SPM提取大脑surface

  • 用SPM提取皮层surface

当需要用BrainNet Viewer展示一个被试个体的大脑灰质时,可以自制一个surface模板。主要步骤是:

1.用SPM提取surface;
2.把surface信息制作成BrainNet Viewer可以识别的模板;
3.最后用BrainNet Viewer显示。

用SPM提取皮层surface

首先提取surface文件。

  1. 在matlab中输入spm,打开spm对话框;

  2. 点击面板下方的Render,选择Extract Surface;

  3. 在Select images对话框中选择一个灰质图像(结构像分割的图像,前缀为c1,如c1T1.nii),点击Done;

  4. 选择Save Extracted Surface;

  5. 在输入数据的同一文件夹下生成了后缀为.gii的图像,这个图像可以直接作为Brainnet Viewer的surface模板。如果想进一步提取surface的顶点和三角面片可以参考下面的步骤。

  6. 在matlab命令行窗口输入:

g=gifti(‘D:\c1T1.surf.gii’)
face=g.faces;
vertices=g.vertices;

  1. vertices是顶点的三维坐标,face是组成三角面片的顶点的下标;

  2. 新建一个文本txt,按照Brainnet Viewer手册的要求依次输入顶点个数,顶点坐标,面片数和对应的三个顶点下标,保存文本后将文本后缀改为.nv,这样被试的surface file就完成了;

  3. 在matlab命令行输入BrainNet,surface file项选择刚刚制作好的.nv或者.gii文件,点击OK;
    10.最后得到的surface长这样。

11.如果感兴趣区在左半脑,可以在用spm提取surface之前把右半脑去掉。

V=spm_vol(‘D:\c1T1.nii’)
[Y,XYZmm]=spm_read_vols(V);
Y(XYZmm(1,:)>0)=0; %去掉右半脑
V.fname=‘D:\c1T1_left.nii’
spm_write_vol(V,Y);

SPM提取大脑surface相关推荐

  1. 从瞳孔的扩张收缩提取大脑EEG的delta,theta,alpha,beta,gamma等信号信息

    展示得到的结果图 直接上代码 import pandas as pd from scipy.signal import find_peaks from scipy.fftpack import fft ...

  2. MRI数据预处理--使用FSL-BET轻松去头骨,提取脑组织

    许多脑成像分析工作流程中的第一个处理步骤是从颅骨内部提取脑组织.该过程叫 Brain extraction(大脑提取) or skullstripping(颅骨剥离) 机器扫描的图像不仅包含大脑,还包 ...

  3. 复杂大脑网络的结构和功能

    越来越多的理论和实证研究从网络角度探讨了人脑的功能.通过开发新的成像采集方法,开发图论和动力系统的新工具,使大脑网络的分析变得可行.本文调查了其中一些方法学进展,并总结了最近关于结构和功能脑网络的发现 ...

  4. 通过脑电图/脑磁图观察到的大脑活动来指导经颅脑刺激

    非侵入性经颅脑刺激(NTBS)技术的应用范围广泛,但也存在诸多局限性,主要问题是干预的特异性.效应大小不一.这些局限性促使最近的研究将NTBS与正在进行的大脑活动的结合.正在进行的神经元活动的时间模式 ...

  5. 探究白质纤维与大脑皮层surface的连接

    研究生入学以来,一直在从事的一个工作,就是编写有关人脑内白质纤维与大脑皮层surface的交点的计算程序.由于在实际数据上测试的结果并不理想,不得不采用另外的方式来计算.大概花了两天时间用第二种方式更 ...

  6. 【今日CV 计算机视觉论文速览 第99期】Fri, 12 Apr 2019

    今日CS.CV 计算机视觉论文速览 Fri, 12 Apr 2019 Totally 50 papers ?上期速览 ✈更多精彩请移步主页 Interesting: ?DBPN基于深度方向传播的图像超 ...

  7. FSL之bet颅骨剥离

    本篇主要介绍bet的用法,在此之前需要安装FSL软件,教程见FSL安装 颅骨剥离(bet) 在进行大脑MRI图像研究时,常常会专注某个区域,FSL的bet则是一个提取大脑的算法,当然某些其他软件也有这 ...

  8. Data Mining 论文翻译:Deep Learning for Spatio-Temporal Data Mining: A Survey

    原文链接:[1906.04928] Deep Learning for Spatio-Temporal Data Mining: A Survey (arxiv.org) IEEE Transacti ...

  9. 深度学习“奠基人”特伦斯:人工智能算法框架可被科学家掌控

    图片来源:摄图网 1989年,特伦斯·谢诺夫斯基在MIT以苍蝇的视觉网络迭代发展举例,将当时并不被看好的神经网络概念普及给支持逻辑计算程序的教员们.到今天,"深度神经网络"已成为人 ...

最新文章

  1. 移动应用开发的六大编程语言
  2. docker中安装mycat
  3. Hello World程序里居然有bug!
  4. OSPF中stub area配置实例
  5. Linux中用户管理
  6. [Codevs] 1001 舒适的路线
  7. linux 引导程序修复工具,linux 引导修复工具
  8. Django 和 html
  9. 深入理解Magento – 第二章 – Magento请求分发与控制器
  10. Java集合系列---LinkedHashMap源码解析
  11. 洛谷 P2089 烤鸡
  12. macbook proc 如何设置touch bar 为F键
  13. 享20个Android游戏源码
  14. 韩顺平Linux操作系统视频教程
  15. 双荧光素酶报告(Dual-Luciferase Reporter)实验介绍
  16. matlab+nbiot,基于STM32L4+BC28(全网通) NBIOT开发板原理图教程源码等开源分享
  17. 如何实现Linux下的U盘(USB Mass Storage)驱动
  18. 命题公式的主合取范式C语言,用C或C++编写程序,要求:输入命题公式,给出它的主合取范式和主析取范式....
  19. 基于STC89C51单片机的温湿度检测系统
  20. android Button 和 TabLayout 英文自动大写的问题

热门文章

  1. PHP中常用数学、日期、字符串函数
  2. 物联网毕业设计题目选题大全
  3. 如何成为一位数据科学家
  4. 利用Nginx正向代理加速代码编译外网依赖下载速度
  5. 通过计算机名共享文档,共享文档
  6. randomize方式总结
  7. 强化学习算法A2C(Advantage Actor-Critic)和A3C(Asynchronous Advantage Actor-Critic)算法详解以及A2C的Pytorch实现
  8. 反爬虫之猫眼电影字体加密
  9. 代理模式(静态代理和动态代理)
  10. onmouseover 和onmousemove的区别