MATLAB任务态脑网络zscore

最新推荐文章于 2024-09-23 16:31:02 发布

lucyyy239

最新推荐文章于 2024-09-23 16:31:02 发布

阅读量489

点赞数

分类专栏： MATLAB脑网络Rmap 文章标签： matlab

本文链接：https://blog.csdn.net/lucyyy239/article/details/112019632

版权

MATLAB脑网络Rmap 专栏收录该内容

3 篇文章 1 订阅

订阅专栏

该脚本使用MATLAB进行任务态脑网络分析，包括提取任务特定时间课程，对时间课程进行Z得分标准化，然后进行皮尔逊相关性计算，得到相关矩阵。通过将不同任务阶段的时间课程拼接，计算整个任务的FC_Z矩阵，并保存为文本文件。此过程涉及脑成像数据分析和统计方法。

摘要由CSDN通过智能技术生成

MATLAB 任务态脑网络

zscore Task-block timeseries
生成相关矩阵并保存
转换为Z矩阵并保存

% Filename::zscore&rmap.m
% extract the time course  of each task block, normalize them within blcoks, then concatenate acorss blocks,;
% finally,calculated the FC derived from the concatenated time courses..

% NEED: redefine cd and create result file
clear;
cd ('G:\fMRIanalysis\Task2_GRETNA\GretnaTimeCourse');
subList=dir('Sub?_*.txt');


%extract  task_specific time course;
%task point: 1:12; 21:32; 41:52;
%baseline : 13:20;  33:40;  53:60;
for i=1:41;

subTS=load(subList(i).name);

id1=3:14;  % raw:1:12,shift 2 time point,about 5 secends .
task_course=subTS(id1,:);
timec_Z1=zscore(task_course);%normalize 

id2=23:34; %raw:21:32
task_course=subTS(id2,:);
timec_Z2=zscore(task_course);

id3=43:54;%raw:41:52;
task_course=subTS(id3,:);
timec_Z3=zscore(task_course);

%concatenate
timec_Z=[timec_Z1;timec_Z2;timec_Z3];

%Pearson corr
FC_Z=corrcoef(timec_Z);

FC_Z = FC_Z - diag(diag(FC_Z));

%Fisher r to z
zFC_Z = atanh(FC_Z);

%output txt
dlmwrite(['G:\fMRIanalysis\Task2_GRETNA\BNormalise\BNormaliseMatrixR\r',subList(i).name],FC_Z,'delimiter','\t','precision','%-20.15e');

dlmwrite(['G:\fMRIanalysis\Task2_GRETNA\BNormalise\BNormaliseMatrixZ\z',subList(i).name],zFC_Z,'delimiter','\t','precision','%-20.15e');
end

disp done