提取预处理后的FMRI平均时间序列构建功能连接学习笔记

已于 2022-07-12 21:53:50 修改
阅读量2.9k 收藏 26
点赞数 2
分类专栏： 磁共振数据处理笔记 文章标签： matlab
于 2022-07-12 21:51:10 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_52073820/article/details/125752510
版权
这篇博客记录了如何从预处理的fMRI数据中，基于aal模板和灰质mask，提取平均时间序列并构建功能连接矩阵的过程。首先确保数据、aal模板和灰质mask的分辨率匹配；然后，通过aal模板获取每个脑区的平均时间序列；最后，利用灰质mask计算种子点到全脑的功能连接。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

一、数据准备：

1、将预处理后的被试数据存放在fundata下

在这里插入图片描述

2、aal模板
3、灰质概率模板以0.2为阈值生成的灰质mask
注意三者分辨率要一致

二.基于aal模板，提取预处理后的fmri数据每个脑区的平均时间序列，构建功能连接矩阵

clc,clear,close
path='/Volumes/ysy/fmri/fundata'; %数据路径
file=dir([path,filesep,
了解本专栏 订阅专栏 解锁全文
如何提取fMRI的时间序列，以及构建功能连接矩阵(functional connectivity)
从事脑科学核磁共振方法学研究，在Nature communications等权威期刊发表研究论文，熟练掌握磁共振处理方法和统计学方法，欢迎大家和我交流。
06-02 9532
图论分析中从fMRI中提取复杂网络的主要步骤。步骤一： 对采集的功能磁共振成像数据进行许多预处理步骤，包括切片之间的时间校正、重新对准、图像配准、基于分割的归一化和空间平滑。需要注意的是预处理步骤的选择和顺序可能会影响最终图指标测量的范围。预处理步骤可以参考：DPABI详细使用教材——数据准备、预处理流程、数据分析流程步骤二： 为了探索大规模的大脑网络，应用了适当的分割方案，例如解剖学自动标记图谱，将整个大脑划分为几个皮质和皮质下的解剖单元。......
如何提取核磁共振成像BOLD-fMRI信号，以及计算功能连接矩阵？
从事脑科学核磁共振方法学研究，在Nature communications等权威期刊发表研究论文，熟练掌握磁共振处理方法和统计学方法，欢迎大家和我交流。
05-09 4327
% Extract the Seed Time Courses SeedSeries = []; MaskROIName=[]; for iROI=1:length(ROIDef) IsDefinedROITimeCourse =0; if strcmpi(int2str(size(ROIDef{iROI})),int2str([nDim1, nDim2, nDim3])) %ROI Data MaskROI = ROIDef{iROI}; MaskRO
SPM12入门案例1
The_best_man的博客
05-15 1万+
如何使用SPM入门 1.准备工作 (1)数据下载 使用样例Auditory fMRI dataset，数据来源于官网下载未处理的数据Raw functional and structural data。 (2)创建文件夹 创建名为auditory的文件夹，在该文件夹下创建三个子文件夹分别是dummy,jobs,classical分别用于存放dummy scans、job-specificati...
fMRI提取ROI时间序列
Flower_Panda的博客
05-16 7221
首先准备一个mask，reslice到与fMRI相同的分辨率。注意这个mask里面不是ROI的地方值为零，而且每个ROI体素的值都是这个ROI对应的编号。比如我用的Power 264 ROI，ROI值最大是264。 然后用matlab写代码。把fMRI从四维转成二维去做会比较方便。 fmri = spm_vol('ICA_denoised_sub-600001103037_task-rest_bold.nii'); fdata = spm_read_vols(fmri); mask = spm_vol('r
提取fMRI的时间序列，构建功能连接矩阵的matlab代码
06-02
在图论分析中从fMRI中提取复杂网络的主要步骤。 步骤一： 对采集的功能磁共振成像数据进行许多预处理步骤，包括切片之间的时间校正、重新对准、图像配准、基于分割的归一化和空间平滑。需要注意的是预处理步骤的选择和顺序可能会影响最终图指标测量的范围。 预处理步骤可以参考：DPABI详细使用教材——数据准备、预处理流程、数据分析流程 步骤二： 为了探索大规模的大脑网络，应用了适当的分割方案，例如解剖学自动标记图谱，将整个大脑划分为几个皮质和皮质下的解剖单元。 步骤三： 通过平均该特定区域内的所有体素的时间进程平均作为该脑区的时间序列。 步骤四 ： 执行在前面部分中回顾的连通性方法之一，诸如相关分析，以确定大脑不同脑区间的时间序列的成对关联。 步骤五 ： 通过对相关矩阵的值进行阈值处理来获得二进制连通性矩阵(即邻接矩阵)。 步骤六 ： 可以使用大脑连接工具箱获得表征大脑网络连接的局部和整体架构的关键拓扑属性。
Nilearn学习笔记3-提取时间序列建立功能连接体
锦小年的博客
01-02 5万+
在nilearn库中，提供了两种从fmri数据中提取时间序列的方法，一种基于脑分区（Time-series from a brain parcellation or “MaxProb” atlas），一种基于概率图谱（Time-series from a probabilistic atlas）。参考文章：Varoquaux and Craddock, “Learning and comparing
Nilearn学习笔记2-从FMRI数据到时间序列
热门推荐
锦小年的博客
01-01 6万+
