多模态脑区细分图谱 HCP-MMP v1.0, Glasser et al. 2016 皮层和皮下区域，简写和全称对应关系

最新推荐文章于 2024-06-21 09:53:50 发布
最新推荐文章于 2024-06-21 09:53:50 发布
阅读量1.6k 收藏 6
点赞数 2
CC 4.0 BY-SA版权
分类专栏： 神经科学工具箱 FreeSurfer学习 脑科学核磁共振成像 文章标签： 人工智能 算法
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/136634792
HCPex是人类连接组计划多模态脑区细分图谱的体积形式扩展版，增加了66个皮层下区域。该图谱方便与体积软件如SPM、FSL配合使用，提供冠状视图以辅助大脑结构和功能分析。

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

本研究提供了人类连接组计划基于表面的多模态脑区细分图谱（HCP-MMP v1.0, Glasser et al. 2016）的修改和扩展版本，HCPex。原始图谱包含360个脑皮层区域，本文在HCPex中对其进行了修改，以便更容易地与基于体积（Volume)神经影像软件（例如SPM、FSL和MRIcroGL）一起使用。HCPex也是原始图谱的扩展版本，在此基础上增加了66个皮下区域（每个半球33个），包括杏仁核、丘脑、壳核、尾状核、伏隔核、苍白球、乳头体、隔核和基底核。HCPex使得HCP-MMP v1.0中出色的脑皮层区域细分对基于体积（VOLUME,体素空间)软件的用户（如SPM和FSL）可用，并增加了一些皮层下区域，提供了带标记的人脑冠状视图。
在这里插入图片描述

多模态脑区细分图谱 HCP-MMP v1.0, Glasser et al. 2016 皮层和皮下区域，简写和全称对应关系

介绍

人类连接组计划多模态脑区细分图谱（HCP-MMP）提供了对人类大脑皮层区域的非常有用的细分（Glasser et al. 2016a, b）。图谱是多模态的，因为每个区域都是根据四个标准的组合定义的，包括结构（T1加权/T2加权髓鞘含量和皮层厚度图）、静息态功能连接、基于任务的激活和拓扑地形组织。HCP-MMP v1.0图谱包含每个半球180个皮层区域，基于210名参与者的分析。定义的区域包括许多因其功能证据而引起关注的区域，例如顶枕皮层区域L

