6.3.2
NiftiMasker,通过mask加载图像和提取体素信号,可以提取时间序列
一般数据加载方式
nilearn.image.index_img把数据切片,得到部分数据
# Restrict to 100 frames to speed up computation
from nilearn.image import index_img
epi_img = index_img(epi_filename, slice(0, 100))
从数据得到mask,自动计算或给出。
masker使用mask在mask_img_属性中
可视化:
方法一:绘制
masker = NiftiMasker()
masker.fit(miyawaki_filename)
# Plot the generated mask using the mask_img_ attribute
plot_roi(masker.mask_img_, miyawaki_mean_img,
title="Mask from already masked data")
方法二:生成报告
masker的generate_report方法
report.open_in_browser()
report.save_as_html(output_filepath)
masker = NiftiMasker(mask_strategy='epi')
masker.fit(epi_img)
report = masker.generate_report()
report
计算mask不同策略:
background: detects a continuous background
epi: suitable for EPI images
template: uses an MNI grey-matter template
还有一些参数可以控制生成mask的特点
一般数据处理方式:smoothing, filtering, resampling
masker有许多参数来处理数据
参数smoothing_fwhm来smoothing
# :class:`nilearn.plotting.plot_stat_map`
weight_img = decoder.coef_img_['face']
from nilearn.plotting import plot_stat_map, show
plot_stat_map(weight_img, bg_img=haxby_dataset.anat[0], title='SVM weights')
show()