随笔分类 - 再见，我的硕士研究
摘要：读研时，做的研究是fmri的非线性噪声处理。那个时候，比较傻，线性是流行的趋势和方法，做一做就成了，肯定能混毕业。非要去弄什么非线性噪声处理。导师自然是喜欢，看学生玩玩，自己也能从中捞一点儿。 不过，杂七杂八的东西看了一堆堆。 GEB，去年罗胖大力推李善友的**理论，如果他读过了侯士达的GEB，那么
阅读全文
posted @ 2016-08-12 13:37
二郎那个三郎
摘要：转载自：stonesingsong的日记stonesingsong的主页这学期给导师的一门课做助教。这些学生的表现出乎我意料的好，比起上次给外国学生做助教拼命学会用英文表达中国历史基本情况的锻炼，这次学到的更多是对自己学术历程的思考和理解，他们直接向我展示了学术历程中的不同阶段和层次，尽管他们绝大部...
阅读全文
posted @ 2014-08-17 20:30
二郎那个三郎
摘要：%--brain mask with the brain tissuemask_name = 'C:\Users\Administrator\Desktop\workspace\preprocessed\masks\within_brain_mask.nii';M = load_untouch_...
阅读全文
posted @ 2014-06-19 20:53
二郎那个三郎
摘要：%--brain mask with the brain tissuemask_name = 'C:\Users\Administrator\Desktop\workspace\preprocessed\masks\within_brain_mask.nii';M = load_untouch_...
阅读全文
posted @ 2014-06-19 20:50
二郎那个三郎
摘要：fid = fopen('test_001.img','w');r=random('Normal',100,0,64,64);z=random('Uniform',0,5,64,64);%%%%%%%%%%%%%%%%%%%%%%%%%%%%%a=14;b=16;for i=15:18 for...
阅读全文
posted @ 2014-06-19 15:06
二郎那个三郎
摘要：方法：先reshape成行向量或者列向量然后，利用mean函数，std函数。构造测试数据，可以利用random函数，就好。利用这个函数，可以构造不同分布的随机数列（或 矩阵）。如：>> y =random('norm',2,0.3,3,4)y = 2.1391 2.2945 2.0...
阅读全文
posted @ 2014-06-19 14:26
二郎那个三郎
摘要：I = imread('DSC_0034.JPG'); J = imnoise(I,'gaussian',0.20); figure, imshow(I), figure, imshow(J)
阅读全文
posted @ 2014-06-19 13:46
二郎那个三郎
摘要：%% 原始数据datacell_4d = load_untouch_nii('C:\Users\Administrator\Desktop\workspace\phycaa_plus_2104_03_27\func_4d.nii'); ldim = size(datacell_4d.img);%...
阅读全文
posted @ 2014-06-19 09:30
二郎那个三郎
摘要：%% 参考BLOCKreference_stimulus =[ 0 0 0 0 0 0 0 0 0 0 ... 1 1 1 1 1 1 1 1 1 1 ... 0 0 0 0 0 0 0 0 0 0 ... 1 1 1 1 1 1 1 1 1 1 ... 0 0 0 0...
阅读全文
posted @ 2014-06-19 09:29
二郎那个三郎
摘要：ldcca_tms = img_To_4D_array('C:\Users\Administrator\Desktop\contrast\2014-05-20-17-10.img');spm_tms = img_To_4D_array('C:\Users\Administrator\Desktop\...
阅读全文
posted @ 2014-06-19 09:27
二郎那个三郎
摘要：ldcca_tms = img_To_4D_array('C:\Users\Administrator\Desktop\contrast\2014-05-20-12-16.img');spm_tms = img_To_4D_array('C:\Users\Administrator\Desktop\...
阅读全文
posted @ 2014-06-19 09:26
二郎那个三郎
摘要：%-------------- outer loopfor x= 1:40 for y =1:48 for z =1:34 %----------inter loop x=20; y=30; z=15; ...
阅读全文
posted @ 2014-06-19 09:24
二郎那个三郎
摘要：文件夹 PATH 列表卷序列号为 00000200 289D:DC37F:.│ +Adaptive Filtering for Removing Nonstationary Physiological Noise from Resting State fMRI BOLD Signals .pdf...
阅读全文
posted @ 2014-04-19 20:52
二郎那个三郎
摘要：1.A comment on the severity of the effects of non-white noise infMRI time-series 这篇论文，没有做方法创新，只是为了呈现结论：1.在GLM模型中，如果我们不做pre-whiting，那就要注意，我们对于假阳性水平，很有...
阅读全文
posted @ 2014-04-16 19:57
二郎那个三郎
摘要：如果一个信号序列是高斯白噪声的，那么它就是服从高斯分布的。我们根据这个噪声序列的样本均值和样本方差，去点估计出它的高斯分布均值mean和方差variance。那么，高斯分布有这样一个性质，就是在以均值为圆心的3倍标准差半径内的区间上，取得数据的概率是：0.9974.
阅读全文
posted @ 2014-04-12 20:42
二郎那个三郎
摘要：记得，在以前的博文中，有过这样的描写，pca和ica其实是在寻找一组基。在ica中，这组基是独立的；在pca中，这组基是正交的。如果，限制在fmri研究的范畴下，ica和pca都是在找一组图像基以及和这组图像基对应的时域基。这两个基不是亘古不变的，是依赖于具体数据，跟着数据走的。而且这两组基一定是相互对应的，因为在计算上，它们是相互依赖的。在傅立叶分解下，问题其实变得简单了。我们只有一组基，就是频率基。而且这个频率基是固定的，不是依赖于数据的，比如1hz，2hz，这是现实世界的产物。如果有一幅图像，我们可以对它的数据进行分解，得到高频的，得到低频的，最后可以绘制一张频谱图，图的横轴是频率，纵轴
阅读全文
posted @ 2014-04-12 15:44
二郎那个三郎
摘要：1.pca 抛开fmri研究这个范畴，我们有一个超长向量，这个超长向量在fmri研究中，就是体素数据。向量中的每个数值，都代表在相应坐标轴下的坐标值。这些坐标轴所组成的坐标系，其实是标准单位坐标系。向量如果乘以另外一个转换矩阵，我们可以得到这个向量在新坐标系下的坐标值。变换之后，新的向量维数就变了，一般是降低了，如果我们是以降维为考虑目标。如果把向量进行推广，成为矩阵，那么这个矩阵的每一列都代表一个向量，在具体的研究中，也就是一次采样数据。矩阵有多少列，就代表有多少次采样。在fmri研究中，如果我们哪timepoints作为样本数，那么每次采样就是大脑的n个体素，利用pca就是对这n个体素进.
阅读全文
posted @ 2014-04-12 10:50
二郎那个三郎
摘要：首先，ica是一种探索性的方法，属于数据驱动的范畴。ica计算量很大，一般都是离线式计算。ica基于的猜想是，世界是加性的。在我们所研究的脑科学中，所采集到的BOLD信号，是由一些源信号所构成，更准确地说，是由这些源信号叠加而成的。也就是说，假设我们以每个体素为研究对象，那么每个体素的BOLD信号在每个时间点的数值，都是由很多个独立的源信号所组成。注意，在这里，我们对于ica的要求就是分离出的源信号是独立的。那么，源信号来自于哪里呢？来自于某个体素，来自于某个脑区，来自于分散在大脑皮层各个地方的随机位置，并且当前这个随机位置可能也是另外一个信号发生源。举个例子，在生理噪声研究中，我们一般这样考
阅读全文
posted @ 2014-04-12 08:50
二郎那个三郎
浙公网安备 33010602011771号