了解本专栏 订阅专栏 解锁全文 超级会员免费看
freesurfer分割后的解剖文件.annot, 如何求解剖区域的三维坐标？如已知lh.HCP-MMP1.annot，如何求Glasser360的皮层三维坐标？
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。
03-20 1430
我们经常会遇到需要可视化网络，这就需要求感兴趣区域的三维空间的坐标，那到底怎么求呢？下面给出详细的代码？ % Function to extract centroids of a cortical parcellation on the Freesurfer sphere. Runs on individual hemispheres. % % Requires read_surf.m and read_annotation.m functions, distributed with Freesurfe.
使用 ggsegExtra 对大脑分区统计结果进行可视化，如在Glasser360分区模板，Yeo2011模板，Schaefer分区模板上统计结果可视化
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。
10-23 2294
人们越来越重视以更直观的方式可视化神经影像结果。用于传播这些结果的常用统计工具（例如条形图）缺乏神经影像数据固有的空间维度。在这里，我们为统计软件 R 提供了两个包，它们集成了这个空间组件。ggseg 和 ggseg3d 包分别将预定义的大脑分割可视化为 2D 多边形和 3D 网格。这两个包都与其他成熟的 R 包集成在一起，具有很大的灵活性。在本教程中，我们描述了用于脑图谱可视化的 ggseg 和 ggseg3d 包中的主要数据和函数。突出显示的函数能够在 R 中显示大脑分割图。
rsamatlab代码-fmri-extract-HCP-mask:该脚本使您可以轻松地从HCP-MMP1.0拆分中提取特定的二进制掩码文件
05-25
rsa matlab代码fmri提取HCP掩码 该脚本使您可以轻松地从HCP-MMP1.0分解图集中提取特定的体积二进制掩码文件。 设置 下载所有文件。 解压缩HCP_atlas.zip。 检查地图集文件（.nii）和mmp.csv文件是否都在同一文件夹中。 如何使用 这是一个简单的脚本，用于获取人类Connectome项目MMP1.0碎片（此处包含）的体积图，提取所需的ROI，并将其保存为二进制掩码文件。 体积图位于MNI空间中，因此生成的蒙版文件也将位于MNI空间中。 转到ROI查找表（mmp.csv）。 找到您感兴趣的ROI，并写下ROI代码（num.roi列）。 您可以运行多个ROI，也可以只运行一个。 调用create_HCP_mask（）函数。 功能输入 您查找的roicode 放置地图集文件的文件夹 输出文件夹 操作：如果您选择了多个rois，则可以分别保存所有“ rois”（“单个”），也可以将它们合并为一个大的ROI（“ sum”）。 横向性：您可以选择要提取左侧（'l'），右侧（'r'）还是双向（'b'）ROI。 扩大：选择是否要扩大生成的ROI蒙版。 该脚本将在每
人类连接组计划扩展版的多模态皮层及皮层下区域细分图谱
cc1609130201的博客
01-11 2041
本文描述的HCPex图谱扩展了HCP-MMP1图谱（Glasser et al. 2016a），通过增加66个皮下区域，以体积（volume)形式提供以适用于多种类型的神经影像软件，包括SPM，提供带标签的大脑冠状切片以清晰可视化HCPex图谱中定义的皮层和皮下区域（图1），并提供图谱中皮层区域的可选重排序（表1）。Iglesias et al.（2018）提供的丘脑细分使得HCPex图谱中每个半球包括21个丘脑核团，并因此被优先使用，而不是Tian et al.（2020）提供的只有8个丘脑核团的图谱。
PNAS | 工作记忆中大脑节律的因果功能图
u011661076的博客
06-11 855
摘要 工作记忆是一个涉及大脑中多个功能解剖节点的关键认知过程。尽管有大量与工作记忆结构相关的神经影像学证据，但我们对控制整体表现的关键中枢的理解并不完整。因果解释需要在对特定功能解剖节点进行安全、暂时和可控的神经调节后进行认知测试。随着经颅交流电刺激(tACS)技术的进步，此类实验可以在健康人群中进行。本研究结合了28项安慰剂对照研究(共1057名参与者)的结果，这些研究应用了特定频率的非侵入性神经振荡刺激，并检查了神经正常成年人的工作记忆表现。本研究使用计算元建模方法来模拟虚拟现实大脑中的每次干预，并将
