知识转化中心

原创 python 处理nan值

【代码】python 处理nan值。

原创 plt.imshow 报错

plt.imshow()可以显示0 ~ 1之间的浮点数或者0 ~ 255之间的整数表示的RGB图像。

原创 ALFF常用频段

分析时都可以考虑使用，不同的频段可能会有不同的发现。

原创 dpabi提取ROI 信号

提取ROI 信号,需要先设定感兴趣区。

原创 Yeo 7网络的作用简介与各功能网络具体位置

Yeo 7 功能网络图谱是基于静息态功能磁共振成像（fMRI）数据，通过聚类分析算法将大脑皮层划分为7个主要功能网络的划分方式。：Yeo 7 功能网络图谱被用于研究多种神经精神疾病，如阿尔茨海默病、抑郁症等，以揭示这些疾病对大脑功能网络的影响。（Frontoparietal Network）：也称为中央执行网络（CEN），与高级认知功能和执行控制相关。（Limbic Network）：与情感、记忆和动机等边缘系统功能相关。：通过将大脑划分为这些功能网络，可以更系统地分析不同脑区之间的功能连接。

原创 AAL图谱90个脑区在Yeo7大网络中的归属信息

想要了解AAL自动解剖标记图谱与Yeo-7功能网络之间的对应关系，即AAL图谱90个脑区在Yeo7大网络中的归属信息，比如哪个脑区属于默认网络、中央前回属于哪个功能网络…，如何将两者对应起来。由于Yeo7功能网络的标准版本只关注大脑，并不包含小脑，所以AAL脑区中91~116脑区（小脑部分）的划分结果可以舍弃，一般的研究也很少专门关注小脑部分。对每个 AAL 区域内的所有体素，统计其在 Yeo7 图谱中属于哪个网络最多，相当于是“投票”，并将该区域标记为对应网络（1~7）。

原创 如何搜索多个PDF文件中的关键字？

把这些需要搜索的PDF放在同一个文件夹里面，任意打开一个PDF，编辑——高级搜索——所有PDF位于。就可以搜索这个文件夹下所有的PDF内容。

原创 大脑的前联合在哪个位置

后联合的位置大概在小脑与间脑的接合处，靠近中脑的那一端。前联合：anterior commissure。前联合在胼胝体的前部，在胼胝体的下方。预处理时需要手动修正，以该点作为标准。前联合在红点位置，后联合在黄点位置。#前连合 #脑影像 #dpabi。前联合（AC），后联合（PC）。也就是脑干的顶部、小脑的前端。胼胝体：中间那块粗大的白质板。

原创 dpabi动态网络分析TDA（Temporal Dynamic Analysis）

Starting Directory Name选择没有Smooth后的文件夹（后缀不含F），因为分析ALFF需要未平滑的数据。Working Directory:选择DPARSF预处理后的总文件夹（即FunARWSCF的上级文件夹）默认为5个，其中ALFF和fALFF具有高度一致性可以只用一个。做完ALFF之后的文件夹需要选择平滑后（后缀含F）的文件夹。

原创 影像处理步骤及参数调节

FWHM：改为 6 6 6，半宽全高通常取体素的 2 倍。文章中会有提到 6mm 高斯核，5mm 高斯核，即从这里修改。扫描顺序可以从json文件里面复制过去，也可以设置为隔层扫描。配准可以把结构像向功能像上配准，也可以把功能像向结构像上配准。参考图像可以选择第一层，也可以选择平均后的mean图像。也可以用默认值[8 8 8]，不过默认值平滑程度较大。平滑半高全宽大小一般选择像素大小的2倍。参考层可以选择第一层，或者中间层。头动一般时，先进行时间片校正。可以调整为[6 6 6]视情况也可以不做平滑。

原创 SPM报错：未定义与 ‘struct‘ 类型的输入参数相对应的函数 ‘file2mat‘。

未定义与 ‘struct’ 类型的输入参数相对应的函数 ‘file2mat’。设置路径中去除REST，报错解除。运行SPM做空间标准化，报错。SPM与REST冲突。

