随笔分类 - 神经影像学
摘要：摘要 近些年，一些研究表明，机器学习和深度学习方法可以非常准确地预测大脑年龄。在本研究中，研究者提出了一种使用1016例（年龄范围为7-64岁）T1加权像的，基于复杂网络的方法来预测大脑年龄的模型。研究者介绍了一种人脑的结构连接模型：将T1像分割成一系列的立方体块作为网络的节点，然后计算立方体块之间
阅读全文
摘要：一个MRI影像数据可以简化为一个多维数组加上元数据构成的集合。其中，元数据通常为影像数据的头信息。以结构影像为例，它由一个三维数组data和相应的元数据构成。 以下内容参考自1。 体素坐标 我们可以通过数组的下标来获取数组中任意位置元素的数值。这些下标即位数据的体素坐标。对于结构数据而言，它的体素坐
阅读全文
摘要：Advanced Normalization Tools (ANTs) 可以用来对结构和功能影像进行预处理。以下是通过源码编译安装的步骤。 首先安装git，cmake和g++。然后按照以下步骤进行安装即可： 1. git clone git://github.com/stnava/ANTs.git
阅读全文
摘要：1. 前言 python读取nifti文件需要nibabel这个包，所以在第一次使用的时候需要安装它。命令是pip install nibabel. 2. 方法 2.1 读取 import nibabel as nib nii = nib.load('data.nii') data = nii.ge
阅读全文
摘要：神经影像学当中的空间独立成分分析可以将一组被试的大脑图像在空间上分成不同的成分或网络。逻辑上按照以下流程进行： \[ \begin{pmatrix} a_{11} & a_{a12} & \cdots & a_{in}\\ a_{21} & a_{a22} & \cdots & a_{2n}\\ \
阅读全文
摘要：在对fMRI数据，尤其是task-fMRI数据进行分析的时候，利用广义线性模型进行建模是很重要的一步。这里简单记录一下自己关于这部分的理解。 我们的大脑每时每刻都在活动，也就造成了血氧水平的变化（BOLD）。理论上在接收到刺激以后，大脑BOLD信号的变化符合血氧动力学函数（HRF）。但是考虑到各种因
阅读全文
摘要：介绍 基于表面的形态学分析（SBM）的方法被越来越多的研究者使用。本文主要介绍基于SPM12和CAT12工具包进行ROI-based SBM的处理步骤。 方法 本文数据处理使用的工具是MATLAB，SPM12和CAT12。要进行SBM的分析，需要在数据预处理阶段的Segment的选项中将Writin
阅读全文
摘要：介绍 分析核磁数据时，数据的读取和保存是两个基本的操作。虽然大部分工具包都对这些功能进行了封装，但是如果你不了解如何使用这些工具包或者说当前的任务太简单不值得去使用这些庞大的工具包的时候就需要我们自己来实现这些基本功能了。这里给出读取和保存 nifti 文件的MATLAB函数。 代码 读取数据 sp
阅读全文
摘要：1. 前言 在对 DICOM 数据预处理之前很重要的一步是将扫描得到的文件按照不同的扫描序列区分开来。DPABI和PANDA工具包中已经提供了相应的功能模块。但由于是集成的模块，不容易及逆行扩展和调整。这里我们使用 Python 来实现 DPABI 当中的 “DICOM Sorted” 模块的功能。
阅读全文
浙公网安备 33010602011771号