首先建立乙個資料夾fa_01，將所有要處理的fa影象複製到這個資料夾下。依次做如下處理：
1.該指令碼將所有處理過的fa影象移動到乙個名為fa的新子目錄，並且還將建立另乙個名為origdata的子目錄，並將所有原始影象放在那裡供以後使用。
2.執行非線性配準，將所有fa影象對齊到1x1x1mm標準空間。註冊中使用的目標影象可以是預定義的目標，也可以自動選擇為研究中最「典型」的主題。通常，我們建議使用fmrib58_fa標準空間影象作為tbss中的目標。這涉及每個受試者僅進行一次註冊，並且通常給出良好的比對結果。使用tbss_1_preproc *.nii.gz
-t標誌應用此選項。或者，您可以使用
-t選項提供自己的目標影象。第三種選擇是將每個fa影象與每乙個fa影象對齊，識別「最具代表性」的影象，並將其用作目標影象。然後將該目標影象仿射對準到mni152標準空間中，並且通過將非線性變換與從該目標到mni152空間的仿射變換組合到目標fa影象，將每個影象變換為1×1×1mm mni152空間。使用-n標誌選擇此選項，如果您需要生成特定於研究的選項，則建議使用此選項，例如，如果受試者都是幼兒（因此**衍生的fmrib58_fa目標不合適）。
通常選擇-t：
3.將前一階段中發現的非線性變換應用於所有主題，以將它們帶入標準空間。有-t 和-s選項，通常選擇-s，從擁有的實際主題中匯出平均fa和骨架。tbss_2_reg -t
將4d fa資料和骨架載入到fslview中：tbss_3_postreg -s
4.在所選閾值處對平均fa骨架影象進行閾值處理 - 效果良好的常見值為0.2
上一步導致4d fa影象all_fa_skeletonised（在stats子目錄中）。正是這樣，現在可以提供體素統計資料，例如，它可以告訴我們哪兩個fa骨架體素在兩組受試者之間存在顯著差異。tbss_4_prestats 0.2
一種推薦的統計方法是使用 randomise tool。執行randomise前，你需要生成乙個design.mat和design.con。可以在兩組比較的簡單情況下使用指令碼design_ttest2。或者使用glm_gui生成這些design矩陣和contrast檔案。
假設有34個正常人48個病人，生成design檔案並使用隨機化進行體素統計和推理，包括基於群集的閾值處理：
在這種情況下，contrast 1給出對照》患者測試，contrast 2給出對照《患者測試。原始（非閾值）tstat影象分別為tbss_tstat1和tbss_tstat2。tfce p值影象（對於跨空間的多次比較完全校正）是tbss_tfce_corrp_tstat1和tbss_tfce_corrp_tstat2（注意，為了便於顯示，這些實際上是1-p，因此在.95處的閾值處理給出了重要的簇）。cd ../statsdesign_ttest2 design 34 48
randomise -i all_fa_skeletonised -o tbss -m mean_fa_skeleton_mask -d design.mat -t design.con -n 500 --t2
fslview_deprecated $fsldir/data/standard/mni152_t1_1mm mean_fa_skeleton -l green -b 0.2,0.8 tbss_tstat1 -l red-yellow -b 3,6 tbss_tstat2 -l blue-lightblue -b 3,6
假設您希望在mni152影象上顯示結果，因此首先將mni152載入到fslview中。接下來，可能需要在背景影象上載入mean_fa_skeleton影象，以顯示估計骨骼的位置，以及在多科目統計中測試哪些標準空間體素。載入mean_fa_skeleton在fslview並正確地設定其顯示範圍。必須將下限閾值設定為您在tbss分析中使用的閾值，例如0.2。上層應該設定為0.7，這樣你就可以看到骨架內平均fa值的變化。您可能想要更改顏色圖，例如更改為綠色，並增加透明度（使用透明度滑塊），以便在載入統計影象時，更容易看到。最後，載入stats影象。如果你已經在隨機中使用了基於tfce的測試，那麼原始t統計影象將被命名為類似於tbss_tstat1（你可以在顯著性測試之前檢視原始tstats），但你的影象可能是tbss_tfce_corrp_tstat1，這是經過校正的p值影象（實際上，為了便於顯示，此影象中的值為1-p，因此更大的「更好」）。將其載入到fslview中，設定顏色對映（如紅黃色），並將顯示範圍設定為0.95：1，這對應於在p <0.05處對結果進行閾值處理。以上所有（除了設定骨架透明度，必須在gui中手動完成）可以使用單個命令執行：
或者，儘管在tbss骨架上顯示統計結果是對所進行的實際分析的真實表示，但是如果骨架化結果在某種程度上「增厚」，則有些人發現更容易將結果視覺化。為了簡化這樣的演示，有乙個指令碼tbss_fill，它會加厚閾值統計影象，將其填充到mean_fa中看到的本地「tracts」中。例如，要將此應用於上述相同示例，然後在mean_fa影象頂部的fslview中檢視，請執行：
tbss_fill tbss_tfce_corrp_tstat1 0.95 mean_fa tbss_fillfslview_deprecated mean_fa -b 0,0.6 mean_fa_skeleton -l green -b 0.2,0.7 tbss_fill -l red-yellow
IRP 處理流程
本文通過開啟乙個檔案物件為例子，描述了乙個帶有兩個i o stack location的irp的詳細處理過程。當然乙個irp可以有多個i o stack location，具體個數取決於將要處理該請求的驅動的層數。下圖詳細描述了驅動程式是如何通過使用i o支援例程 io routines 來處理ir...
異常處理流程
異常類結構 來觀察兩個異常類的繼承關係 可以發現所有的異常型別最高的繼承類是throwable，並且通過doc文件可以發現在throwable下有兩個子類 error 指的是jvm錯誤，這個時候的程式並沒有執行，無法處理 exception 指的是程式執行中產生的異常，使用者可以使用異常處理格式處理...
Hbaseflush處理流程
hbaseflush處理流程 flush的處理是個生產者消費者模式，通過memstoreflusher.requestflush或者requestdelayedflush來收集請求，通過多個flushhandler 個數由引數hbase.hstore.flusher.count配置預設值2 來進行f...