机器学习验证全新脑图谱，脑科学及AI超凡一步
weixin_34112208的博客
03-01 740
通过使用更精确的划分方法，研究人员证实了此前已经确定的 83 个脑区，还发现了 97 个全新的脑区。 【编者按】本文由新智元编译，来源：Nature、《卫报》等，译者：闻菲、张冬君 近日Nature刊文，华盛顿大学研究人员结合多种成像技术，利用机器学习系统，绘制了全新的人脑图谱。通过使用更精确的划分方法，研究人员证实了此前已经确定的 83 个...
SCIENCE ADVANCES：人类大脑进化与认知的高能耗神经调节体系架构
最新发布
cc1609130201的博客
06-21 497
与其他物种相比，人类大脑在体内代谢中表现出最高的能量需求之一。目前尚不清楚这种高能量需求是均匀地支持增大的大脑，还是特定的信号机制需要更多能量。我们假设，能量需求的区域分布将揭示对人类认知发展有贡献的信号策略。我们使用多模态脑成像技术测量了大脑功能连接体内的能量分布，发现进化扩展区域的信号通路的能量成本比感觉运动区域高出67%。此外，组织学、转录组数据和分子成像独立地揭示了能量需求区域内G蛋白偶联受体信号的上调。我们的研究结果表明，神经调节物质活动主要涉及认知功能，如阅读或记忆处理。该研究表明，神经调节物质
人类眶额皮层、vmPFC和前扣带回的有效连接：情绪、记忆和行动
悦影科技
04-11 3245
人类眶额皮层、腹内侧前额叶皮层（vmPFC）和前扣带回参与奖赏处理，因此参与情绪，也与情景记忆有关。为了更好地了解这些区域，我们在来自人类连接体项目的172人中测量了360个皮层区域和24个皮层下区域之间的有效连接，并补充了功能连接和扩散束造影。眶额皮层从味觉、嗅觉和颞叶视觉、听觉和颞极皮层区域都有有效连接。眶额皮层与前扣带回膝部和海马体系统有连接，并提供了用于记忆和目标导航的奖赏反映。眶额皮层和扣带回膝部与上前扣带回有连接，该皮层投射到中扣带回和其他运动前皮层区域，并提供行动-结果学习，包括肢体退缩或对抗
寻找使用多模态MRI数据分类轻度认知障碍（MCI）亚型的最佳机器学习模型
cc1609130201的博客
08-22 1570
基于MD的TBSS的LMCI相关白质改变我们还进行了基于平均扩散性（MD）的TBSS，以研究LMCI相关的WM改变（图3A）。在图4B中，我们进一步探讨了这些区域的哪些组合可以通过AdaBoost分类器提供更好的性能（例如，#1 额叶-顶叶，#2 颞叶-顶叶，#3 颞叶-枕叶，#4 前叶-颞叶，#5 颞叶-枕叶，#6 胼胝体（CC）-扣带回-岛叶-丘脑，#7 前叶-顶叶-岛叶-丘脑，#8 颞叶-枕叶-CC（胼胝体）-扣带回-岛叶-丘脑）。减少的FA和增加的MD将反映退行性大脑中的神经元丧失和髓鞘的破裂。
HCP数据集相关
m0_73727340的博客
10-09 2618
自用HCP相关资料
matlab自相关代码-Surface_projection:用于将体积nifti文件投影到HCP表面和GlasserAtlas宗地值提取的代
05-23
matlab自相关代码表面投影 该存储库包含用于以下目的的matlab代码： 将2mm各向同性MNI空间中的3D体积nifti图像投影到HCP MMP表面（请参见文件夹“ volumetric”中的示例文件） 提取Glasser地图集中的每个地块的值 通过球面旋转创建空图 测试地图之间的空间相关性，并通过球面旋转计算考虑到地图中空间自相关的p值（“自旋测试”）。* 有关语法，请参见example.m。 此代码不会立即可用。 你需要： 人类connectome工作台软件的已安装版本（） 实地考察（） 在“ functions / pathfindr（）;”中编辑相关行。 这样，matlab就可以找到这些软件包（第21、25行，以及第23行，具体取决于您的操作系统） 表面投影将允许您执行以下操作： 旋转测试的工作方式如下： Correlate_surface（）; 做旋转测试。 它需要两个输入参数，其中至少一个是顶点级别的数据。 如果输入表面之一已预先组装好，请使用“ glasser”选项。 在这种情况下，请使用分隔的贴图作为第一个输入，并使用顶点级别的贴图作为第二个输入。 原始曲面的内墙
小脑的语言、工作记忆、社会和情绪处理的三重表征
cc1609130201的博客
08-19 1176
