使用BrainnetViewer展示脑连接（包括制作edge）

BrainnetViewer的示意图如下
脑连接：

前言

实际上用BrainNetViewer来展示连接或脑区的人已经越来越少了，因为一旦连接增多，表示就非常不清晰。但作为一个经典的软件，还是有必要去了解。配置就不多说了，直接进入正题
点击load file:

可以看到有四个可以导入文件的地方

脑连接

如果要展示脑连接，我们只需要去制作Data file (node) 和 Data file (edge)
然后导入标准的脑模版(surface)，就可以展示出连接。

1. Surface file， 这都是自带的，在你下载BrainNetViewer的文件夹里可以看到。
   
   选哪个其实都无所谓，我习惯选这个152smoothed的。
2. node文件，首先node文件是.node结尾的，官方文件夹里也有
   
   但众所周知，脑区模版不一定只有这么几个，如果你想用别的脑区node模版，就需要自己制作一个。
   node文件实际上也是文本写的，是可以打开看的，打开之后发现它的格式是
   

X Y Z Value Size Label

所以同样的要写个代码制作这样的模版，首先要知道X Y Z是多少
这里的XYZ是指你的模版在标准脑上的坐标点（平均后的），也就是通过一个点来代表一个脑区。
这个文件在你的分割模版的网站上可以下载。我的模版中是里面有文件夹每个文件夹包括N个(脑区数量)txt，每一个打开都是密集的点坐标。
代码我就不展示了，有需要的直接让GPT给你写。通过计算每一个txt的平均值可以得到点坐标，然后脑区的名字你在自己的文档中也可以找得到。
3. 制作edge
相对来讲我觉得边是更重要的，因为大多数人都在用那几个node，但边肯定都是自己想展示的

import numpy as np

#给出边的坐标（FC)得到可以用于Brainnet Viewer的矩阵
#Brainnet Viewer的矩阵的意思就是在这个边的位置置1 其它为0
def save_edge(points):
# Dimensions of the array
    width, height = 200,200 #假设你的模版将脑子分割成了200个脑区，那么功能连接矩阵的大小就是200x200
    # Initialize the array with zeros
    array = np.zeros((height, width), dtype=int)
    # List of points to set as 
# Set the specified points to 1
    for x, y in points:
        array[y, x] = 1  # Note: numpy arrays are accessed as array[y, x]
    # Write the array to a txt file
    return array
output_file_path = '/xxxx.edge'
points = [(189, 101),
(137, 199),
若干个]
array = save_edge(points)
np.savetxt(output_file_path, array, fmt='%d')

导入三个文件即可展示连接