利用GAT（图论分析工具箱）构建并分析大脑结构协变网络学习笔记

已于 2022-07-20 21:04:54 修改
阅读量6.7k 收藏 68
点赞数 17
分类专栏： 磁共振数据处理笔记 文章标签： 学习 matlab 开发语言
于 2022-06-08 00:22:37 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_52073820/article/details/120878390
版权
本文是关于利用GAT（图论分析工具箱）构建和分析大脑结构协变网络的学习笔记，涉及数据准备、网络构建、全局和局部属性统计分析，以及网络攻击分析。介绍了如何提取ROI灰质体积，利用MATLAB的dpabi工具进行处理，并使用GAT进行网络属性计算。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

前言

前面我学习了利用DTI构建白质纤维脑网络，并采用GRETNA计算了小世界网络属性。阅读文献发现可以利用灰质体积或皮层指标（皮层厚度、折叠指数、沟深）等构建结构协变网络再进行网络拓扑属性的计算。因此，我采用前面提取的灰质体积和皮质数据进行了结构协变网络分析，特此写下笔记以便后面的学习。
GAT下载链接

一、数据准备

1.1提取ROI灰质体积
将前面分割得到的灰质文件（mwp1*）整理到一个文件中
在这里插入图片描述
可以采用dpabi和restplus两个工具包提取ROI灰质体积，二者操作类似，因此下面只记录其一。操作步骤如下：
（1） 安装dpabi，下载dpabi安装包，打开MATLAB设置dpabi
（2） MATLAB命令行输入dpabi,打开dpabi,选择Utilities，再选择ROI Signal Extractor
<

