fMRI独立成分分析方法(ICA)工具GIFT
软件下载连接:
Software - TReNDS (trendscenter.org)https://trendscenter.org/software/下载完成后,在MATLAB中添加其路径即可。
在MATLAB命令行输入gift。打开窗口页面:
1、点击setup ICA Analysis
新建一个gica文件夹,存储ICA分析的结果,并在该窗口选择gica文件夹。点击OK
出现如下界面:
Enter Name of Output Files:是输出文件的前缀,这里填的g
第二项是选择fMRI文件,点击select
询问我们所有文件是否放在了一个文件夹下,因为三个被试的数据在三个文件夹下,所以这里选择NO,接下来让我们选择,Subject的数目,和每个subject数据中session的数目,
这里根据自己数据而定,比如我在这里选择3个subject,每个subject有1个session, 点击OK
如下所示,会让我们选择三个被试的数据,点击Subject1 Session1
如下所示,进入Subject1的文件夹。会帮我们自动整理好不同文件前缀名的文件,在这里我们选择经过spm预处理,smooth过的文件,即以s开头的文件【1:240】swaf001-003-00*-01.nii,前面的[1:240]表示有240个全脑数据
点击OK,完成数据选择。同理选择其他两个被试的数据。要更改数据的话,选中Subject数据,点击change重新选择数据。
选择完成后,点击OK
之后,Have you selected the Fmri data, 会变成YES
,如下图所示:
第三项,是会帮你估计component的数目,从1到几十,很费时间。一般选择第四项,Number of IC 默认20即可。第五项为进行ICA分析的方法,可以根据读到的论文方法进行选择,一般默认即可。
参数选择完成之后,点击Done
点击OK
会在选定文件夹,生成以g开头的文件。
2.run analysis
点击Run Analysis,选择g_ica_parameter_info.mat文件
点击OK
选择Maximize Performense, 点击Done。需要稍等一会。会出现下图视窗:
Viewing set 是生成的图像文件,每个被试都会有一个图像(g_sub001_component_ica_s1),所有被试会有一个平均图像(g_mean_component_ica_s_all),每个图像文件包含20个component的全脑图像
Component No:表示你要看哪个component
sort components:一般是task fMRI要用,根据实验设计,对network的相关性进行排序
Component:表示所有被试查看所有的component,一般选择第一个文件, g_mean_component_ica_s_all,点击display
Subject:不能选择view set,可以选择要查看的component
这里选择的是component9
为了美观,可以通过load anatomical载入结构像
这里选择ch2bet.nii图像 点击OK
接下来。选择 Orthogonal ,->选择第一个被试的分析结果g_sub001_component_ica_s1
查看第9个component, 点击display
如下图所示:非常漂亮。
GIFT进行ICA分析的主要功能就是这些了。
fMRI独立成分分析方法(ICA)工具GIFT相关推荐
- 主成分分析(PCA)和独立成分分析(ICA)相关资料
来源:知乎:独立成分分析(ICA)与主成分分析(PCA)的区别在哪里(https://www.zhihu.com/question/28845451) - 一楼:魏天闻 首先回答题主的问题:不管是PC ...
- 机器学习笔记 - 独立成分分析(ICA)
1.概述 独立分量分析 (ICA) 是一种机器学习方法,其中将多元信号分解为不同的非高斯信号.它侧重于独立来源.由于混频处理未知,所以常用ICA作为黑盒.与寻求最大化数据点方差的主成分分析不同. 噪声 ...
- 独立成分分析(ICA)
1.概念 独立成分分析是从多元(多维)统计数据中寻找潜在因子或成分的一种方法.ICA与其它的方法重要的区别在于,它寻找满足统计独立和非高斯的成分.这里我们简要介绍ICA的基本概念.应用和估计原理. 1 ...
- 入门版python实现独立成分分析法ICA
只讲用法,不讲原理. 前提条件:安装好python,并安装好numpy.matplotlib.sklearn库. win10安装方法:打开cmd, cd python , pip install nu ...
- 主成分分析 (PCA) 和独立成分分析 (ICA)附Matlab代码
✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步进步,matlab项目目标合作可私信.
- 独立成分分析ICA系列1:意义
1.前言 独立成分分析思想和方法最早源于上世纪八十年代几个法国学者的研究工作,尽管当时他们并没有命名其为ICP;在1986年举行的神经网络计算会议上,法国学者Heraull和Jutten提出了一个基于 ...
- 独立成分分析 ( ICA )
PCA是一个降维的过程,ICA则是帮助你从多个维度分离有用数据的过程. 独立成分分析思想和方法最早源于上世纪八十年代几个法国学者的研究工作,尽管当时他们并没有命名其为ICP;在1986年举行的神经网络 ...
- 独立成分分析 ( ICA ) 与主成分分析 ( PCA ) 的区别
1.前言 参考资料:https://www.zhihu.com/question/28845451 书上写的是: 1. 主成分分析假设源信号间彼此非相关,独立成分分析假设源信号间彼此独立. 2. 主成 ...
- 机器学习中的数学(七):独立成分分析(ICA)以及FastICA算法
独立成分分析(ICA) 问题 1.上节提到的PCA是一种数据降维的方法,但是只对符合高斯分布的样本点比较有效,那么对于其他分布的样本,有没有主元分解的方法呢? 2.经典的鸡尾酒宴会问题(cocktai ...
最新文章
- Mybatis+Spring SqlSessionTemplate注入学习--1
- linux cpu平均负载,关于linux系统CPU篇---平均负载
- 史上最全的Nginx配置参数中文说明
- Vue全家桶 之 Vue基础
- 信息学奥赛C++语言: 数字方阵
- 交互进CMU后可以学计算机吗,转专业必看!申请计算机的先修课要求,以CMU为例...
- linux 上查找包含特定文本的所有文件
- 百面机器学习—6.PCA与LDA要点总结
- curl如何发送json数据?如何发送form数据?python的restfull又该如何获取这些数据?...
- WinCC数据报表控件
- vpay平台模式开发 15天交付系统
- 常用动画特效 - CSS实现
- Linux 中有效用户组和初始用户组
- python图片转为64位编码形式
- 使用Win 2003轻松建立森林间信任
- 【解题报告】博弈专场 (CF 2000~2200)前五题
- 神器必会!“世界上最好的编辑器Source Insight”
- Muduo 处理Tcp粘包
- Unity 小米VR一体机开发(一)
- wrk 压测post请求遍历循环动态参数