静息态ICA处理..
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
静息态fMRI的ICA 处理方法及 流程
20120709
涂世鹏
fMRI 数据预处理
• 用spm做预处理： slice timing realign(Est&Res) Normalise(Est&Wri) Smooth • 无需去协变量 全脑均值 • ICA使用的是smooth之后的数据。
使用GIFT软件做独立成分分割
• 1.ICA成分数的确定及成分的挑选; • 2.节点、边、网络的差异的意义及解释。 解决办法（多读相关的方法以及问题类的文 献、多总结经验。）
• 软件包如同SPM 只需添加到matlab搜索路 径中保存然后在matlab中输入：gift 即可调 用。 • 其使用说明书和相关文档： v1.3h_GIFTManual.pdf v1.3h_GIFT_Walk_Through.pfd
主界面
导入数据以及参数选择
• setup ICA Analysis 选择输出路径 • 注意： （每个被试的数据有一个文件夹，然后将所 有文件夹放在同一个路径下）就是选择这 个路径。 选择好后 Directories selected：1
• 一般IC可以从最小的选择 起，如这里选择27，最后 看分出的效果，不好再改 变。 • 其他的选项选择默认不变 就可以了。 • 点击Done 下一栏的所有 选项也保持默认不变 直接 点击Done。 • 最后在输入路径中会生成 一个文件： componet_ica_parameter _info.mat
• 选则好数据后一般是 要估计成分数的。 • 这里虽然给出了一个 默认的20个IC 但是在 上面一个选项中要选 择yes，来估计IC数目。
• 这就是估计出来的IC 数目： • 平均数目为36，最小 的为27，最大的为54；
• Number of IC ，这里的选 择是不确定的，具体填多 少要看最后分出来的效果， 即，要与研究的问题相结 合。 • 一般来讲；要求分出： DMN（默认模式网络）、感 觉网络、自参考网络、视 觉网络、听觉网络、运动 网络…当然还必须包括你 要研究的ICs；当然取的成 分数过多就会将这些网络 细分开。
• 第一行：选择输入文 件前缀（按个人习惯） • 第二行：选择要处理 的数据，点入： • Is your data stored in one folder？ • 选择No（因为你的每 一个被试都有一个文 件夹）
• 被试数目选择：（即 所有被试数目总数） • Session处选择1，这 里每个被试只有一个 数据集（即我们说的 一个run） • 点ok
• 左边一栏为所有被试 的数据输入的入口， 从第一个起逐一选择 每一个被试：点击 Subject … Session 1， 变蓝 下面点击 Subject1Session1 选择第一个被试的数据
• 在左栏找到第一个被试的 文件夹点入，右边即显示 了： • [1:200]swrasub01_run1_* img,1 • 这说明第一个被试有一个 run，200个时间点，点击 一下右边呈蓝色，则Files Selected：200 表示选中 了第一个被试的这200个 时间的数据。 • 其他被试操作相同直到所 有被试的数据都选中好。
网络一般的构建方法与常用的分析：
提取ICs时间序列
滤波 IC之间相关性计算 节点分析（就某一IC对其时间 序列进行组间组内统计对比）
关系矩阵பைடு நூலகம்
二值化
边的分析（就某一构造的权重网 络进行组间组内统计对比）
二值矩阵
二值网络
网络分析（节点的局部\全局网 络属性、网络的属性、小世界属 性...）
难点概括：
按解剖细节区分各个成分 ……
ICA后处理
• 选择和确定好要研究的IC • 这里IC相当于大脑之中的功能子网络，当然，作 为更大尺度的网络来看，各个功能子网络之间也 是相关的，根据这种相关程度可以构建更大尺度 的网络并进一步进行分析： • 第一步：对要考察的各个成分的时间序列进行滤 波0.01到0.8Hz； • （如要做全脑尺度的网络，选的IC比较多，简单 的办法是使用功率谱分析，排除非功能网络IC）
• 在主菜单栏中选择： Run Analysis，出现右 边的选框 然后选择刚才生成 的.mat参数文件，如 蓝色 点击ok即可。
• 选择 All*** 即可。
• 至此，已经完成了， 数据的导入和输出。 耐心等待它的处理。
