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

已于 2023-03-04 20:52:13 修改
阅读量6.8k 收藏 60
点赞数 3
分类专栏： 脑网络的图论分析 文章标签： 聚类 matlab 图论
于 2022-06-04 19:53:46 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/xj4math/article/details/125107661
版权

在这里插入图片描述

如何利用gretna软件计算脑网络全局属性，局部属性指标

介绍

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。
在这里插入图片描述

安装gretna软件

GRETNA下载地址：gretna下载地址

下载之后打开matlab,单击MATLAB面板上的“设置路径”，或在MATLAB命令窗口中键入“路径工具”。将gretna添加到MATLAB路径中，点保存即可
在这里插入图片描述

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）

在matlab命令行里输入gretna，打开软件，

了解本专栏 订阅专栏 解锁全文 超级会员免费看
sta@ma@brain
关注
  • 3
    点赞
  • 踩
  • 60
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 8
    评论
专栏目录
订阅专栏
利用gretna计算小世界网络属性等图论指标笔记
weixin_52073820的博客
05-04 1万+
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言总结 前言 gretna是一个基于图论进行脑网络分析（包括结构和功能网络）的工具包，前面我已经使用FSL和PANDA得到了FA矩阵，那么接下来我就使用FA矩阵进行图论分析，计算结构网络的网络拓扑属性包括:聚类系数(clustering coefficient)、最短路径长度(shortest path length)、小世界属性包括标准化聚类系数(normalized clustering coefficient)、标准化最短
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
weixin_52073820的博客
06-08 5670
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。 一、数据准备 二、构建结构协变网络 三、全局属性的统计分析 四、局部属性的统计分析 五、网络攻击分析 六、度的分布 ..................
GRETNA:MATLAB 中的图论网络分析工具包-matlab开发
06-01
基于从 fMRI、sMRI 或 dMRI 数据获得的网络矩阵的图论网络分析工具包。 GRETNA 包含以下几个主要功能： (i) 具有图形用户界面 (GUI) 的开源、跨平台（Windows 和 UNIX 操作系统）软件包； (ii) 允许具有并行计算能力的全局和局部网络特性的拓扑分析，独立于成像模式和物种； (iii) 在网络构建和分析的几个关键步骤中提供灵活的操作，包括网络节点定义、网络连通性处理、网络类型选择和阈值程序的选择； (iv) 允许对全局、节点和连接网络指标进行统计比较，并评估这些网络指标与感兴趣的临床或行为变量之间的关系； (v) 包括基于静息状态功能 MRI 数据的图像预处理和网络构建功能。
脑网络分析中的图论指标简单总结
adc_zyc的博客
11-01 7525
封面与内容无关
基于Gretna计算小世界网络属性等图论指标
qq_42795316的博客
04-19 5807
基于Gretna计算小世界网络属性等图论指标
Gretna计算网络指标操作
mingrisanyang的博客
03-10 4162
gretna计算网络属性
Gretna网络分析之先验知识
Ressan的博客
05-06 1万+
目录 1. 简介 1.1 小世界网络 1.2 平均路径长度 2.功能键介绍 2.1 Global Networkmetrics 2.2Nodal and modular network metrics 3.彩蛋 （转载请注明来自Ressan博客） 1. 简介 网络：由节点和连线构成的图/模型，用来研究对象和对象之间的关系。 1.1 小世界网络 Steven H. Str...
脑网络分析软件Gretna操作--Network Analysis
小红花yu
11-05 9840
脑网络分析软件Gretna操作--Network Analysis ...
gretna软件讲解中文机翻版.pdf
12-27
gretna软件的manual是英文的，用有道词典翻译成中文版，然后粘贴在一起，变成这个版本。这个是机器翻译版，一些常见的错误还没来得及改正（比如“学位中心度”其实是“介数中心度”），大家将就下。
基于图论的节点分析
06-28
关于图论得问题，知识点，算法等方面。详细，具体的学习算法。
论文研究 - 基于图论的系统文献网络分析
05-29
