从简到难逐步完成各种实现方式

创建对象

首先创建一个rutine，然后新建几个对象

• code
• polygon
• mouse
• key_resp

直接用code说话，如下：

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。

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。

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。

有时候我们会为了吸引被试参与实验，承诺给被试测验报告。当样本量很大的时候，这可能会涉及很大的工作量。

在这里，我提供了一种简易的方法。可以批量输出图文并茂的测验报告，同时可以在线查询。

既然要简单，我们就不整数据库那一套了。这个方法主要是利用HTML格式丰富且易编辑的特点

MRI数据是磁共振设备为大脑拍摄的“照片”，直观的理解它就是很多幅图片。

比如一张结构像：

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。

首先提供两个案例： 简单反应时程序 ScreenScale(ps: 服务器到期，已失效)

Psychopy提供了一个非常棒的功能，就是online模式。有了这个功能，我们就可以在线收集行为数据了。

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。