<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[u011661076的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/u011661076</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; u011661076]]></copyright><item><title><![CDATA[EEG机器学习解码：分的是模式，不只是波幅]]></title><link>https://blog.youkuaiyun.com/u011661076/article/details/170689158</link><guid>https://blog.youkuaiyun.com/u011661076/article/details/170689158</guid><author>u011661076</author><pubDate>Fri, 13 Nov 2026 08:51:08 +0800</pubDate><description><![CDATA[本文系统阐述任务态EEG解码的流程与实践要点，强调多变量模式分析（MVPA）需警惕伪迹、条件混杂、试次不平衡、交叉验证泄漏及多重比较等问题。指出分类准确率仅表明信息可区分，不等于神经机制解释；建议结合ERP、个体差异与组水平统计，合理选择Searchlight、时间泛化、RSA等方法，确保结果可靠。核心在于控制混杂因素、保障训练测试独立性，并依据科学问题选择适配分析策略。]]></description><category></category></item><item><title><![CDATA[功能连接的三种类型，各说明什么]]></title><link>https://blog.youkuaiyun.com/u011661076/article/details/170602189</link><guid>https://blog.youkuaiyun.com/u011661076/article/details/170602189</guid><author>u011661076</author><pubDate>Thu, 12 Nov 2026 11:20:39 +0800</pubDate><description><![CDATA[本文系统阐述静息态fMRI中体素、ROI与网络三级功能连接（FC）分析的原理、应用及注意事项。体素级聚焦精细空间定位，但受噪声影响大；ROI级便于脑区解释，需避免选择偏差；网络级揭示整体协同，但信息概括。研究应基于科学问题选择层级，结合预处理、质控与多重校正，确保结果可复现。强调FC反映关联而非因果，临床解读需谨慎，不同尺度结果可互补验证。]]></description><category></category></item><item><title><![CDATA[新手近红外分析软件怎么选？NIRS-KIT与常用工具包对比]]></title><link>https://blog.youkuaiyun.com/u011661076/article/details/170513789</link><guid>https://blog.youkuaiyun.com/u011661076/article/details/170513789</guid><author>u011661076</author><pubDate>Wed, 11 Nov 2026 11:59:52 +0800</pubDate><description><![CDATA[功能近红外光谱（fNIRS）数据分析工具选择应基于研究需求而非功能全面性。NIRS-KIT适合初学者，兼具任务态与静息态分析、图形界面友好、支持多格式与批处理；Homer3适用于注重预处理透明度与自定义流程的研究；AnalyzIR擅长复杂统计建模；MNE-NIRS则适合Python生态与可复现分析。工具间能力重叠，关键在于匹配研究目标、数据格式与团队经验，确保每步可检查、可复现。]]></description><category></category></item><item><title><![CDATA[静息态fMRI度中心性：二值、加权与Z值]]></title><link>https://blog.youkuaiyun.com/u011661076/article/details/170425279</link><guid>https://blog.youkuaiyun.com/u011661076/article/details/170425279</guid><author>u011661076</author><pubDate>Tue, 10 Nov 2026 11:38:19 +0800</pubDate><description><![CDATA[本文系统梳理了静息态fMRI中度中心性（DC）分析的计算逻辑与常见问题，强调体素水平二值DC、加权DC及Z标准化图的差异与适用场景。指出阈值设置（如r&gt;0.25）影响连接密度，需结合敏感性分析验证；二值与加权结果应根据研究假设选择，不可混用；体素DC图需明确平滑与标准化流程（如S/M/Z标记），避免误用。强调组间统计前应统一指标类型、控制协变量，并正确解读个体Z值非显著性检验。核心建议：厘清连接数量、权重与标准化三层次，规范报告处理步骤，提升结果可复现性。]]></description><category></category></item><item><title><![CDATA[FCD全脑指标和局部指标，别混着用]]></title><link>https://blog.youkuaiyun.com/u011661076/article/details/170341086</link><guid>https://blog.youkuaiyun.com/u011661076/article/details/170341086</guid><author>u011661076</author><pubDate>Mon, 09 Nov 2026 10:30:49 +0800</pubDate><description><![CDATA[如果保留各连接的相关系数作为权重，将这些权重求和得到节点强度，其含义与单纯的连接数量不同。将相关矩阵按照预设规则二值化，连接存在记为 1，不存在记为 0，排除自连接后，对每个节点的连接数求和，即得到 ROI 的度（degree）。