随笔分类 - 再见，我的硕士研究
摘要：1.数据介绍 下载：http://www.fil.ion.ucl.ac.uk/spm/data/auditory/ SUBJECT:1 VOLUME: 64*64*64 TR:7s total acquisitions:96个功能像 volumes of one block:6 total blocks:16 数据集中包含一个结构像数据，96个功能像数据。 由于功能像是紧接着结构像进行采集的，所以建议将96个功能像的前几个volume去除掉。这里，选择去除前12个，利用剩余的84个功能像进行分析。 2.新建工作目录 建立工作目录：DIR。然后，建立两个子文件夹： ...
阅读全文
posted @ 2014-04-10 21:22
二郎那个三郎
摘要：introduction：1. feat 是一种基于模型的fmri数据分析方法。2. feat 首先使用顺手，至少看起来，比spm漂亮多了。 feat是按照正常人的使用方法去设计的。 spm 由于matlab的gui库的限制，诶，不说了。还是自己能力不够啊。不够熟练啊。3. feat 对于单被试，也就是individual的情形，大概需要5到10分钟，能跑出结果，最后，结果在网页进行显示。直接显示了激活图，显示了时间序列和model的拟合情况。4. feat是基于glm而设计的，也就是基于一种多元回归的方法。glm的实现，通过film软件包，而film软件包，较之于spm，有一个prewhit
阅读全文
posted @ 2014-04-10 16:44
二郎那个三郎
摘要：哈哈，又混了过来。每次，总会这样，总会感觉自己啥都没有获得。又是那个挖井的故事，挖了很多口井，有得挖得深，有的挖得浅，但是老天爷不会因为你很累，你翻了很多土，就降下甘霖来。你需要自己向下挖去。也许会挖到石头，挖到垃圾，但总是会挖到红土，挖到水的。
阅读全文
posted @ 2014-04-09 13:41
二郎那个三郎
摘要：第一个创新点： phycaa + 静息态参考：现在这两个方法，有一个问题，就是在做相关性分析，只是与不好的做相关，最不相关的，肯定是噪声。但是，还得从反面来考虑，就是你得与那些 确定是信号的time seireis 做相关，但是这个相关系数要最不相关。第二个创新点： CCA( tCCA + sC...
阅读全文
posted @ 2014-04-08 22:02
二郎那个三郎
摘要：利用cca进行fmri分析在肖柯的硕士毕业论文中《基于CCA的fMRI时空模型数据处理方法的研究》，他的总体思路是利用cca提取出fmri图像在时间和空间上两个相关系数，也就是两个特征，然后利用pca，对这两个特征进行融合，得的一个综合的相关系数，然后利用这个综合的相关系数进行选取阈值，然后判别激活...
阅读全文
posted @ 2014-04-03 15:01
二郎那个三郎
摘要：1.基于小波+高斯模型《SPATIOTEMPORAL DENOISING AND CLUSTERING OF FMRI DATA》
阅读全文
posted @ 2014-04-02 21:25
二郎那个三郎
摘要：Tic和toc函数可以计算运行一段时间的代码。例如：clcticd=zeros(1,10000);for i=1:10000 d(i)=i;endtocticc=1;for i=1:10000 c=[c:i];endtoc运行结果如下：Elapsed time is 0.000158 s...
阅读全文
posted @ 2014-04-02 20:05
二郎那个三郎
摘要：1.spm;2.afni;3.fsl;4.drtools;5.prtools;6.phycaa+;7.cca-fmri;
阅读全文
posted @ 2014-04-01 21:50
二郎那个三郎
摘要：《The NPAIRS Computational StatisticsFramework for Data Analysis in Neuroimaging》Strother.performance metric ，作为评测分析的量化方式，我们必须对分析的结果和效应进行量化分析。1.通过将（p，r）作为一个函数用来衡量PDA分析的主成份子空间的大小。 NPAIRS框架有三个作用： 1.衡量全局信噪比； 2.衡量fmri数据集的维度； 3.优化fmri数据处理的时间轴。2.以前的PET研究，很多都是基于神经网络和机器学习。而现在的fmri分析，大多是基于单变量glm，然后做统计校验。不...
阅读全文
posted @ 2014-04-01 16:09
二郎那个三郎
摘要：1. churchill 在phy+版本中，应用了集合论的思想，噪音依托于体素而存在，而体素分两种：神经组织NT，也就是灰质；非神经组织NN，也就是非灰质。如果，利用绝对的二分法，那么生理噪声都是由NN产生，信号都是由NT产生；但是，世界是相对的，集合论也需要和模糊数学进行结合：信号仍然都是由NT产...
