bids应用程序从静息状态fmri数据中检索血流动力学响应函数
rsHRF的Python项目详细描述
静息态hrf估计与反褶积。
请参考https://github.com/compneuro-da/rsHRF了解Matlab版本
基本思想
这个工具箱的目的是从静息状态的fmri体素信号中提取触发血流动力学反应的伪事件集。 它以点过程理论为基础,利用两个导数的标准形或(平滑的)有限脉冲响应,拟合模型来检索事件和hrf开始之间的最佳滞后以及hrf形状。
一旦为每个体素检索到hrf,它就可以从时间序列中去卷积(例如为了改进基于延迟的连接性估计),或者可以映射大脑中任何地方的形状参数(包括白质),并将形状用作病理生理学指标。
如何使用工具箱
输入的是体素黑体信号,已经根据你最喜欢的配方进行了预处理。重要的是:
- 0.01-0.08赫兹(或类似频率)的带通滤波器
- z-给体素加粗时间序列评分
为了安全起见,这些步骤将在代码中再次执行。
输入可以是图像(3d或4d),也可以是直接的[观察x体素]矩阵。
可以使用时间掩码来排除某些时间点(例如在清理之后)。
演示允许您对几种输入数据格式运行分析。
python包和bids应用程序
一个投标的应用程序已经被制成,以方便和可复制的分析。其文档可在以下位置访问:
http://bids-apps.neuroimaging.io/rsHRF/
合作者
吴国荣
奈杰尔·科尔恩比尔
索菲·范登博斯克
丹尼尔玛丽纳佐
madhur tandon(python-bids)
Asier Erramuzpe(python-bids)
引用
吴国荣,廖伟,史特拉马格里亚,丁俊荣,陈华福,玛丽亚佐*”从静息状态功能磁共振数据恢复有效连接性脑网络的盲反褶积方法〉,医学图像分析,2013,17:365-374。PDF
郭荣武,丹尼尔·马里纳佐。”静息状态血流动力学反应功能估计对自主神经系统波动的敏感性〉,《皇家学会哲学汇刊A》,2016,374:20150190。PDF
郭荣武,丹尼尔·马里纳佐。”恢复静息状态下功能磁共振成像的血流动力学反应功能:方法和应用〉,Peerj预印本,2015年。PDF