脑影像独立成分分析（ICA）的自动化流程

我们的行为和思维的复杂性很可能反映在功能性脑网络中。独立成分分析（ICA）是一种常用的数据驱动方法，用于计算这些网络之间的群体差异。常见的研究网络差异的方法是基于从特定研究样本中生成的ICA图。然而，这种方法限制了结果的普适性和可重复性。另一种选择是使用网络ICA模板，但到目前为止，这样的模板很少，且在它们涵盖的功能系统方面有限。

在这里，我们提出了一个简单的两步程序，以获取与研究者选择的功能性脑网络相对应的ICA模板：

第一步，需要通过统计参数图（输入）来定义感兴趣的功能系统，这可以通过使用开源软件如NeuroSynth或BrainMap来生成。

第二步，该图与由Human Connectome Project（HCP）提供的基于大样本量、高质量和标准化采集程序的群体ICA图进行相关性分析。与输入图相关性最高的HCP提供的ICA图随后用作代表感兴趣的功能系统的ICA模板，例如，用于后续的双重回归分析。

我们提供了一个工具箱来完成建议程序的第二步，并通过生成与“运动功能”及其他九个脑功能系统相对应的ICA模板来演示我们的流程，从而产生与脑的灰质/白质边界非常吻合的ICA图。我们的工具箱以两种不同的文件格式生成数据：基于体积（Volumetric-based）的（NIFTI）和结合表面/体积（