dparsf是什么_用rs-fmri数据画脑功能连接图

前言：

个人为统计学背景，要用到脑连接图。过程大致为使用fmri数据获得连接矩阵，获得结点，然后画脑连接图。首先在R语言里找了几个包，但都没有达到目的。过程中发现几个matlab工具箱对于神经影像做得很好，首先是BrainNet viewer这个只能用来画脑图，没有数据分析的功能； 然后是dparsf，但它的功能太多，还没学懂怎么用，会在文中最后写一点，以后再补；最后是GRETNA，这个和个人目标基本一致，功能专注于连接图。

因为个人背景原因，对神经方面了解较少，因此没有直接了当地写操作过程，会同时写较多这方面的基础知识，写的时候也可能会犯常识性错误，望指出。好像脑功能连接网络挺火的，但网上并没有找到如何从fmri数据得到网络的具体教程，望后来初学者看了这篇初学者的教程能少走点坑。

文末附录有文中各种缩略词的解释。

介绍：

高中生物里就讲到大脑里有亿级数量的神经元，神经元之间通过突触连接，以进行信息交流及处理。所以大脑可以看作一个巨大的神经网络network，神经元为结点，突触为边，如果能够研究清楚这个巨大的网络是如何处理信息的，也就知道了大脑工作机理。

但就目前的科学技术而言，我们不可能监视大脑里数以亿级的每一个神经元，和无数的突触连接。但我们可以把大脑放在一个有网格的3维空间，测量每一个网格的核磁共振变化值。然后对大脑进行分区，如分为90个区域，每个区域包含多个网格，该区域核磁共振值为其包含的网格的值的平均值。可以把这90个区的每个区当作一个结点，如下图，

当然不止这一种分区方法，关于如何分区不用我们操心，已经有各种标准分区方法如这里是AAL90，其它还有AAL116，Brodmann82，Power264，...(BrainNet Viewer里面有的)，不同的分区方法分区数量不同区的位置也不同。选定了分区方法就已知了结点，所以获得结点不用我们做任何计算或其它操作。

一般，仪器2s就可以对大脑进行一遍核磁共振扫描，得到一张3维图，即3维数据。如果每2s扫一次，扫多次，就可以得到随时间变化的一系列3维脑图，即再加一维时间维，为4维数据。对于大脑的某一个结点(固定前3维)，可以得到一个时间序列(时间维变化)，

每一个结点都如此。对于某两个结点，可以计算它们时间序列的pearson相关系数，如果超过既设阈值说明它们是协同，有连接的边(当然不是物理存在)。对任两个结点都计算相关系数值，就可以得到连接矩阵，也就得到了边。

从上面的描述可以知道得到的graph，其中的结点不是真实的神经元，而是人为进行的分区，其中的边也不是真实的突触，而是相关性或协同性定义的，因此称为功能连接网络。

rs-fmri，rs为resting state即静息态，指的是让被试处在不做任何任务时，采集fmri值。当然，在研究人做某些特定任务时的大脑活动，可以采集对应的fmri值。但实际上