理解两者的差异，需要同时看三个层次：以体素还是脑区为节点，统计连接数量还是连接权重，以及分析的是全局连接还是空间上连续的局部连接。在科研报告中，建议至少交代四项信息：采用的指标及其确切定义，节点空间尺度与脑掩膜或图谱，连接阈值及加权方式，以及去噪和平滑的先后顺序。]]></description><category></category></item><item><title><![CDATA[静息态指标KCC：计算逻辑与生理意义]]></title><link>https://blog.youkuaiyun.com/u011661076/article/details/170193699</link><guid>https://blog.youkuaiyun.com/u011661076/article/details/170193699</guid><author>u011661076</author><pubDate>Sun, 08 Nov 2026 10:00:00 +0800</pubDate><description><![CDATA[本文详解静息态fMRI中局部一致性（ReHo）的Kendall协调系数（KCC）计算逻辑，强调其衡量邻域体素BOLD信号时间排序一致性的本质。通过实例说明秩次转换、秩和计算与离差平方和的作用，揭示KCC值受排序一致性影响而非信号幅度。指出常见误区：勿将KCC误作相关系数或激活指标，需注意时间点数、并列秩处理及数据预处理顺序。强调ReHo反映血流动力学信号的一致性，应结合其他指标与临床资料综合解读，确保结果科学合理。]]></description><category></category></item><item><title><![CDATA[FNC分析：默认模式网络与执行控制网络如何关联？]]></title><link>https://blog.youkuaiyun.com/u011661076/article/details/170193408</link><guid>https://blog.youkuaiyun.com/u011661076/article/details/170193408</guid><author>u011661076</author><pubDate>Sat, 07 Nov 2026 10:30:00 +0800</pubDate><description><![CDATA[本文系统阐述了功能网络连接（FNC）分析中默认模式网络（DMN）与执行控制网络（ECN）研究的关键问题。强调需明确网络定义、规范组ICA流程，准确识别成分归属，避免因预处理、模板差异或头动影响导致的负相关缺失。指出应区分任务激活与网络连接，合理选择静态或动态FNC模型，并基于研究目标设计统计方法，确保结果可解释性。]]></description><category></category></item><item><title><![CDATA[MRI在神经科学中怎么用？从成像信号到分析方法]]></title><link>https://blog.youkuaiyun.com/u011661076/article/details/170184555</link><guid>https://blog.youkuaiyun.com/u011661076/article/details/170184555</guid><author>u011661076</author><pubDate>Fri, 06 Nov 2026 09:01:52 +0800</pubDate><description><![CDATA[本文系统梳理了脑MRI常见序列（BOLD、T1、T2、DWI、ASL）的生理意义与应用，阐明其在功能、结构与灌注研究中的差异。从体素到表面、局部到网络、任务态到静息态的分析路径，结合研究目标明确数据选择与分析策略，强调信号与指标、模态与层次间的区分，助力科研人员提升结果可解释性，避免方法混淆。]]></description><category></category></item><item><title><![CDATA[多回波fMRI实操指南：从采集设计到MEPrep处理]]></title><link>https://blog.youkuaiyun.com/u011661076/article/details/170128745</link><guid>https://blog.youkuaiyun.com/u011661076/article/details/170128745</guid><author>u011661076</author><pubDate>Thu, 05 Nov 2026 10:33:44 +0800</pubDate><description><![CDATA[多回波fMRI通过在不同回波时间（TE）采集信号，提升BOLD敏感度并分离噪声，尤其适用于易受磁敏感影响的脑区。其价值取决于研究需求与采集条件，需合理设计TE分布、平衡TR与分辨率，并确保数据完整导出。以MEPrep为例，整合预处理、回波合成与去噪流程，强调规范处理与质控。关键在于避免盲目增加回波、混淆文件顺序、误用处理步骤及混淆输出结果。多回波非简单“升级”，而是需目标、采集与分析协同支持的系统选择。]]></description><category></category></item><item><title><![CDATA[MRI配准实用指南：结果检查与常见问题排查]]></title><link>https://blog.youkuaiyun.com/u011661076/article/details/170030949</link><guid>https://blog.youkuaiyun.com/u011661076/article/details/170030949</guid><author>u011661076</author><pubDate>Wed, 04 Nov 2026 10:27:03 +0800</pubDate><description><![CDATA[MRI配准质量直接影响脑影像分析可靠性。配准后需通过图像叠加、重点区域检查及ROI定位验证结果合理性，重点关注解剖结构对齐与目标区域准确性。异常常源于模板不匹配、变换流程错误或输入数据质量问题。建议选择适配人群的参考图像，合理选用配准方式，核对变换链与插值方法，并建立批处理质控机制。必要时辅以Dice系数、标志点误差等定量指标，但须结合目视检查与研究任务综合判断。]]