1. dwi_vec Paso Inicial, concatena las DWIs y arregla los vectores (Philips) para uno o mas shells.
2. dwi_dn4 Paso 1 de 2 para el pre procesamiento de imagenes pesadas a difusion, denoise y bias field correction con dos opciones LPCA y mrtrix.
3. dwi_corr Paso final del procesamiento de DWI. Incluye correccion geometricas y de movimiento (EDDY y TOPUP). Finalmente corrige los vectores de acuerdo a los eddy_parameters y crea un archivo mif corregido y con vectores codificados dentro de el.

Este paso es particular para los datos adquiridos del resonador Philips Achieva 3.0T en formato NIFTI o DICOM. En caso de que se hallan adquirido de NIFTI requiere los archivos omat para corregir los vectores.
Recomiendo crear un directorio por sujeto donde se guarden los archivos que corresponden al preprocesamiento de difusion (por ejemplo aqui hago uno llamado DWI con mkdir DWI).

El prefijo de salida es automatico, y dependera del algoritmo utilizado:

_dn4.nii.gz es para el algorithmo de LPCA de Pierric Coupe.
_dn4_mrtrix.nii.gz es para el algorithmo de Tournier de mrtrix.

Este script va a generar CUATRO archivos de salida, todos con las DWI y los vectores ya corregidos.
En el siguiente ejemplo DWI_corregido corresponderia al identificador de salida -out:

1. DWI_corregido.nii.gz NIFTI con los volumenes y todas las direcciones.
2. DWI_corregido.eddy_parameters Archivo de texto con los parametros de correccion que se aplican a cada volumen de difusion (filas).
3. DWI_corregido.b Archivo de texto con la matriz de vectores CORREGIDOS, los BVECS son las primeras 3 columnas y el BVAL la cuarta..
4. DWI_corregido.mif MIF con los volumenes, las direcciones y los vectores codificados.

dwi_getPA Obtiene las imagenes B0 de de la adquisicion posterioanterior (DWI-PA) para facilitar el paso 3 con dwi_corr.

LPCA: Manjon, J. V., Coupe, P., Concha, L., Buades, A., Collins, D. L., & Robles, M. (2013). Diffusion weighted image denoising using overcomplete local PCA. PloS one, 8(9), e73021.
PCA-mrtrix J. Veraart, D.S. Novikov, D. Christiaens, B. Ades-aron, J. Sijbers, and E. Fieremans Denoising of diffusion MRI using random matrix theory. NeuroImage 142 (2016), pp. 394-406.
EDDY: Jesper L. R. Andersson and Stamatios N. Sotiropoulos. An integrated approach to correction for off-resonance effects and subject movement in diffusion MR imaging. NeuroImage, 125:1063-1078, 2016.
TOPUP: J.L.R. Andersson, S. Skare, J. Ashburner How to correct susceptibility distortions in spin-echo echo-planar images: application to diffusion tensor imaging. NeuroImage, 20(2):870-888, 2003.
S.M. Smith, M. Jenkinson, M.W. Woolrich, C.F. Beckmann, T.E.J. Behrens, H. Johansen-Berg, P.R. Bannister, M. De Luca, I. Drobnjak, D.E. Flitney, R. Niazy, J. Saunders, J. Vickers, Y. Zhang, N. De Stefano, J.M. Brady, and P.M. Matthews. Advances in functional and structural MR image analysis and implementation as FSL. NeuroImage, 23(S1):208-219, 2004.
B-MATRIX: Leemans, A., & Jones, D. K. (2009). The B-matrix must be rotated when correcting for subject motion in DTI data. Magnetic resonance in medicine, 61(6), 1336-1349.

Checar para actualizacion del pipeline DESIGNER

Ades-Aron, B., Veraart, J., Kochunov, P., McGuire, S., Sherman, P., Kellner, E., ... & Fieremans, E. (2018). Evaluation of the accuracy and precision of the diffusion parameter EStImation with Gibbs and NoisE removal pipeline. NeuroImage.