脑网络机器学习工具包NS_CPM

NS_CPM是本站开发的用于连接组信号进行机器学习分析的GUI工具包。NS_CPM使用一元线性模型、lasso回归或者相关向量回归(rvr)预测连续的行为变量,且搭建好了广泛使用的k-fold交叉验证框架和置换检验。NS_CPM可以输出重叠(Overlapping)的特征,用于特征泛化。NS_CPM提供简明的可视化操作,以及高自由度的脚本操作。其所有功能均支持并行运算,可以快速地在高性能服务器上开展数据分析工作,且已在MATLAB2010a及以上版本(WIN/LINUX)测试通过。

Read more

BrainNetClass:一个新兴脑信号分类机器学习工具包

BrainNetClass是一个2020年发布的集网络构建、特征输出、特征选择、交叉验证和支持向量机(libsvm)分类一体的工具包。

BrainNetClass 确实如其初衷一样,非常的便捷!但值得注意的是, BrainNetClass 只能用于分类,而且是二分类,不支持多分类(GUI模式),不支持回归(除非用batch模式大改)。但是对于做二元分类来说,比如区分疾病与健康被试,是很便捷的。

Read more

转录组-影像空间关联分析

背景知识

基因探针(probe):是一段带有检测标记,且顺序已知的,与目的基因互补的核酸序列(DNA或RNA,单链)。

转录组测序:对细胞内所有转录产物(各种RNA)的集合进行测序(主要技术:RNA-Seq)。不同组织样本的转录产物不同,工程量浩大。

Read more

ROI 和 mask: 脑地图的操作——二维投射到三维

mask通常是一个二维或者三维的矩阵,它的存在是为了提取某些区域的信息,或者说将关注点聚焦到某些区域。三维的mask可以直接还原到原来的空间。二维的mask通常是做功能连接组分析时输出的结果,它表示选择了某些ROI,或者某些ROI通过了检验等等。为了可视化或者其它原因,可能需要将二维的mask投射回三维空间,输出三维mask。

Read more

打开黑匣——机器学习特征篇之从矩阵到向量到矩阵

对于连接组机器学习来说,其特征(也可理解为自变量)就是功能连接矩阵,例如最常见的相关矩阵。

通常,特征以向量形式存在于分析过程中,即一行或者一列数据即为一个特征向量。而相关矩阵显然不满足这个要求,因此我们需要对它进行转换。有时候我们需要计算overlapping的边用于展示或者验证,又需要将特征向量投射回原来的矩阵。

Read more

关于全脑信号回归的争议

关键词:GSR;rsfmri;fMRI;预处理;preprocess

The global signal (GS) is a time course obtained by averaging resting-state time series over the entire brain (Desjardins et al., 2001; Macey et al., 2004).

对GSR争论的看法:

Read more

ROI 和 mask: 脑地图的操作——救急,我的mask没有labels!

有时候,我们得到的mask并没有标明其ROI节点属于什么区域,例如power264模板。当然我们可以逐个按照坐标查询,也可以用各种viewer逐个的可视化查询。但这种操作也都存在一个问题,即不好处理当ROI跨越多个区域的情况。

因此,我们可以将mask映射到已有label的模板上,例如AAL、brodman等等。

Read more