fmri专题
ICAIndependent Component Analysis与fMRI
From https://pnrc.cchmc.org/files/documents/summer-training-course/01_GIFT_FNC_yw.pdf ICA（独立成分分析） finds the independent components (also called factors, latent variables or sources) by maximizing the
CONN | Preprocessing fMRI data
碎碎念：跟我读，CONN的理念是——“一条路走到黑”~~~ CONN是一款基于Matlab的fMRI处理工具，最早是为任务态数据处而开发的，不过分析静息态也很方便啦~~ 目录 准备工作 预处理-SETUP环节 BASIC Structural Functional Preprocessing 图像质量检查 准备工作 1. 下载CONN包，将包所在路径添加到Matl
文献 | fMRI入门指南
碎碎念：一晃儿入门磁共振研究快有1年，至今仍是跌跌撞撞步履维艰——苦于没有能交流分析技术、思路的科研环境，文献也多是囫囵看看、雁过不留痕的，所以打算借这个博客分享些磁共振研究方面的文献和技术，希望有所进益吧。 今日分享1篇综述，非常适合fMRI入门： Soares, José M et al. A Hitchhiker's Guide to Functional Magnetic Resona
Resting State fMRI Data Processing
拿到数据之后会有三种处理选择：（可以在dpabi的模板里面选择） 1. 2. 3. dpabi的运用以及各个选项的含义 timepoint ：eg（扫描时间是8min =8*60=480s，TR=2（扫描一个全脑的时间） timepoint=480/2=240） Slice Timing(时间层校正)：因为扫描的时候一般是先奇数再偶数，如何拼成一张图，校正到同一个时间上 Ref
解码自闭症-fMRI研究中机器学习方法的综合综述
这篇论文提供了一个全面的回顾，总结了自2011年以来，应用机器学习方法在自闭症谱系障碍研究中的主要发现和进展，特别强调了深度学习方法以及多站点数据集的重要性和应用前景。 fMRI（功能磁共振成像）是一种运用磁共振成像技术来测量和记录大脑中的血流变化，并据此推断大脑的活动状态的技术。这种技术基于一个假设，即大脑的神经活动和血流量有关。换句话说，当大脑中的某个区域变得更加活跃时，血流量会相应地增
fMRI数据处理（随时更新）
要开始学习处理fMRI的数据了。 一、使用matlab工具包SPM读取fMRI数据 （1）首先得安装工具包SPM，我参考的是下面这篇博客： 在matlab下安装spm工具_spmas包matlab-CSDN博客 （2）使用SPM读取数据，举例如下： inputDir='D:\2_chenfang_labs\ECG-fMRI\result_removePhysio_40sub';num=
一些关于fMRI脑数据的预处理工具
一些关于fMRI脑数据的预处理工具 前言概述SPM12工具箱FSL工具箱FreeSurfer工具箱BrainNet Viewer工具箱circularGraph工具箱Nipype集成框架fMRIPrep集成框架参考文献 前言 March 25, 2022 这里是关于fMRI脑数据的预处理工具的相关调研 主要是关于数据的预处理，数据的分析以及可视化的部分软件的调研。 原创文章，未经
静息态fMRI方法在脑动力学表征上的比较
导读 静息态功能MRI(fMRI)表现出功能连接的时变模式。已经开发了几种不同的分析方法来检查这些静息态动态信息，包括滑动窗口连接(SWC)、相位同步(PS)、共激活模式(CAP)和准周期模式(QPP)。每种方法都可用于生成随时间变化的活动模式或区域间协调。然后可以对各个帧进行聚类，以产生通常称为“大脑状态”的时间分组。最近的一些出版物研究了临床人群的大脑状态变化，通常使用单一方法来量化逐帧功能
静息态功能磁共振成像(rs-fMRI)原理与数据分析学习笔记（3）：R-fMRI Data Processing DPARSFA
视频来自：3_R-fMRI_Data_Processing_DPARSFA_哔哩哔哩_bilibili pdf：The R-fMRI Course | The R-fMRI Network 目录 1. DPABI基本流程和下载方式 1.1. 静息态功能磁共振成像数据流程 1.2. DPABI下载 2. DPABI软件操作 2.1. 数据分类和整合 1. DPABI基
静息态fMRI时变功能连接研究中的问题和争议
大脑是一个由许多相互作用的区域构成的复杂的、多尺度的动态系统。了解这些相互作用的时空组织形式对于深刻理解大脑的功能结构以及神经动力学与健康和疾病认知之间的关系至关重要。许多研究表明，通过仔细分析神经成像数据来研究大脑的动力学是可行的，这促使人们对估计功能连接在时间上的波动（通常称为“动态的”或时变的功能连接；time-varying functional connectivity，TVF
PNAS：通过超出簇水平的分析提高fMRI研究的效力
神经影像学领域的研究通常关注局部脑区或区域性环路（焦点视角）。然而，对全脑更广泛水平的研究已经展现了一幅更加丰富且更有效力的图景，提示我们也许焦点视角的报告只反应了真实效力的冰山一角。目前还没有研究使用真实数据对焦点视角与广泛尺度视角会怎样影响研究推论进行全面的评估。本研究使用经验基准测试程序，采用重采样的任务态人类连接组项目数据集（约1000名被试，7项任务，3个重采样组大小和7个推论过程），比
[论文精读]A-GCL: Adversarial graph contrastive learning for fMRI analysis to diagnose neurodevelopmental
论文全名：A-GCL: Adversarial graph contrastive learning for fMRI analysis to diagnose neurodevelopmental disorders 论文原文：A-GCL: Adversarial graph contrastive learning for fMRI analysis to diagnose neurod
悦影科技—静息态fMRI数据处理服务
近些年来，静息态fMRI技术成为研究大脑的最重要技术手段之一，特别是在神经和精神疾病的辅助诊断、客观生物标志物寻找、发病机制研究、药物和非药物手段对大脑调控效应研究等方面得到了广泛的应用。为了帮助脑科学领域的相关研究者更快地获得静息态fMRI数据分析结果，把更多的精力放在实验设计上，河南悦影医药科技有限公司（简称悦影科技）特此推出静息态fMRI数据处理服务。 我们团队由多年从事MRI、EEG数据处
[论文精读]BrainGNN: Interpretable Brain Graph Neural Network for fMRI Analysis
论文原文：BrainGNN: Interpretable Brain Graph Neural Network for fMRI Analysis - ScienceDirect 英文是纯手打的！论文原文的summarizing and paraphrasing。可能会出现难以避免的拼写错误和语法错误，若有发现欢迎评论指正！文章偏向于笔记，谨慎食用！ 目录 1. 一些概念 1.
Freesurfer学习笔记——Multimodal Integration(2.2 Surface-based Group fMRI Analysis ) 8/13
本节目的：使用小组分析中多个对象的数据来执行fMRI集成 数据：功能生物医学信息学研究网络Functional Biomedical Informatics Research Network（fBIRN）。 1. fMRI Basics 受试者受到刺激后，在功能磁共振成像fMRI中，大脑的某些区域诱发BOLD血液动力学反应功能（HRF）。 首先通过使用运动校正执行分析，然后将每个体素的时程与
Nature：相同fMRI数据集多中心分析的变异性
一、引言 许多科学领域的数据分析工作已经变得越来越复杂和灵活，这也意味着即使相同的数据，不同研究者采用的处理方法和步骤也可能不同，那么得到的结果也不尽然一致。近期，Nature杂志发表一篇题目为《Variability in the analysis of a single neuroimaging dataset by many teams》的研究论文，该研究通过要求70个独立团队分析相同的fM