回顾现有文献是任何研究工作的初步阶段。 近年来，研究人员拥有大量资源来收集与他们的研究主题相关的文献数据，特别是从在线... SNA调整度中心性，亲近性中心性，中间性中心性，特征向量中心性，聚类分析和模块性等
GRETNA使用手册
11-24
神经影像学常用处理工具GRETNA使用指南。英文书写。，
图论软件和教程
08-05
4. **算法支持**：内置各种图论算法，如最短路径查找（Dijkstra、Floyd-Warshall）、最小生成树（Prim、Kruskal）、遍历算法（深度优先搜索、广度优先搜索）等，帮助用户快速解决问题。 5. **导出与分享**：支持将...
成年期人类大脑功能网络的重叠模块组织
悦影科技
09-05 782
已有研究表明，作为人类大脑基本特征的大脑功能模块化组织会随着成年期的发展而发生变化。然而，这些研究假设每个大脑区域都属于一个单一的功能模块，尽管已经有趋同的证据支持人类大脑中功能模块之间存在重叠。为了揭示年龄对重叠功能模块组织的影响，本研究采用了一种重叠模块检测算法，该算法不需要对年龄在18 - 88岁之间的健康队列(N = 570)的静息态fMRI数据进行事先了解。推导出一系列的测量来描述重叠模块结构的特征，以及从每个参与者中识别出的重叠节点集(参与两个或多个模块的大脑区域)。年龄相关回归分析发现，重叠模
图论分析方法gretna_预计的数据分析流程以及一些问题
weixin_36378771的博客
01-17 7010
1.数据预处理(到smooth)SPM12 (去掉前10层，时间层校正，头动校正，功能像结构像对齐，结构像分割，Normalise到标准空间，Smooth)2.数据预处理之detrend和filter，回归掉CSF和WM的协变量，然后用Scrubbing(？)去头动伪迹GRETNA(大概需要整理一下文件夹的结构，所以这个软件需要的文件夹结构是怎样？)或者DPARSF或者REST，GRETNA使用s...
GRETNA使用流程
热门推荐
Iris_bysshqx17的博客
09-16 1万+
准备 首先，我是从GRETNA的Github官网上下载的GRETNA-master这个版本。 其次，安装的方法就是解压，然后把解压的文件夹添加到matlab的路径中，注意路径不要有中文，特殊符号或者空格。 第三，我没有使用GRETNA来做数据的预处理。作为参考我的预处理是通过SPM12和DPARSF来完成的。最后使用的文件夹FunImgARWSDCF中每个被试一个文件夹，一个文件夹中一个Filte...
图论分析方法gretna_基于磁共振的多模态分析对血管性认知障碍患者脑网络的研究...
weixin_42363510的博客
01-17 1238
摘要：目的:1.通过对血管性认知障碍(VCI)患者的结构相及静息态磁共振数据进行采集和分析,运用图论的分析方法来研究VCI患者与正常者之间的脑网络差异,并将脑网络拓扑属性与临床认知评分进行相关性分析,探讨VCI患者认知功能改变的神经机制。2.根据VCI患者不同证候进行中医分型,通过分析不同证型VCI患者脑网络节点灵活度与正常者之间的差异,并将肝肾阴虚组与肾精亏损组脑网络拓扑属性进行对比分析,探索分...
人工智能算法工程师(中级)课程6-sklearn机器学习之聚类问题与代码详解
最新发布
weixin_42878111的博客
07-10 1052
本篇文章详细介绍了sklearn中三种常见的聚类算法：K-Means、DBSCAN和层次聚类。通过数学原理、公式及代码实现，帮助读者更好地理解和应用这些算法。在实际应用中，根据数据特点选择合适的聚类算法至关重要。希望本文对您有所帮助！
gretna计算结构脑网络属性
09-21
Gretna是一种用于计算大脑网络属性的计算工具。它可以分析和量化大脑结构及其功能网络的属性。大脑是一个极其复杂的系统，由大量的神经元和神经元之间的连接组成。Gretna可以帮助我们理解这些连接的特征和功能。 首先，Gretna可以通过使用磁共振成像（MRI）数据或其他脑成像技术，对大脑结构进行分析。它可以计算大脑的体积、表面积、形状和形态等属性。这些属性可以用来研究不同种群中大脑结构的差异，例如正常人与患有神经系统疾病的人群之间的差异。 另外，Gretna还可以分析大脑网络的属性，例如脑区间的连接性和网络特性。它可以计算大脑网络的节点度和聚类系数，这些指标可以评估大脑网络中节点的重要性和网络的分布特性。此外，通过使用Gretna，我们还可以计算大脑网络的小世界性、模块性和网络效率等属性，从而更好地理解大脑网络的功能和特征。 Gretna还提供了一些其他功能，如网络复杂性的统计检验、不同网络间的相似性分析、动态网络的分析等。这些功能可以帮助研究人员进行不同实验设计的比较和分析，以进一步揭示大脑网络的特性。 总之，Gretna是一种强大的工具，可以帮助我们计算和理解大脑结构和功能网络的属性。它为研究人员提供了一种方便且有效的方式来分析大脑连接的特征，从而为我们深入理解大脑的运作和功能提供了更多的线索。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 8
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

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