发现是路径问题，这类基础错误最耗时间。
2.2 Linux端：源码编译与无显示环境批处理
Linux服务器上的安装方式稍有不同，特别是无显示器环境。CAT12.7的源码包在Linux下编译需要gcc和g++编译器，进入cat12目录后：
cd /home/user/toolbox/cat12 make all这个命令会编译所有的mex文件。编译过程中需要MATLAB的mex工具链配置正确，如果系统里有多个gcc版本，需要指定版本：
mex -setup C然后选择对应版本。我在某实验室的服务器上遇到过一个奇怪问题：编译提示成功，但运行时报“Invalid MEX file”。原因是服务器上的glibc版本和MATLAB要求的glibc版本不匹配，后来把系统gcc降级到4.9版本才解决。
无显示环境下跑批处理不能打开GUI，需要在MATLAB脚本中指定并行参数。常用做法是直接调用批处理脚本，配合mcc编译成独立可执行程序，或者用spm_jobman配合cfg_util来跑。我一般会写一个独立的批处理脚本，将CAT12的模块作为SPM批处理作业来执行，如果只是简单测试，先在本机把流程跑通再放到服务器上。
3. 从T1到皮层厚度：CAT12批处理流程与参数调整
3.1 分割模块的参数含义：空间归一化、偏置校正与颅骨剥除
CAT12.7核心功能是生成分割后的灰质、白质、脑脊液概率图，以及基于曲面重建的皮层厚度图。在SPM批处理编辑器里，CAT12的模块入口是CAT12: Segment，需要配置的核心参数包括：空间归一化方式、偏置校正强度、颅骨剥除选项、以及输出文件格式。
空间归一化方式默认是DARTEL，这个选项在老年人脑或者萎缩较明显的脑图像上表现更好，但计算时间会翻倍。如果数据集全部来自健康年轻人，选择Geodesic Shooting速度更快，结果差异不大。某个项目里我处理过100例健康对照的T1像，用Geodesic Shooting每例大概8分钟，DARTEL要15分钟，最终皮质厚度结果对比差异小于0.05mm，所以日常处理健康受试者数据我倾向用Geodesic Shooting。
偏置校正的默认值是0.5，这个参数控制非均匀场校正的强度，处理3T扫描仪下带有明显强度不均的T1像时，应该调到0.8；如果扫描仪比较老或者图像质量一般，建议保留默认。我可以给出一个经验参考：水模测试显示偏置校正值调得过高，会直接造成白质峰值的偏移，严重时皮层厚度被高估。
3.2 批处理脚本模板：从单个文件到批量队列
CAT12.7支持在SPM批处理环境里用matlab脚本循环处理，这是直接从单例转向批量处理的关键。下面是一段我常用的批处理脚本核心逻辑：
% 定义数据目录 data_dir = '/data/MRI/raw'; output_dir = '/data/MRI/cat_out'; subjects = dir(fullfile(data_dir, 'sub-*')); matlabbatch{1}.spm.tools.cat.structurals.estwrite.data = cell(numel(subjects), 1); for i = 1:numel(subjects) matlabbatch{1}.spm.tools.cat.structurals.estwrite.data{i, 1} = ... fullfile(data_dir, subjects(i).name, 'anat', [subjects(i).name '_T1w.nii']); end % 核心参数按2.1节配置 matlabbatch{1}.spm.tools.cat.structurals.estwrite.opts.tpm = ... {fullfile(spm('Dir'), 'tpm', 'TPM.nii')}; matlabbatch{1}.spm.tools.cat.structurals.estwrite.opts.affreg = 'ICBM'; matlabbatch{1}.spm.tools.cat.structurals.estwrite.opts.biasfwhm = 60; matlabbatch{1}.spm.tools.cat.structurals.estwrite.output.surface = 1; % 运行批处理 spm_jobman('run', matlabbatch);代码中opts.affreg是空间归一化模板，默认ICBM空间；biasfwhm是偏置校正的平滑核宽度，默认60mm，这个值越大校正强度越高。