我们的行为和思维的复杂性很可能反映在功能性脑网络中。独立成分分析(ICA)是一种常用的数据驱动方法,用于计算这些网络之间的群体差异。常见的研究网络差异的方法是基于从特定研究样本中生成的ICA图。然而,这种方法限制了结果的普适性和可重复性。另一种选择是使用网络ICA模板,但到目前为止,这样的模板很少,且在它们涵盖的功能系统方面有限。
在这里,我们提出了一个简单的两步程序,以获取与研究者选择的功能性脑网络相对应的ICA模板:
我们的行为和思维的复杂性很可能反映在功能性脑网络中。独立成分分析(ICA)是一种常用的数据驱动方法,用于计算这些网络之间的群体差异。常见的研究网络差异的方法是基于从特定研究样本中生成的ICA图。然而,这种方法限制了结果的普适性和可重复性。另一种选择是使用网络ICA模板,但到目前为止,这样的模板很少,且在它们涵盖的功能系统方面有限。
在这里,我们提出了一个简单的两步程序,以获取与研究者选择的功能性脑网络相对应的ICA模板: