- 博客(2)
- 收藏
- 关注
RSS订阅原创 动态功能网络提取方法
与传统的基于滑动窗口的dFC方法不同，无窗口方法期望在不预定义时间段的 情况下捕捉功能连接的时间变化，这种方法允许更连续和灵活地探索连接模式随时 间变化的情况。CAP分析是一种数据驱动的分析技术，它使用全脑数据在每个时间点的空间分布和激活程度作为聚类分 析的输入，以识别整个大脑中反复出现的相对CAP状态，从而得到共激活的大脑瞬 态状态。基于窗口的方法通常使用滑动时间窗口来将ROIs或网络的代表性时间序列分割为不同的短时信号，然后基于每个窗口内的短时信号计算ROIs或网络之间的功能连接。
2024-06-23 15:49:08
797
原创 动态脑功能网络的滑动窗口分析相关问题
最近刚开始学习动态脑功能网络，对于这方面的了解还比较少，这篇文章用做大家共同学习和提高自己的理解。基础知识：独立成分分析(ICA)，ICA是一种从这些信号的线性混合中恢复基础信号的方法，并利用高阶信号统计量来确定一组彼此最大程度独立的分量。我们主要利用空间独立成分分析，提取出复杂的脑网络中的独立成分，，然后再选取出感兴趣的成分，对其进行在时间上的滑动窗口分析。图1图1引用自《Tracking Whole-Brain Connectivity Dynamics in the Resting S.
2021-08-29 21:40:45
4201
8
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人