原创 brainnet viewer画脑区位置示意图

Matlab2018b\toolbox\BrainNetViewer下。进入软件之后先载入背景和脑图谱，然后再调整脑区和颜色。可以添加node和edge。

原创 matlab使用FDR校正P值后，P值变小

matlab使用FDR校正P值后，P值反而变小。

原创 dpabi分析ALFF生成的文件不完整，没有标准化后的zALFF

分析ALFF生成的文件不完整，没有标准化后的。在dparsf参数设置面板把。

原创 利用python实现FDR校正

有一组p值需要进行多重比较校正。

原创 利用matlab进行FDR校正的实现方式

函数：（此方法较宽松）

原创 dpabi添加协变量

文档中，每组按列进行排列。：两组，每组3个被试。

原创 将图像的mask以自定义透明度叠加显示在图像image上

将原图像和mask。

原创 去除DICOM影像头文件信息，去除dcm医学影像四角信息

打开DICOM影像显示四角有头文件信息，想要对dicom文件做处理，去除四角信息。

原创 特定脑区的可视化展示

overlay #展示脑区 #高亮指定脑区 #脑区展示:利用matlab、DPABI、mricron等工具展示选定脑区。

原创 python的.py文件封装为exe

使用的是jupyter notebook，想要把python程序封装成win系统下的.exe可执行文件。

原创 查找期刊杂志的简称

期刊简称 #杂志简称。

原创 GRETNA分析图论指标卡住一直显示显示箭头符号( ＞＞＞)解决办法

利用gretna工具包分析医学影像的图论指标时，输入脑影像载入指标开始分析的时候，显示一直在运行中，一直出现很多点，持续显示箭头符号。这个queue相当于时batch_size，即同时处理的例数，可以根据电脑的配置决定，太多的话会报错，填少的话会增加计算时间。比如跑96例可以填4，也可以填16,32，但是不能填7，不然除不尽，跑到最后一组的时候就会一直卡在那里。GRETNA的Queue需要设置成被试数目的因数，不然会卡在那里。一直显示显示箭头符号 >>>

原创 读取dicom图像以及头文件

【代码】读取dicom图像以及头文件。

原创 AAL脑模板各个脑区的解剖分类和功能分类

AAL脑模板即自动解剖标记图谱，常用于神经影像研究。

原创 AAL3脑图谱（自动解剖标记图谱第三版）各个脑区中英文对照及脑区坐标

相关链接：AAL图谱各个脑区坐标AAL脑图谱中文名称及英文全称AAL脑模板各个脑区的解剖分类和功能分类

原创 AAL脑图谱中文名称及英文全称

AAL脑图谱（Anatomical Automatic Labeling），被广泛用于神经成像研究。

原创 AAL图谱各个脑区坐标

MNI坐标 #蒙特利尔神经所大脑分区坐标。：#AAL脑区 #脑模板对应坐标。

原创 深度学习中针对样本不均衡问题的解决办法

会导致模型忽视少数类别的样本，从而影响模型的泛化能力。

原创 python向下取整与取整

输出结果向下取整，比如1.2取1, 0.63取0， 注意-1.3取-2.：利用math模块中的。

原创 Linux批量重命名文件夹

的形式进行重新命名。如sub1,sub2,…有一批文件夹命名格式不一致，需要按照。进入Linux命令行。

原创 Linux批量修改文件夹名称

有一批文件夹需要去除文件夹命名下的下划线。比如文件夹名为sub_901.

原创 影像分割公开数据集

数据集：ISBI Neuronal Structure Segmentation Challenge。（包含7个专家的手动勾画，图像大小为144。脑部影像分割数据（T1,T2两种影像）MICCAI MR脑分割挑战。婴儿MRI不同模态数据集。

原创 脑区展示网页资源

在线展示脑区brainvoyagerbraintutor。

原创 PubMed检索方法与技巧

PubMed属于NIH，是一款学术搜索引擎，主要内容为医学数据库。

原创 Python学习资源

原创 MRIcron去除颅骨

输入参数(0.2,.0.5…参数越大,剥的越彻底)

原创 基于cat12的VBM分析

TIV(Estimate TIV) 选择report文件夹里的.xml文件。:解压后复制cat文件夹到spm\toolbox下即可。:Segment(分割灰质,白质和脑脊液)打开cat12 (在tool选项中):平滑(Smooth)文件夹里,评估结果在。

原创 利用wfu pickatlas保存脑区ROI

将WFU压缩包剪切到matlab的SPM-toolbox中，然后在matlab的设置路径中添加子文件夹（add subfolder）为WFU的文件夹。如有需要可重新添加一次SPM文件夹（这次可添加整个文件夹即add folder），因为刚刚spm下文件夹的内容发生了变化。最后在matlab的命令界面输入wfu_pickatlas即可打开WFU主界面。在中间位置即可看到相应脑区mask(红色区域)选择AAL分区,再选择相应脑区(可多选)按钮即可保存为nii格式的mask。保存为mask:点击下方。

原创 批量移动文件夹下的nii文件到指定文件夹

批量复制或移动文件夹及子文件夹下的nii文件到另一个文件夹。#linux #bash #复制文件夹下的nii文件。TARGET_DIR= 目标文件夹。SOURCE_DIR= 原文件夹。