></description><category></category></item><item><title><![CDATA[别再只会用t检验：脑电研究中的统计思路与常见误区]]></title><link>https://blog.youkuaiyun.com/u011661076/article/details/169933877</link><guid>https://blog.youkuaiyun.com/u011661076/article/details/169933877</guid><author>u011661076</author><pubDate>Tue, 03 Nov 2026 11:18:28 +0800</pubDate><description><![CDATA[本文系统梳理了脑电研究中从数据整理到结果报告的全流程，强调统计分析需提前规划，注重数据备份与可追溯性。指出常见误区如误用t检验、盲目非参数化、错误选取电极与时间窗等，并建议依据研究假设预设分析方案，合理使用混合模型、置换检验等方法。强调结果呈现应结合波形图、地形图与指标图，完整报告统计量、效应量及置信区间，避免选择性报告。最后提出实用清单，助力新手规范操作，提升研究可重复性与科学性。]]></description><category></category></item><item><title><![CDATA[TBSS中，为什么配准后还要进行FA投射？]]></title><link>https://blog.youkuaiyun.com/u011661076/article/details/169832736</link><guid>https://blog.youkuaiyun.com/u011661076/article/details/169832736</guid><author>u011661076</author><pubDate>Mon, 02 Nov 2026 11:36:46 +0800</pubDate><description><![CDATA[TBSS通过构建共同白质骨架并投射个体FA值，实现多被试扩散影像的体素级比较。尽管图像已配准，仍需局部投射以缓解残余错位影响——因同一坐标在不同被试中可能位于纤维束中心或边缘。投射基于平均FA图的局部几何方向，在邻域内寻找对应高FA值，确保比较的解剖一致性。分析中需警惕配准偏差、邻近束干扰及低FA区域的误判，建议结合图像核对验证取值合理性。理解骨架与投射机制，有助于准确解读结果的解剖意义与局限性。]]></description><category></category></item><item><title><![CDATA[FNC分析：IC成分选多少个？如何匹配到脑网络？]]></title><link>https://blog.youkuaiyun.com/u011661076/article/details/169727604</link><guid>https://blog.youkuaiyun.com/u011661076/article/details/169727604</guid><author>u011661076</author><pubDate>Sun, 01 Nov 2026 09:54:52 +0800</pubDate><description><![CDATA[本文针对功能网络连接（FNC）分析中独立成分分析（ICA）的常见问题进行梳理，重点探讨成分数量选择、模板匹配、子网络识别及成分质量判断。指出模型阶数影响网络尺度，需根据研究目标合理设定；强调应结合空间图、时间序列与解剖位置综合评估成分有效性，避免仅依赖相关性或解释率阈值。提出系统化筛选流程，确保FNC分析的可重复性与可解释性。]]></description><category></category></item><item><title><![CDATA[磁共振怎么成像？BOLD信号与血氧的关系]]></title><link>https://blog.youkuaiyun.com/u011661076/article/details/169644002</link><guid>https://blog.youkuaiyun.com/u011661076/article/details/169644002</guid><author>u011661076</author><pubDate>Sat, 31 Oct 2026 13:20:57 +0800</pubDate><description><![CDATA[磁共振成像（MRI）利用氢质子在磁场中的磁化行为产生信号，通过射频激发与梯度编码实现空间定位。功能MRI（fMRI）基于血氧水平依赖（BOLD）效应，间接反映神经活动：脑区激活时血流增加，去氧血红蛋白减少，导致T2*信号增强。该信号受血流动力学延迟影响，需结合血流动力学响应函数分析。任务态研究关注特定刺激下的反应，静息态则探索自发脑活动的功能连接。理解从物理信号到生理意义的链条，有助于正确解读fMRI数据，避免对神经活动的误判。]]></description><category></category></item><item><title><![CDATA[SWI发现异常后，QSM如何进一步实现定量分析？]]></title><link>https://blog.youkuaiyun.com/u011661076/article/details/169545714</link><guid>https://blog.youkuaiyun.com/u011661076/article/details/169545714</guid><author>u011661076</author><pubDate>Fri, 30 Oct 2026 11:04:31 +0800</pubDate><description><![CDATA[QSM通过从GRE相位数据中解卷绕、去背景场、磁化率反演，实现对组织磁化率的定量测量，超越SWI仅“看见”异常的局限。其结果受数据质量、算法选择与参考设定影响，需严格核对回波参数、掩模生成与流程一致性。常见误区包括输入错误、相位处理不当、掩模偏差及算法混用，导致数值不可比。唯有统一流程、明确参考区域与ROI定义，才能确保结果可靠，为铁沉积、微出血等研究提供可重复的定量依据。]]