九久的博客

视频来源：1、面向类脑视觉的生物视觉编码机制和模型（余肇飞）2、基于视觉编解码的深度学习类脑机制研究（何晖光）

3DResNet34模型进行脑龄预测，目前代码暂时未放github上，需要请私信我。

例：对(32, 32, 32)的图片放缩到(256, 256, 256)，原始图片空间为(1.0, 1.0, 1.0)。对图片进行空间设置：放缩后图片空间(1.0, 1.0, 1.0)；不对空间进行设置：放缩后的图片空间(0.125, 0.125, 0.125)。需要对MRI图像进行裁剪、放缩，但是要求放缩之后的影像空间必须与原图片的影像空间一致。至此，图片已经完成了放缩，并且放缩后图片的空间与原图片空间大小是同一的。

箱型图是用于看数据分布情况。琴图+箱型图的组合也越来越多的应用于论文绘图中。这里使用matplotlib库。logging进行写入日志。上面这张图是琴图+箱型图。

找了一些博客，有的说是linux内核版本过高，有些说的是需要下载3.4.26的包但是下载链接却打不开，实测下面一种方法可以完美解决。先看一眼有哪些GLIBCXX版本：结果：发现到3.4.25就截止了解决：（安装libstdc++6 和 gcc-9）之后再使用就可以看到了......

文章目录背景bash直接运行python+nipype实现背景需要分割出海马体。可借鉴方法：深度学习（UNet分割），形态学上的开闭，fsl中的分割。使用fsl种的分割时需要注意，fsl分割分为左海马和右海马方法：使用fsl中的first命令进行分割。先在终端输入first查看需要输入的参数：可以看到-i 要从哪个文件进行提取， -k输出分割文件名称，-m 分割的标准文件（*.bmv），-l 做flirt时的变换矩阵。关于*.bmv文件：fsl自带的，在fsl安装目录data/first下面

文章目录背景配准N4biasfiledcorrection背景项目需求：对脑影像T1结构像进行配准和偏差矫正。采用方法：调用远程linux的ants包+使用nipype进行配准和N4矫正（本项目中有pyqt5的需求，至于怎么在pycharm下配置自行百度。）Note：nipype提供了安装的docker，同组的师兄说可以直接下载docker就不用非得在linux上运行ants这些，但是本人对docker不熟悉（师兄也没用）就不打算这么做了。先安排个坑：docker的配置与使用，之后项目需要打包成do

文章目录关于特征处理吴恩达老师的方法项目中的方法总结关于训练集测试集的划分关于模型评估关于假设检验Delong testFriedman test 和 Nemenyi后续检验关于特征处理吴恩达老师的方法吴恩达老师的视频中所提到的特征处理的一个原因是为了能够更好的进行梯度下降，我们试想一下，有一个多元的目标函数表达式，这个表达式里有很多特征，如果这些特征取值范围不一样，有的是0~1之间的小数，有的是几百几千的大数，那么如果我们进行梯度下降，则损失函数的等高线映射到平面上就是一个很扁的椭圆，如下图所示：

在终端输入dcm2niix就可以查看各个参数是什么意思，这里我用到的是-f -o ，分别用于覆盖原来的文件和将.nii.gz .json放到指定目录下。使用dcm2niix有两种办法1、在终端进行dcm2niix使用，这种办法需要在要进行.dcm转化的文件夹中打开终端使用即可，如果要确定路径、文件名则直接进行输入即可。2、在python代码中使用dcm2niix这种办法需要先import os ，再使用os.chdir(ogr_dir)命令讲当前的工作目录转化为.dcm文件所在的文件夹。然后再使用

注：本博客仅记录与分类相关的DWI分析方法，内容来源于阅读的论文，每个方法介绍时会把论文链接放在开头。文章目录使用矩阵计算得出新的加权强度使用矩阵计算得出新的加权强度【指导论文】：A weighted communicability measure applied to complex brain networks背景：DWI非侵入式检测很适用于衡量微观结构的变化并且已经取得很好的效果。问题：脑部两个节点之间的连接的权重应该怎么计算？脑部连接与现实通信的相同点与不同之处：（这也是文章提出新的权重

BrainNet Viewer 下载地址：https://www.nitrc.org/projects/bnv/surface文件使用自带的surface即可。位置在安装目录/DATA/下自定义.node文件有时候我们想使用别的模板，比如aal系列，但是BrainNet Viewer上面并没有这些模板自带的.node文件，这个时候就需要我们自己进行.node文件的创作。首先看manual中对.node文件的操作：第二张图详细介绍了.node文件的组成。1、一共6列2、前三列为node坐标

文章目录

Applications of MRI in neuroimaging包含的MRI类型：Structural MRI：不同部分之间的结构化边界大脑，或者只是量化存在的灰质数量和。Functional MRI(task)DIffusion MRI：着眼于（白质）微观结构特性，下图是dMRI示意图：Green=white matter tract; Red/Yellow=statistically significant change in FAFunctional MRI(resting).

官网：https://surfer.nmr.mgh.harvard.edu/fswiki/PetSurfer文章目录gtmseg参数Example:使用探讨mri_convert.bingtmseg这个命令是几何矩阵分割的意思（直译过来，对不起英语太差）参数gtmseg – create an anatomical segmentation for the geometric transfer matrix (GTM)run with --help for more help–s subjec

文章目录磁共振成像MRI成像基本原理以下内容并非MRI全部知识，只是用到了哪些就摆出来~磁共振成像课本中定义：磁共振成像（MRI）是利用强外磁场内人体中的氢原子核（即氢质子），在特定射频脉冲作用下产生磁共振现象，所进行的一种医学技术。简单来说，就是利用磁场+氢质子共振。MRI成像基本原理基本原理比较复杂，但又是理解MRI图像的基础，可以分为一下步骤：1、我们身体内部的氢质子具有自旋特性（就像一个小磁场，但是互相抵消掉了），无序排列。当我们处于一个强磁场环境中，这些氢质子会根据这个磁场的磁力线方

文章目录医学影像网站DTI脑结构连接分析静息态fMRI任务态fMRI医学影像网站影像园DTIDTI studioDTI studio 是一个再Windows下运行的扩散张量图像后处理程序。适合张量计算，颜色映射，白质纤维束跟踪，三维可视化等任务。MedInriaMedInria是由发过INRIA开发的医学影像后处理平台。包含医学影像可视化，DTI纤维束跟踪与张量显示，图像配准，多硬化症分析，脑沟回可视化等功能。FSLFSL偏重于DTI的统计学处理分析。测体积、VBM等

因为做项目要用到fsl，于是就屁颠屁颠跑去官网下，发现下载不下来，就去翻各种文档，走前人走过的坑~亲身试验过的方法如下：参考博客1：https://blog.csdn.net/sinat_35907936/article/details/112969857博客也提供了两个版本的fsl下载，但是会缺少fsleyes，经过我后面需要用到eddy tbss等工具，发现fsl错误提示：一些文件找不到，所以有相同问题的小伙伴请移步到我的资源，进行下载相关确实文档，如果发现里面没有所需要的文档，请留言联系。参考