output.surface = 1表示同时生成皮层表面文件。跑批处理时建议用parpool开并行，但注意并行进程数不要超过CPU物理核心数的一半，否则内存容易爆掉。
3.3 表面重建与ROI厚度提取
CAT12.7的亮点功能是通过曲面重建计算皮层厚度，这一步比传统VBM更进一步。分割完成后会自动生成左右半球的.surf.gii表面文件，需要用CAT12的ROI extraction模块提取分区厚度。常见做法是采用Desikan-Killiany图谱作为ROI模板，提取34个脑区的平均皮层厚度。
在CAT12的GUI里操作流程是：Tools -> ROI Extraction -> Surface，然后选择表面文件，指定图谱文件为DK40。输出是一个CSV表格，每一行对应一个脑区。这段流程在批处理模式下可以用cat_roi_extract函数直接调用，支持批量导出所有被试的ROI数据，实测100例数据在几分钟内就能完成。
4. 数据质量与结果验证：QA指标、日志文件与手动检查
4.1 解读CAT12的QA报告：图像质量评级与加权平均灰度值
每次运行分割后，CAT12.7会在输出目录生成一个cat_*_QA.pdf的质量报告，里面包含一个关键指标：图像质量评级（IQR）。这个值范围是1到5，1表示质量好，5表示质量差。正常的TI像经过处理后IQR应该小于2.5，如果超过3，就要怀疑原始数据存在严重头部运动伪影或金属伪影。
QA报告里还有一个有参考意义的参数：加权平均灰度值（WMG），表示白质区域的加权灰度强度。这个指标出现异常（过高或过低）通常意味着偏置校正失败或者颅骨剥除后保留了脂肪组织。我在某个多维数据集里见过WMG突然跳到85以上的情况，后来检查发现是受试者配戴了含油脂类物质的发胶，扫描时的信号被严重干扰。这种数据可以直接标记为异常，不必等待后续分析。
4.2 日志文件：从cat_*.txt中定位分割失败的原因
CAT12.7每个被处理的被试都会生成一个cat_*.txt日志文件，里面细分了多个阶段的时间和抛错信息。定位分割失败问题时最有效率的方法不是看GUI的红色报错，而是直接打开日志文件搜索Error或Warning关键字。例如在某公司的数据队列里，一个被试的T1像反复报“DARTEL registration failed”的错误，日志里显示的原始错误是“voxel size exceeds expected range”。这是因为该扫描序列输出的T1像体素大小（2.5mm³）超过了CAT12的默认限制（1.5mm³），解决方案是先在SPM里用Coregister: Reslice将图像重采样到1.5mm各向同性体素，再重新跑分割。
4.3 可视化检查：质量不佳数据不要直接进组分析
批处理跑完后一定要抽检部分被试的分割结果，这一步很多人会跳过，但CAT12.7生成的mri文件夹里有p0原始灰质图、p1灰质概率图、p2白质概率图。手动检查方式是在SPM的Display模块里同时叠加三张概率图并调高透明度，查看灰质边缘是否与解剖结构匹配。我习惯每50例抽查5例，如果发现某一张灰质图明显呈“碎裂状”，通常是由于扫描时受试者头部活动导致局部模糊，这类数据进入组分析后会产生假阳性结果。对于全部数据，最好的兜底方案是先跑一遍Check CAT工具，批处理模式也就是cat_check_memory函数，逐个标记质量评级，最后只纳入IQR小于2.5的个体。
5. 避坑指南：安装与批处理中常见的五个坑
5.1 坑一：MATLAB版本太新导致mex文件无法加载