></description><category></category></item><item><title><![CDATA[DWI和DTI不是一个东西：DTI建模从水分子运动到FA图]]></title><link>https://blog.youkuaiyun.com/u011661076/article/details/169445831</link><guid>https://blog.youkuaiyun.com/u011661076/article/details/169445831</guid><author>u011661076</author><pubDate>Thu, 29 Oct 2026 11:05:42 +0800</pubDate><description><![CDATA[本文系统梳理了扩散磁共振成像中DWI与DTI的本质区别，阐明MRI如何通过b值和多方向梯度敏感化探测水分子扩散，并基于张量模型计算FA、MD、AD、RD等指标。文章强调DTI是解释多方向DWI信号的模型，其结果受采集、预处理及建模影响。尽管存在对复杂纤维结构描述不足的局限，DTI仍因稳定性、可重复性和成熟分析流程，成为白质研究主流方法。理解数据链从原始DWI到指标输出的逻辑，是科学解读结果的关键。]]></description><category></category></item><item><title><![CDATA[CONN工具包入门：静息态fMRI分析到底怎么做？]]></title><link>https://blog.youkuaiyun.com/u011661076/article/details/169350916</link><guid>https://blog.youkuaiyun.com/u011661076/article/details/169350916</guid><author>u011661076</author><pubDate>Wed, 28 Oct 2026 11:45:32 +0800</pubDate><description><![CDATA[例如，将脑区作为节点、脑区间连接强度作为边，构建功能网络，并通过图论分析评估网络拓扑特征，如全局效率、小世界属性和节点中心性等；它把数据设置、预处理、去噪、个体连接估计和组水平统计接在同一项目里，便于核对各阶段设置。CONN 可通过 aCompCor 提取白质和脑脊液中的噪声成分，并结合头动参数、异常时间点回归项及时间滤波，减少残余混杂。本文以常规体积空间分析为例，沿着“原始数据、预处理、去噪、连接计算、统计解释”这条流程，介绍如何用 CONN 完成分析。回归项越多并不一定越好，去噪后仍需评估效果。]]></description><category></category></item><item><title><![CDATA[做脑机接口，为什么第一步是用fMRI找准脑区]]></title><link>https://blog.youkuaiyun.com/u011661076/article/details/169253369</link><guid>https://blog.youkuaiyun.com/u011661076/article/details/169253369</guid><author>u011661076</author><pubDate>Tue, 27 Oct 2026 12:05:38 +0800</pubDate><description><![CDATA[本文系统阐述了基于fMRI的脑机接口（BCI）功能靶点定位标准流程与常见误区。强调以任务态fMRI结合BIDS规范与fMRIPrep预处理，通过GLM分析实现组水平激活定位，并回归个体空间进行稳定性与特异性验证。指出避免“任务vs休息”设计单一、忽视HRF卷积、直接选用组平均结果等9大实践陷阱。强调fMRI仅提供功能定位依据，需结合多模态数据与解码验证，方能实现精准、可重复的个体化BCI靶点选择。]]></description><category></category></item><item><title><![CDATA[小脑袋，大不同：新生儿MRI分析为何特殊？]]></title><link>https://blog.youkuaiyun.com/u011661076/article/details/169151015</link><guid>https://blog.youkuaiyun.com/u011661076/article/details/169151015</guid><author>u011661076</author><pubDate>Mon, 26 Oct 2026 11:28:01 +0800</pubDate><description><![CDATA[以 dHCP（developing Human Connectome Project）结构处理流程为例，通常以 T2 加权图像为主要输入，根据采集方式完成必要的运动校正或重建，再进行脑提取、强度不均匀校正、组织分割和脑区标记。在分割结果可靠的基础上，重建白质表面与软脑膜表面，计算皮层厚度、曲率及折叠相关指标，最后完成与研究目标相适应的空间对应和统计分析。新生儿结构 MRI 分析中，模板和图谱要与发育阶段匹配，输入图像要满足所用流程的要求，组织分割和皮层重建则需要逐步检查。图像中存在运动伪影；]]></description><category></category></item><item><title><![CDATA[DCM最多只能纳入8个脑区？有效连接分析的边界与替代方案]]></title><link>https://blog.youkuaiyun.com/u011661076/article/details/168968239</link><guid>https://blog.youkuaiyun.com/u011661076/article/details/168968239</guid><author>u011661076</author><pubDate>Sat, 24 Oct 2026 13:04:02 +0800</pubDate><description><![CDATA[DCM（动态因果模型）用于推断脑区间有效连接，强调因果机制而非相关性，但受限于计算复杂度，通常仅支持≤8个脑区。其限制源于参数空间指数膨胀及模型稳定性问题，非数学硬约束，可通过spectralDCM或分而治之策略突破。实践中需警惕模板不匹配、格兰杰因果误用、连接矩阵不对称、静态分析忽略动态变化等六大误区。推荐根据研究目标选择方案：静息态用AAL+静态功能连接；动态任务用滑动窗口法；因果机制研究则优先使用DCM。核心原则：方法选择应服务于科学问题，避免“为复杂而复杂”，稳健流程优于高风险技术。]]></description><category></category></item></channel></rss>