脑功能地图的描绘对于深入了解小脑在广泛的神经系统功能中的作用至关重要。本研究使用来自人类连接组项目（HCP）的公开功能磁共振数据，分析了小脑在运动、工作记忆、语言、社会和情绪处理中的激活，以及基于大脑皮层上任务相关种子点和Cohen’s d参数的静息态功能连接。这项研究结合了更强的统计效力、来自同一被试的多种非运动任务和运动任务的激活，以及相应的静息态脑网络特征，揭示了人类小脑功能图谱的新方面。结果发现与之前研究一致的是小脑对运动激活有两种分离的表征。...
Diffusion-weighted in MRI 学习笔记
clancy_wu的博客
05-18 5016
功能像的学习已经差不多了，对功能连接、图论、机器学习方面的知识感觉已经掌握的差不多了，这段时间准备把DTI像给捡起来学习学习。 图片引用自FSL官网 学习DTI，不能逾越的软件当推FSL，我的学习笔记及部分博文图片也来自于FSL官网教程，仅供学习谈论。 概述 分析DTI像，主要就是集中于构建白质纤维束，要理解白质纤维束的构建过程，追源溯流，最开始的理论起源于分子的布朗运动。 大家都知道，分子处于不断的随机运动中，这种运动被称为布朗运动，也讲作弥散（diffussion）。 Diffusion = t
Nature Communications:基因对人类连接组中hub连接的影响
悦影科技
09-14 619
1.摘要 脑网络hubs间高度连接且其内部也高度连接，为连通神经动力形成了一个重要的通信主干。但是，对该机制的研究很少。本文使用双胞胎的弥散加权磁共振成像数据，确定了基因的主要作用，表明它们优先影响人类连接组的网络hubs间的连接强度。使用转录图谱数据，结果表明连接的hubs表现出与细胞结构相似和代谢相关的转录活动的紧密耦合。最后，通过比较13个网络的生成模型，本文发现仅靠随机过程不能解释hubs的精确分布模式，另外，可以通过引入基因约束来提高模型性能。本文的研究结果表明，基因在形成hubs间的连接中起重要
HCP Lab 12篇论文入选世界顶级计算机视觉会议 CVPR 2019
AI 研习社的博客
07-04 1158
本文由中山大学人机物智能融合实验室（HCP Lab）特约供稿。全球计算机视觉三大顶会之一CVPR 2019(IEEE Conference on Computer Visionand Pattern Recognition) 于 6月 16~20日 在美国洛杉矶如期举办。 CVPR 作为计算机视觉三大顶级会议之一，一直以来都备受关注。被 CVPR 收录的论文更是代表了计算机视觉领域的最新发展...
R语言如何实现主成分分析（PCA），最全详细教材
热门推荐
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。
04-05 4万+
R语言也有“一步到位”的函数，如prcomp()和princomp()，基本上都是输入数据直接出结果。为了理解PCA的原理，我们利用自编函数的方法进行学习。 主成分分析详解主成分分析过程分解1.数据标准化2.计算相关系数（协方差）矩阵3.求解特征值和相应的特征向量4.计算主成分得分5.绘制主成分散点图6 自编函数实现PCA总代码使用现成函数完成主成分分析1.prcomp()函数2.princomp()函数3.PCA结果可视化 主成分分析过程分解 1.数据标准化 为了统一数据的量纲并对数据进行中心化，在主成
最全总结Jordan 标准型、Jordan分解、Jordan 标准型的计算方法
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。
04-02 3万+
Jordan 标准型、Jordan分解、Jordan 标准型的计算方法
脑科学磁共振成像（MRI)初学者必看——功能脑网络、小世界网络、FDR校正、脑电信号频率变换、模板、假设检验、广义线性模型、独立成分分析、影像组学、任务态和静息态方法汇总
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。
04-17 2万+
磁共振成像初学者必看一、浅谈功能脑网络二、不同模态脑网络的构建功能脑网络结构脑网络白质纤维束脑网络加权网络二值网络三、趣谈散点图与相关系数四、脑电信号频域变换五、fMRI中的FDR校正六、模板（mask）1、模板(mask )往往是与ROI联系在一起的2、mask作用的原理3、常见的mask七、假设检验和效果量八、组水平标准化九、由 ALFF 说开去十、计算机存取MRI影像的那些事十二、Linux基础命令十三、浅谈标准空间模板和空间变换一：标准空间模板二：空间变换十四 、 功能连接十五、大脑激活与功能连接的
评论
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