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(