了解本专栏 订阅专栏 解锁全文
详解不同模态脑网络的五种构建方式：功能脑网络、结构脑网络、白质纤维束网络、加权脑网络、二值网络
从事脑科学核磁共振方法学研究，在Nature communications等权威期刊发表研究论文，熟练掌握磁共振处理方法和统计学方法，欢迎大家和我交流。
01-18 6711
（1）功能脑网络 首先，获取了每个脑区的信号序列。 其次，计算任意两个信号序列间的相关（皮尔逊相关）。 把脑区视为节点，相关值视为边，连接边和节点就构造好了功能网络。 （2）结构脑网络的2种构建方式： 方式1：假定我们有100名被试，计算出红色脑区和蓝色脑区的平均灰质密度值（GMV），得到了100个红区的GMV和100个蓝区的GMV。把红区的100个GMV值和蓝区的100个GMV值做相关，就得到了红区和蓝区的相关值，也就是红区和蓝区的连边。当我们把所有脑区间的GMV相关计算出来后，就得到了所谓的结构共变
图神经网络在非结构化数据分析中的应用
最新发布
AI天才研究院
03-18 686
在当今数字化时代，数据呈现出爆炸式增长的态势，其中非结构化数据占据了相当大的比例，如文本、图像、音频、社交网络数据等。非结构化数据由于缺乏明确的结构和组织，传统的数据处理和分析方法往往难以充分挖掘其潜在价值。图神经网络（Graph Neural Networks，GNN）作为一种新兴的深度学习技术，能够有效地处理图结构数据，为非结构化数据分析提供了新的思路和方法。
NeuroimageTools-main_结构协变网络构建_
09-30
人类大脑结构协变网络构建，用于神经科学研究
structural covariance network
clancy_wu的博客
03-14 3020
即：假设某个节点变化，它其实是多维度同步变化的，例如连接它的白质纤维束减少，它的皮层厚度就会降低（突触减少，神经元萎缩），并且它的功能bold信号也会有变化（当然不一定是降低，functional network没办法评估功能活动度降低）。Aaron Alexander-Bloch在他的文献中指出了，建议纳入age和gender去做结构协方差网络，因为皮层厚度与性别和年龄的关系最大（其中年龄为主要因素），因此这样形成的结构协方差网络，就在多个数据集或者多个被试之间具有了可比性。这个我觉得是比较有道理的。
Cerebral Cortex：大尺度结构协变网络预测中老年成人的脑年龄
悦影科技
07-06 3001
《本文同步发布于“脑之说”微信公众号，欢迎搜索关注~~》 一、背景     老化是一个复杂而且动态的过程，伴随着不断累积的年龄效应，影响了人类的多个器官。这些器官的衰退引起了多种行为和临床的表现，比如心血管疾病，认知衰退等。虽然这些临床症状在老年时期才会显现，但是相应的变化在老年之前的很多年前就会开始发挥作用。越来越多的研究者开始寻找能够提前预示着老化的一些生物标记物，来防范于未然。     老化的一个显著的变化是大脑组织的改变，这些改变已用MRI研究发现。此前，很多研究已经发现从大脑灰
Sheffild大学遗传算法GA工具箱GATBOX
08-23
Sheffild大学遗传算法GA工具箱GATBOX！！
谈谈.Net中的协变和逆变
weixin_33755557的博客
10-27 261
谈谈.Net中的协变和逆变 关于协变和逆变要从面向对象继承说起。继承关系是指子类和父类之间的关系；子类从父类继承所以子类的实例也就是父类的实例。比如说Animal是父类，Dog是从Animal继承的子类；如果一个对象的类型是Dog，那么他必然是Animal。 协变逆变正是利用继承关系 对不同参数类型或返回值类型 的委托或者泛型接口之间做转变。我承认这句话很绕，如果你也觉得绕不妨往下看看。 如...
MTK debug工具GAT
liaokesen168的博客
10-31 1808
GAT工具需要使用.db文件存放目录为：taglog/TagLog/db.fatal.02.KE
MTK调试工具GAT_201808225
08-25
MTK调试工具GAT_201808225
KE问题分析工具 GAT.rar
11-11
KE问题分析工具GAT是一款专为GDB调试和分析MediaTek LogDB中的Kernel Exception (KE)和Near Miss Exception (NE)问题而设计的专业工具。在Android系统开发和维护过程中，解决这类异常至关重要，因为它们可能导致系统...
图神经网络——图注意力网络（GAT）原始论文与源码
10-13
在实际应用中，GAT已经被广泛应用于各种图结构数据的处理，如社交网络分析、化学分子结构建模、推荐系统等。它的源码实现通常基于深度学习框架，如TensorFlow或PyTorch，提供了一种灵活且高效的手段来处理图数据。 ...
【人工智能离散数学基础】——深入详解图论：基础图结构及算法，应用于图神经网络等
编程技术探索者，分享C/C++、C#、Java、数据库等开发经验，聚焦实战技巧与AI兴趣，助力编程爱好者成长。
12-24 1878
图论（Graph Theory）是数学中研究图这种离散结构的分支，广泛应用于计算机科学、网络分析、人工智能等领域。随着图神经网络（Graph Neural Networks, GNNs）在深度学习中的兴起，图论的基础知识和算法在处理复杂数据结构和关系时显得尤为重要。本文将深入探讨图论的基础图结构及算法，并详细介绍其在图神经网络中的应用。
GAX (Guidance Automation Extensions) 与 GAT (Guidance Automation Toolkit)
My Code Library
08-16 461
一。 简介 1. GAT （Guidance Automation Toolkit） 向导自动化工具包， 旨在确保重复性的、易出错的开发工作以合理、一致的方式完成，并能缩短软件开发时间。使用Guidance Automation Toolkit，需要先安装一个叫做Guidance Automation Extensions 的runtime组件，然后下载并安装Guidance Automatio...
MTK 驱动开发（42）---GAT 工具使用
zhangbijun1230的专栏
04-17 5658
GAT 工具介绍：1、关于GAT  GAT是MTK在DDMS基础上进行二次开发封装的一个集多种debug功能为一体的工具，除了包含原有DDMS的功能以外还支持kernel抓取，获取native进程列表，backtrace decode，提取手机端debug信息等功能。当MTKLogger出现异常时，经常会需要使用GAT工具来抓取log。  GAT工具放在Android software Tools...
遗传算法 gatbx工具箱.zip 下载及安装说明
weixin_46335969的博客
04-09 1560
遗传算法gatbx工具箱下载地址及安装说明
脑网络图谱
u011661076的博客
09-19 1041
研究人脑面临的一个挑战是其多尺度组织和系统复杂性。我们对大脑组织的认识主要来源于离体组织学检查，如细胞结构映射。通过研究全脑微观结构特征的变化，可以划分为不同的脑区。然而，这种研究大脑组织的“局部”方法非常耗时、耗资源，更重要的是，它没有考虑到脑区之间的相互作用所产生的脑组织功能性方面。神经成像扫描仪的出现使得我们能够通过观察大量个体之间的脑区间相互作用来研究活体大脑组织。因此，在过去的十年里，大量基于连接特征(特别是基于功能连接)的分区研究应运而生。
Nature子刊 | 大脑相似性网络的结构MRI
u011661076的博客
12-12 1462
摘要 近年来，结构MRI分析的进展使我们能够通过解剖相似性来全面描绘个体大脑的网络组织。在这里，本文概述了结构MRI相似性的测量方法及其意义，特别是关于其解释的两个关键假设：(i)MRI相似性可以代表皮层区域之间的结构相似性；(ii)根据同质性原则，相似的区域更有可能通过轴突连接。本文首先介绍了MRI相似性分析的历史背景和技术基础，并将其与结构协方差和纤维束成像分析等不同的MRI技术进行了比较。通过同质性网络的两种生成模型来阐释这项实证工作：一个是关于受限连接同质性的经济模型，另一个是基于皮层发育时序
利用Gretna软件计算脑网络的全局属性和局部属性指标
code_program481的博客
09-26 1310
使用Gretna，你可以计算脑网络的全局属性指标（如网络特征、小世界性和模块度），以及局部属性指标（如节点度和聚类系数）。通过Gretna，你可以计算脑网络的稀疏度，并进一步探索网络的特征和特性。Gretna是一款基于MATLAB平台的脑网络分析工具，它提供了丰富的函数和工具箱，用于计算和分析脑网络的结构和功能。在脑网络中，较高的稀疏度可能意味着神经系统的高效性和信息处理能力，因为较少的连接可以降低信息传递的成本。连接矩阵是一个N*N的矩阵，其中N表示节点的数量，矩阵的每个元素表示节点之间的连接强度。
如何利用gretna软件计算脑网络全局属性(聚类系数，小世界属性，最短路径)，局部属性指标（度，度分布，节点效率），如何理解网络稀疏度
从事脑科学核磁共振方法学研究，在Nature communications等权威期刊发表研究论文，熟练掌握磁共振处理方法和统计学方法，欢迎大家和我交流。
06-04 8355
grena工具箱被设计用于fMRI数据的图论网络分析。它是一套MATLAB函数和基于MATLAB的接口，用于常规的fMRI预处理，用于计算和统计分析最常用的网络指标，如小世界参数、效率、度、间性、关联性、层级性、同步性和模块化。......
评论 63
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

长腿猴子请来的救兵

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值