阅读全文
posted @ 2014-04-01 10:22
二郎那个三郎
摘要：1.在phy+版本中，downweighting操作后，是如何计算相关系数的。2.这里的算法的自适应，体现在哪里？3.在引入PCA之后，这里有一个维度的选择的过程，这个标准是如何定义的？4.在NPRIS框架中，split-half,prediction,reproducitivity等几个指标体现在...
阅读全文
posted @ 2014-04-01 08:51
二郎那个三郎
摘要：Localization of Cardiac-Induced Signal Change in fMRI这篇文章是最早做生理噪声相关组织的定位的。很奇特，因为，这位学者甚至得出了，血管心动等变化对于fmri bold signal的variation的影响的比率。我很想看看你是怎么进行的计算。还有...
阅读全文
posted @ 2014-03-31 20:48
二郎那个三郎
摘要：《Exploratory Identification of Cardiac Noise in fMRI Images》这个方法，最特别的地方在于，是从静息态的大脑数据中，抽取心动结构数据，然后用于激活态的检测。这个方法，真心好累赘，还不如利用外部设备进行检测。cca其实是在一件什么事儿呢？就是，提...
阅读全文
posted @ 2014-03-31 19:36
二郎那个三郎
摘要：1.02年ola是第一个应用cca在fmri激活检测上的学者。《exploratory fmri analysis by autocorrelation maximization》2.06年川大的那位肖柯硕士论文，几乎是完全基于ola的论文，只是最后最temporal和spatial做了融合。也是用...
阅读全文
posted @ 2014-03-31 16:25
二郎那个三郎
摘要：这个方法，很有意思，第一，不用降维；第二，跟ica做比较，竟然说比强大的ica还好；看来，国防科大的博士，还是很牛的。《OI and fMRI Signal Separation Using Both Temporaland Spatial Autocorrelations 》在这篇论文中，对于将图像数据分析，分为两大类： 一、第一类是基于统计知识的，比如ica、pca等方法； 二、第二类是基于相关关系的，比如cca；——————————————————————————————————————————————————————————顺着，这篇文章的思路，需要继续下面的工作： 1. 阅读:...
阅读全文
posted @ 2014-03-31 10:42
二郎那个三郎
摘要：引言 Introduction 需要特别说明，spm是每一个体素为单位，计算统计量，进行t检验。1.分别在每个体素上做方差分析;2.对每个体素的方差分析结果，计算t检验统计量;3.计算等同于t检验统计量的z值;4.绘制一副t检验统计量map，或者z值map;5.利用随机场理论，纠正统计检验结果的显著性水平。 命名说明Naming of parts observation = a voxel value, in the voxel we are analysing, for one scan; 观测值 = 就是图像中的一个体素值; response variable = data for...
阅读全文
posted @ 2014-03-30 20:26
二郎那个三郎
摘要：1.参考 reference 1. tutorial主页：http://www.bcs.rochester.edu/people/raizada/fmri-matlab.htm。 2.speech_brain_images.mat数据：speech_brain_images.mat。 3.showing_brain_images_tutorial显示大脑图像代码：showing_brain_images_tutorial.m。 4.overlaying_Tmaps_tutorial.m叠加t检验统计图：overlaying_Tmaps_tutorial.m。2.程序执行过程 run s...
阅读全文
posted @ 2014-03-30 19:30
二郎那个三郎
摘要：1.参考 reference 1. tutorial主页：http://www.bcs.rochester.edu/people/raizada/fmri-matlab.htm。 2.speech_brain_images.mat数据：speech_brain_images.mat。 3.showing_brain_images_tutorial显示大脑图像代码：showing_brain_images_tutorial.m。 4.overlaying_Tmaps_tutorial.m叠加t检验统计图：overlaying_Tmaps_tutorial.m。2.程序执行过程 run s...
阅读全文
posted @ 2014-03-30 17:14
二郎那个三郎
摘要：1.在得到头动评估的数据基础上，可以汇出头动变化的折线图。运行本程序需要下载相应的实例数据headmove_data.txt头动是fMRI的一个重要问题，该程序画出了某个被试进行扫描时头动的具体变化情况%%%% 导入数据rp_ascan001=load('headmove_data.txt');figuresubplot(2,1,1)plot(rp_ascan001(:,1:3))xlabel('image');legend({'x translation','y translation','z translation&#
阅读全文
posted @ 2014-03-30 15:14
二郎那个三郎
浙公网安备 33010602011771号