GIFT_ICA

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

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。

推荐阅读更多精彩内容