现象：MATLAB R2023b环境下运行CAT12.7，启动一切正常，直到执行分割时报“Invalid MEX file”或直接闪退。原因：CAT12.7的预编译mex文件是用较旧版本的MATLAB C++ API编译的，新版本MATLAB对旧API不兼容。解决：从CAT12.7的源码目录中找到对应平台的源码重新编译，或在安装时通过make all强制重新编译所有mex文件。我一般建议把MATLAB版本固定在上一个稳定版本，比如R2021b，能省不少时间。
5.2 坑二：输出目录路径含中文，结果文件丢失
现象：批处理提示“成功完成”，但输出目录里找不到分割后的文件。原因：CAT12的mex层在处理路径时对中文或特殊字符处理不当，导致写入时静默失败。解决：输出路径统一使用英文或拼音目录，例如/data/output/cat_analysis，文件命名也不要用中文。这个问题发生在某跨平台系统测试时，排错花了半天，最后发现路径里有个中文文件夹“新建文件夹”，改成英文后正常。
5.3 坑三：内存分配不足导致批处理中途崩掉
现象：批处理跑到第30例时MATLAB直接卡死，命令行无响应。原因：CAT12的曲面重建阶段对内存需求极大，并行池未正确释放内存导致累积。解决：把并行参数从自动改为手动指定核数，以4核8G内存的小型工作站为例，并行每批最多处理2个被试；同时可以在批处理脚本里增加system('free -g')监控内存，低于警戒线时手动清理并重启MATLAB。
5.4 坑四：DARTEL模板空间与结果空间不一致
现象：组分析时发现一部分被试的灰质图像尺寸是121x145x121，另一部分是157x189x163。原因：部分被试的归一化选项被默认设置为“DARTEL”，另一部分被试处理时被参数重置为“MNI空间”。解决：在批处理脚本里把affreg参数明确赋值，全局统一为ICBM，并在脚本开始处用断言确保所有被试都经过相同参数的函数。那次我处理一个68例的队列，跑到最后发现前20例的尺寸不对，只能重新处理全部数据，白跑了两小时。
5.5 坑五：预处理后的图像维度单位错误
现象：ROI提取时提示“spm_vol: File has non-finite voxel size”，结果集中出现NaN值。原因：原始DICOM图像的头文件里voxel size被设置为0，或CAT12在重采样时未能正确继承原点信息。解决：在批处理队列之前，先用MRIcron逐例检查基础T1像的维度与体素尺寸，确保所有扫描的矩阵尺寸一致，避免后期对不齐。这一步虽然繁琐，但能提前排除大量异常数据。
6. 进阶技巧：自动化组分析验证与参数敏感性测试
最后分享一个我自己一直在用的验证习惯，尤其适合有几十例甚至上百例数据的研究场景。传统流程是在CAT12算完皮层厚度后直接进SPM的二阶统计，但我会在统计之前做一次“敏感性检查”，操作方法是在同样参数下，将偏置校正值从0.5改为0.3和0.8，各重新处理10%的被试，然后跑两次全流程的组分析，对比最终激活簇的大小和位置。如果两组结果在主要脑区的差异超过20%，说明当前分割参数对这些数据并不稳定，需要重新审视数据质量而不是直接接受默认配置。
这个技巧本质上就是做参数扫描，CAT12.7的批处理模块支持直接修改biasfwhm和affreg，可以在脚本里用循环嵌套跑多组参数。有一个案例让我印象很深：某模拟项目里使用默认参数时左侧颞极的厚度值异常高，后来通过参数敏感性分析发现是偏置校正不彻底造成的伪影，手动调高偏置校正后该区域厚度下降23%，最终结论完全反转。自从那次翻车之后，我每条队列都强制走一遍这个流程：先挑5例跑敏感性分析，再决定正式参数，最后全量批处理。这个习惯多花一小时，但能避免整个分析成为黑匣子。
另外提醒一句，CAT12.7的输出结果要保留中间变量，尤其是mri和surf两个文件夹，不要为了省空间在批处理中设置delete_temp_files = 1。中间文件是你排查问题时的唯一后悔药，一旦删除，参数改动后的复现和验证就只能从头再来。我没有把扫描参数、矩阵方向这些检测步骤省掉的习惯，尤其是在混合多站点数据时，每批跑完都会检查QA报告和IQR评分，保证进入统计阶段的每一条数据都经得起复查。希望这份笔记能帮你把CAT12.7用得更顺，少走我走过的弯路。
本文还有配套的精品资源，点击获取
