[数据分析基础] MNI与Talairach坐标系的转换

对于初学者这是个令人头疼的问题。标准太多,无所适从,什么时候大家有空来开个会给统一下吧:cacakiki3:


近期搜罗一下相关资料,感觉这个也许是当前最好的解决方案了吧?
欢迎大家指正和补充。

In the past, BrainMap has utilized the Brett transform to convert MNI coordinates to Talairach space (mni2tal). However, we recently switched to a new MNI space to Talairach space transform called icbm2tal.

The findings of Lancaster et al. (2007) show that MNI/Talairach coordinate bias associated with reference frame (position and orientation) and scale (brain size) can be substantially reduced using the best-fit icbm2tal transform. This transform has been validated and shown to provide improved fit over the Brett mni2tal transform.

Separate best-fit transforms were determined for SPM2 (icbm_spm2tal) and FSL (icbm_fsl2tal). A best-fit icbm2tal transform was also formulated pooling SPM2 and FSL data (icbm_other2tal).

考虑比较全面,语气非常诚恳,因此感觉值得信赖。


下载页面:
(这个gingerALE我记得以前找了好久没找着的...)

icbm2tal DownloadsTo convert your coordinates between the MNI and Talairach spaces, you can use our java application,GingerALE to convert your coordinates. In GingerALE, click on Tools → Convert Foci. This menu item will open a dialog window that will guide you through the conversion of your coordinates.

Alternatively, you can download the appropriate Matlab file:







详情请进:
http://www.brainmap.org/icbm2tal/

  • 0
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Brodmann分区是关于大脑皮层区域的编码系。它是德国神经学家科贝尔·布罗德曼在1909年首次提出的。基于组织结构及功能方面的特征,他将大脑皮层划分为52个区域,并给每个区域编上数字名称。这些区域被分类为原始皮层(I-VI层)和新皮层(VII-层)。原始皮层位于大脑外围,对感官输入作出反应。新皮层位于原始皮层之上,其神经元形成更复杂的神经网络并执行各种高级功能。Brodmann分区编码系为研究人脑提供了一个有力的工具,目前广泛应用于认知神经科学和临床神经学中。 MNI(Montreal Neurological Institute)坐标系是由加拿大蒙特利尔神经学研究所提供的一套人类脑三维标准化空间坐标系。它是用于识别大脑的比较准确的方法,并可用于整合不同研究中心的数据,建立可比较的大脑图谱。MNI坐标系基于最新的磁共振成像技术进行建模,其中包含了各种组织学、功能学、白质纤维等不同的信息源。MNI坐标系提供了一个精确而标准化的空间基础,为大脑图像研究人员提供了一个共享基准点。 Brodmann分区与MNI坐标系是两个截然不同的方法,其一个侧重于神经组织的结构和功能,而另一个侧重于建立标准化的大脑空间坐标系,以获得相对准确的大脑图像并促进跨研究中心分析的数据整合。在神经科学领域,这两个方法常常作为研究人员之间的共同参考对象,以及研究成果的报告标准。同时,这两个方法在研究大脑活动,包括意识、思维、情感等方面,提供了宝贵的信息资源。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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