如何提取fMRI的时间序列，以及构建功能连接矩阵(functional connectivity)

已于 2022-06-03 17:44:56 修改
阅读量9.5k 收藏 81
点赞数 13
分类专栏： 神经科学工具箱 脑网络的图论分析 文章标签： 核磁共振成像 脑功能分区
于 2022-06-02 21:36:48 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/xj4math/article/details/125106842
版权
本文介绍了从fMRI数据中提取时间序列并构建功能连接矩阵的方法，涉及预处理、解剖模板应用、皮尔逊相关系数计算等步骤，通过实际操作展示如何进行功能连接分析。

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

如何提取fMRI的时间序列，以及构建功能连接矩阵

在这里插入图片描述

概述

上图说明了在图论分析中从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

了解本专栏 订阅专栏 解锁全文 超级会员免费看
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 4319
% 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
如何画一个漂亮的功能连接矩阵图
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。
07-20 3360
下面将介绍一种画功能连接矩阵热力图的程序。该程序使用简单，有了改代码再也不用担心类似下图的矩阵热力图。 以下几幅图都是来自一些神经、精神、心理学的顶级期刊，包括nature medicine，nature communications、brain等。这些图是以矩热力图的形式展示的功能连接或者统计学结果图。我们可以看到属于不同的网络的节点的连接被一些网格线分割开，很容易让别人识别脑网络。 那么这种图是怎么做出来的呢？本期我们将给大家介绍一个专门用于做这种矩阵热力图的程序，并教大家如何使用改程序做出高清
功能性连接 Functional connectivity
最新发布
梁小憨憨的博客
12-18 2219
最近看论文看到功能性连接的内容，简单学习，浅记一下，方便以后查阅。
提取预处理后的FMRI平均时间序列构建功能连接学习笔记
weixin_52073820的博客
07-12 2926
提取平均时间序列构建功能连接
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时间序列振幅和相位对功能连接分析的影响
u011661076的博客
04-25 1172
fMRI领域的一些研究使用瞬时相位(IP)表征(源自BOLD时间序列的解析表征)考察了脑区之间的同步性。本研究假设来自不同脑区的瞬时振幅(IA)表征可以为脑功能网络提供额外的信息。为此，本研究探索了静息态BOLD fMRI信号的这种表征，用于获得静息态网络(RSNs)，并将其与基于IP表征的RSNs进行比较。
脑疾病数据集的预处理-功能连接矩阵（FC)
weixin_51947759的博客
05-23 2564
REST-meta-MDD，ABIDE数据集的预处理准备，绘制功能连接矩阵（FC）及使用nilearn绘制脑区图谱
基于EEG的脑网络功能连接矩阵构建
准六边形战士的博客
11-22 2497
基于EEG的脑网络功能连接矩阵构建
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...
如何提取fmri的时间序列,以及构建功能连接矩阵(functional connectivity)
09-26
提取fmri的时间序列和构建功能连接矩阵的过程可以分为以下步骤： 1. 数据获取：首先需要获取fmri的原始图像数据。fmri技术通过在被试者头部获得磁共振信号来捕捉脑活动。这些数据通常以DICOM（数字成像与通信）格式...
显示4DfMRI图像的时间序列
123
07-09 1132
显示4DfMRI图像的时间序列 一、加载数据 from nilearn import image from nilearn.image import smooth_img result_img=smooth_img('data/4D/Ontario_sub94652_rest.nii.gz',fwhm=0) 二、数据转换为可显示类型 from nilearn.masking import compute_epi_mask mask_img=compute_epi_mask(result_img) plot
fMRI提取ROI时间序列
Flower_Panda的博客
05-16 7216
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
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 1126
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...
【转载】EEG中常用的功能连接指标汇总
qq_32793161的博客
11-29 6002
EEG中常用的功能连接指标汇总 功能连接（Functional connectivity, FC）可以说是EEG研究中的一个非常重要的方法。对于正常的大脑高级认知功能来说，往往并不仅仅是单独的某个脑区在起作用，而是更加依赖于不同脑区之间的相互协同工作，因此研究不同脑区的功能连接对我们理解大脑的大脑高级认知功能机制来说非常重要。那么究竟什么是功能连接，如何定量测量不同脑区之间的功能连接呢？所谓的功能连接其实就是用某种方法来测量两种信号之间的依赖或相关程度。在EEG领域中，研究者提出了非常丰富的算法来测定两种
系统梳理EEG中常用的功能连接指标—系列1
悦影科技
12-17 5577
功能连接（Functional connectivity, FC）可以说是EEG研究中的一个非常重要的方法。对于正常的大脑高级认知功能来说，往往并不仅仅是单独的某个脑区在起作用，而是更加依赖于不同脑区之间的相互协同工作，因此研究不同脑区的功能连接对我们理解大脑的大脑高级认知功能机制来说非常重要。那么究竟什么是功能连接，如何定量测量不同脑区之间的功能连接呢？所谓的功能连接其实就是用某种方法来测量两种...
手把手教你画漂亮的功能连接矩阵图（附代码）
悦影科技
07-12 6293
《本文同步发布于“脑之说”微信公众号，欢迎搜索关注~~》 科研图片的重要性是非常重要的，审稿人看到一个低质量的或者欠美观的图片，很可能影响文章的审稿。本期我将介绍一种画功能连接矩阵热力图的程序。该程序使用简单，有了改代码再也不用担心类似下图的矩阵热力图。 以下几幅图都是来自一些神经、精神、心理学的顶级期刊，包括nature medicine，nature communications、brain等。这些图是以矩热力图的形式展示的功能连接或者统计学结果图。我们可以看到属于不同的网络的节点的连接被一些网格线分割
【茗创科技】静息态fMRI功能连接分析方法学
u011661076的博客
06-11 2611
大家好，这里是 “茗创科技” 。茗创科技专注于脑科学数据处理，涵盖（EEG/ERP, fMRI,结构像,DTI,ASL, ,FNIRS）等，欢迎留言讨论及转发推荐，也欢迎了解茗创科技的脑电课程，数据处理服务及脑科学工作站销售业务，可添加我们的工程师（MCKJ-zhouyi或17373158786）咨询。人脑由数十亿个细胞组成，细胞之间有数万亿个突触连接。根据人类解剖研究的估计，以及约80%的皮层细胞是兴奋性锥体细胞的常识，一个成年人的大脑皮层中大约有200亿个兴奋性锥体细胞。这些细胞如何协调它们的活动，形成
Nature Neuroscience：推动功能连接研究从关联走向因果
cc1609130201的博客
03-31 1641
认知和行为产生于大脑网络的相互作用，因此研究因果相互作用应该是大脑功能研究的核心。表征神经时间序列之间统计关联的方法（功能连接(FC)方法），可能是估计大脑网络相互作用的一个很好的起点。然而，只有FC方法的一个子集（“有效连接”）被明确地设计用于从统计关联中推断因果相互作用。在这里，我们结合了FC研究的不同领域的最佳实践，以说明如何改进FC方法以改善关于神经机制的推论，并将因果神经交互的属性作为公共本体来促进FC方法的累积进展。我们进一步证明了最常见的FC度量（相关性和相干性）如何减少可能的因果模型集，尽管
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 5860
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
评论 20
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

sta@ma@brain

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