通过前面的学习了解，我们知道最原始的Fmri数据是4维的，包含三围的空间信息和一维的时间。在实际应用中，我们更多的是利用大脑图像时间序列做研究分析，因为无法直接使用fmri数据做相关研究。在我们使用数据之前，我们需要对原始数据做一些数据预处理和变换。1. mask在所有的分析之中，我们第一步所做的事儿都是把四维fmri数据转换为二维矩阵，这个过程称为MASK。通俗的理解就是提取我们能利用的特征
fMRI学习笔记：预处理及数据分析（使用spm12）
weixin_66449744的博客
07-15 1万+
用SPM对fMRI数据文件进行预处理、个体分析及组分析的学习笔记
基于fMRI数据计算脑脊液(CSF)与全脑BOLD信号的时间耦合分析
最新发布
Rose9614的博客
01-02 1828
BOLD和CSF信号有多相似CSF信号要延迟多少时间才能最匹配BOLD信号BOLD-CSF的互相关公式lag:时间延迟采样点数BOLD信号CSF信号延迟时间点对应的相关系数。
【GNN4Medical】GNN在医疗领域发展和应用
图挖掘领域，新晋砖家 ☞ 未来可期，欢迎和静静一起学习交流吖
11-21 1400
医疗AI在肿瘤方面应用综述 - 知乎。
功能磁共振成像分析技术解析
通过这样的项目，用户可以深入学习如何运用Python或R语言进行fMRI数据的预处理、统计分析和结果解释，从而能够对人脑的功能性活动进行深入研究。由于涉及的文件名称是fMRI-analysis-IISc-main，可能意味着该项目是一...
Nilearn从大脑图谱中提取时间序列及制作功能连接
clancy_wu的博客
11-08 5871
from nilearn import datasets dataset = datasets.fetch_atlas_harvard_oxford('cort-maxprob-thr25-2mm') atlas_filename = dataset.maps labels = dataset.labels print('Atlas ROIs are located in nifti image (4D) at: %s' % atlas_filename) # 4D data # One su
基于Spm12对fMRI数据的分析（超详细）
weixin_51411330的博客
11-14 5620
基于spm12对fMRI数据的预处理，包括分割、配准、时间层矫正
matlab从fMRI到时间序列,各位老师好，请问一个关于提取全脑时间序列的问题。...
weixin_33681937的博客
03-18 1127
我目前正在进行的课题需要分别提取全脑每个VOXEL的时间序列。我已使用dparsf完成原始数据的预处理，接下来应该怎么操作呢？我在论坛中看到有人提到可以使用rest_to4d这个函数，我在MATLAB中输入 rest_to4d(‘J:\Analysis\FunImg\sub1‘)报错如下：Read 3D EPI functional images: "J:\Analysis\FunImg\sub1...
动态功能连接：前景、问题和解释
cc1609130201的博客
09-27 6242
大脑必须跨多个时间尺度动态整合、协调和响应内部和外部刺激。利用功能磁共振（fMRI）对大脑活动进行无创测量，极大地促进了我们对支持这些基本脑功能特征的大规模功能组织的理解。以往静息态fMRI研究的结论是基于对功能连接(functional connectivity, FC)的静态描述，最近，研究开始利用自发性血氧水平依赖(blood–oxygen-level-dependent, BOLD) FC的时间特征中包含的丰富信息。新的证据表明，动态FC指标可能会指示认知和行为潜在的宏观神经活动模式的变化，尽管在分
fMRI图像预处理
weixin_41196809的博客
04-29 1万+
fMRI图像简介 脑成像主要分为两种：结构性脑成像与功能性脑成像。并且存在一些不同的类别来执行每种类别的成像。 结构性脑成像：它涉及脑结构的研究，也涉及疾病和损伤的诊断。例如，如果你在一次事故中然后得了中风或类似的疾病，你可能会去做一个结构成像看看其影响。 执行方式包括:计算机轴向断层扫描(CAT)，磁共振成像(MRI)，正电子发射断层扫描(PET)。 功能性脑成像：它可用于研究认知和情感过程...
对fMRI的初步了解
houpeiyuan123的博客
07-19 3448
功能性磁共振成像（functional Magnetic Resonance Imaging，fMRI）是一种用于测量和绘制大脑活动的非侵入性成像技术。它通过检测与神经活动相关的血流变化来进行工作。
[spm操作] 什么是mask，如何做mask（未完）
yuelulu0629的专栏
11-29 2万+
本帖作为《用Matlab和SPM批量处理被试的经验总结》的一部分 目录贴请见http://home.52brain.com/forum.ph ... =1&extra=#pid158525 我在初学fMRI数据分析的时候常听到mask这个东西，但过了相当长一段时间才搞清楚了这是个啥东西。 你在用SPM跑完数据分析之后会发现你的结果里面那一堆乱糟糟的东西里面有一个文件叫 mask.im
matlab从fMRI到时间序列,fMRI数据处理的几个matlab小程序
weixin_39640444的博客
03-18 791
Here are some tutorial files that show how to use Matlab for fMRI. Please feel more than free to use the code for teaching, and if you do, please mail me with comments and feedback.The code has lots o...
如何提取fmri的时间序列,以及构建功能连接矩阵(functional connectivity)
09-26
时间序列提取通过预处理和定义感兴趣的脑区域来获得，而功能连接矩阵通过对时间序列进行计算得到。功能连接矩阵进一步可以用于进行网络分析，以便研究脑区之间的功能关联。这些方法为理解脑功能和大脑疾病的机制提供...
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

长腿猴子请来的救兵

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值