1、软件安装和；路径加载（略）
样本存放形式
image.png
image.png
需要做到平滑
B站有视频
2、matlab输入命令
gift
主界面
3、ICA操作
新建存储结果的文件夹：gica；并选择将结果放入其中。
image.png
image.png
image.png
image.png
选中相应的文件夹
image.png
image.png
image.png
全部选完之后点击ok
image.png
image.png
自动跳出，选择yes
分析的结果显示为37
这里选择yes，因为这个时候该功能不会起作用
image.png
该方法耗时较多,自己做的时候建议用这种方法
image.png
image.png
Run
image.png
image.png
运行中
图a：运行后跳出的界面
image.png
所以图a可以用以下方式打开：
image.png
image.png
RSN模板需要提前做好
image.png
这里选了8个模板，做的回归是模板作为因变量，各个成分作为自变量，然后做回归。beta值越高，说明与模板的相似性越高。然后生成一个mat和一个txt文件。
各成分和模板的相关性
该系数是和刚输入的听觉模板之间的相关系数，如果第二个突降，说明第一张是正确的。如果第一张和第二张图片中的系数相差不多，且都大于0.1，可能是同一个网络的子成分。
一般0.2以上算可以的。
比如默认模式网络，前默认网络0.3，或后默认模式网络0.25.
该系数是和刚输入的听觉模板之间的相关系数，如果第二个突降，说明第一张是正确的。如果第一张和第二张图片中的系数相差不多，且都大于0.1，可能是同一个网络的子成分。
一般0.2以上算可以的。
比如默认模式网络，前默认网络0.3，或后默认模式网络0.25.
各个成分和模板的相关性在这两个文件里面
这个时候需要找到哪个模板和哪个成分的相关性最大
8×37的数据，行为空间模板，列为成分
这里有一个matlab代码
%将该代码命名为find_component
clear all;clc;
load('g_spatial_regression.mat');
ica_con= regressInfo.regressionParameters;
name ={'Reslice_auditory','Reslice_default_mode','Reslice_dorsal_attention','Reslice_left_frontoparietal','Reslice_right_frontoparietal','Reslice_somatomotor','Reslice_ventral_attention','Reslice_visual'};
for i =1:size(ica_con)
row=ica_con(i,:);
names=name(1,i);
value{i,1}=names;
value{i,2}=find(row==max(row));
end
结果如下
该图的第一行的意思就是：37个成分当中第6个成分与第一个空间模板Reslice_auditory相关性最佳
除了回归的方式，还有进行视觉检查
image.png
image.png
是否需要对时间进行回归
ok后等待
结果
每个成分都有一个summary
通过两种方法：回归+视觉检查，找出相似的网络出来
接下来，做MANCOVAN
输入gift
选择结果文件夹
不过，首先加协变量
这里是测试，一种4个样本（2对照，2实验组），这里以年龄为例，添加协变量，注意有的协变量不是连续性的。可以提前统计好，复制粘贴在这里
选择两样本统计的方式
组1
组2
点击create,会生成mancovan.mat文件
下一步，setup features
image.png
部分网络的成分
纳入网络
png
image.png
aa
bb
image.png
结束
视频里还讲了dFNC
