如何提取fMRI的时间序列,以及构建功能连接矩阵(functional connectivity)

在这里插入图片描述

概述

上图说明了在图论分析中从fMRI中提取复杂网络的主要步骤。

步骤一: 对采集的功能磁共振成像数据进行许多预处理步骤,包括切片之间的时间校正、重新对准、图像配准、基于分割的归一化和空间平滑。需要注意的是预处理步骤的选择和顺序可能会影响最终图指标测量的范围。

预处理步骤可以参考:DPABI详细使用教材——数据准备、预处理流程、数据分析流程

步骤二: 为了探索大规模的大脑网络,应用了适当的分割方案,例如解剖学自动标记图谱,将整个大脑划分为几个皮质和皮质下的解剖单元。

步骤三: 通过平均该特定区域内的所有体素的时间进程平均作为该脑区的时间序列。

步骤四 : 执行在前面部分中回顾的连通性方法之一,诸如相关分析,以确定大脑不同脑区间的时间序列的成对关联。

步骤五 : 通过对相关矩阵的值进行阈值处理来获得二进制连通性矩阵(即邻接矩阵)。

步骤六 : 可以使用大脑连接工具箱获得表征大脑网络连接的局部和整体架构的关键拓扑属性。

空间距离上脑区的神经事件的时间相关性

fMRI脑影像通过BOLD (blood oxygenation level dependent

  • 13
    点赞
  • 64
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 20
    评论
提取fmri时间序列构建功能连接矩阵的过程可以分为以下步骤: 1. 数据获取:首先需要获取fmri的原始图像数据。fmri技术通过在被试者头部获得磁共振信号来捕捉活动。这些数据通常以DICOM(数字成像与通信)格式存储。 2. 数据预处理:对fmri数据进行预处理是为了去除噪音、减小运动伪影等。常见的预处理步骤包括头动校正、切片时校正、空间标准化、去除伪影、去除低频漂移等。 3. 信号提取:从已经预处理的fmri数据中提取时间序列。这可以通过在感兴趣的区域上定义一个或多个感兴趣的区域(ROIs)来完成。常见的方法包括基于解剖学的方法(如基于模板的ROI)和基于功能的方法(如独立成分分析或种子相关性)。 4. 功能连接矩阵构建功能连接矩阵描述了中不同区域之间的功能相关性。通过对提取时间序列进行计算,可以得到功能连接矩阵。经典的方法包括相关性分析、互信息估计、Granger因果关系分析等。该矩阵是一个对称矩阵,每个元素表示不同区域之间的连接强度。 5. 网络分析:功能连接矩阵可以用于进行网络分析,以揭示区之间的关联模式。网络分析方法包括度中心性、特征值中心性、模块度等。这些指标可以用于量化和比较功能连接网络的特性,以帮助理解和研究大功能组织。 总结来说,提取fmri时间序列构建功能连接矩阵是并行进行的两个步骤。时间序列提取通过预处理和定义感兴趣的区域来获得,而功能连接矩阵通过对时间序列进行计算得到。功能连接矩阵进一步可以用于进行网络分析,以便研究区之间的功能关联。这些方法为理解功能和大疾病的机制提供了重要的工具。
评论 20
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

sta@ma@brain

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
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