• 先选中Component变 绿，然后选择右下方 的Display 即可以看到 我们前面选择的27个 成分的空间解剖分布 及其对应的时间序列：
20120709
涂世鹏
fMRI 数据预处理
• 用spm做预处理： slice timing realign(Est&Res) Normalise(Est&Wri) Smooth • 无需去协变量 全脑均值 • ICA使用的是smooth之后的数据。
使用GIFT软件做独立成分分割
• 1.ICA成分数的确定及成分的挑选; • 2.节点、边、网络的差异的意义及解释。 解决办法（多读相关的方法以及问题类的文 献、多总结经验。）
• 软件包如同SPM 只需添加到matlab搜索路 径中保存然后在matlab中输入：gift 即可调 用。 • 其使用说明书和相关文档： v1.3h_GIFTManual.pdf v1.3h_GIFT_Walk_Through.pfd
主界面
导入数据以及参数选择
• setup ICA Analysis 选择输出路径 • 注意： （每个被试的数据有一个文件夹，然后将所 有文件夹放在同一个路径下）就是选择这 个路径。 选择好后 Directories selected：1
• 一般IC可以从最小的选择 起，如这里选择27，最后 看分出的效果，不好再改 变。 • 其他的选项选择默认不变 就可以了。 • 点击Done 下一栏的所有 选项也保持默认不变 直接 点击Done。 • 最后在输入路径中会生成 一个文件： componet_ica_parameter _info.mat
• 选则好数据后一般是 要估计成分数的。 • 这里虽然给出了一个 默认的20个IC 但是在 上面一个选项中要选 择yes，来估计IC数目。
• 这就是估计出来的IC 数目： • 平均数目为36，最小 的为27，最大的为54；
• Number of IC ，这里的选 择是不确定的，具体填多 少要看最后分出来的效果， 即，要与研究的问题相结 合。 • 一般来讲；要求分出： DMN（默认模式网络）、感 觉网络、自参考网络、视 觉网络、听觉网络、运动 网络…当然还必须包括你 要研究的ICs；当然取的成 分数过多就会将这些网络 细分开。
• 第一行：选择输入文 件前缀（按个人习惯） • 第二行：选择要处理 的数据，点入： • Is your data stored in one folder？ • 选择No（因为你的每 一个被试都有一个文 件夹）
• 被试数目选择：（即 所有被试数目总数） • Session处选择1，这 里每个被试只有一个 数据集（即我们说的 一个run） • 点ok
• 左边一栏为所有被试 的数据输入的入口， 从第一个起逐一选择 每一个被试：点击 Subject … Session 1， 变蓝 下面点击 Subject1Session1 选择第一个被试的数据
• 在左栏找到第一个被试的 文件夹点入，右边即显示 了： • [1:200]swrasub01_run1_* img,1 • 这说明第一个被试有一个 run，200个时间点，点击 一下右边呈蓝色，则Files Selected：200 表示选中 了第一个被试的这200个 时间的数据。 • 其他被试操作相同直到所 有被试的数据都选中好。
网络一般的构建方法与常用的分析：
提取ICs时间序列
滤波 IC之间相关性计算 节点分析（就某一IC对其时间 序列进行组间组内统计对比）
关系矩阵பைடு நூலகம்
二值化
边的分析（就某一构造的权重网 络进行组间组内统计对比）
二值矩阵
二值网络
网络分析（节点的局部\全局网 络属性、网络的属性、小世界属 性...）
难点概括：
按解剖细节区分各个成分 ……
ICA后处理
• 选择和确定好要研究的IC • 这里IC相当于大脑之中的功能子网络，当然，作 为更大尺度的网络来看，各个功能子网络之间也 是相关的，根据这种相关程度可以构建更大尺度 的网络并进一步进行分析： • 第一步：对要考察的各个成分的时间序列进行滤 波0.01到0.8Hz； • （如要做全脑尺度的网络，选的IC比较多，简单 的办法是使用功率谱分析，排除非功能网络IC）
• 在主菜单栏中选择： Run Analysis，出现右 边的选框 然后选择刚才生成 的.mat参数文件，如 蓝色 点击ok即可。
• 选择 All*** 即可。
• 至此，已经完成了， 数据的导入和输出。 耐心等待它的处理。
• 先选中Component变 绿，然后选择右下方 的Display 即可以看到 我们前面选择的27个 成分的空间解剖分布 及其对应的时间序列：