难受死了

gretna插件在做静息态宝功能连接时需要用结构图配准，用的decom格式图像，但是数据集中只有.nii格式文件，能正常使用吗？

导读 磁共振成像(MRI)是一种研究体内神经系统疾病(如多发性硬化症(MS))的成熟技术。为了避免MRI数据组织和自动化处理的错误，近来提出了一种称为脑成像数据结构(BIDS)的标准。BIDS标准为神经成像数据的描述和组织提供了指南，简化了神经成像数据内部或之间的共享和处理。然而，从直接来自MRI扫描仪的复杂非结构化非开放文件数据格式到正确的BIDS结构的转换可能既繁琐又耗时。这阻碍了BIDS格式在不同研究中的广泛采用。为了解决这个问题并简化神

导读 事件相关电位(ERP)数据的多变量分类分析是预测认知变量的强大工具。然而，分类通常仅限于分类变量，并未充分利用连续数据，如反应时间、反应力或主观评分。另一种方法是支持向量回归(SVR)，它使用单试次数据来预测感兴趣的连续变量。在这篇教程式的文章中，研究者演示了如何在决策解码工具箱(DDTBOX)中实现SVR。为了更详细地说明结果如何取决于特定的工具箱设置和数据特征，本研究报告了两个模拟研究(类似于真实的EEG数据和真实的ERP数

导读 功能性磁共振成像(fMRI)和脑电图(EEG)是用于测量人脑神经活动的非侵入性技术。fMRI测量的是与神经活动血流动力学变化相关的磁共振信号，具有良好的空间分辨率(2-3mm各向同性)和较低的时间分辨率(1-3s)。而EEG用于以毫秒级的时间分辨率记录大脑中的电活动，但空间分辨率有限。通过fMRI和EEG的结合，可以生成人脑功能的高时空分辨率图，这对于理解人脑的复杂动力学是至关重要的。此外，fMRI期间的EEG记录可用于识别大脑中异常电活动的来源。本

导读 人类的许多行为都是由在不同时间尺度上发生的共同过程所支配的。标准的事件相关电位分析假设有关实验事件的响应持续时间是固定的。然而，最近对动物的单个单元记录显示，在需要灵活计时的行为中，神经活动尺度跨越了不同的持续时间。本研究采用了一种通用的线性建模方法，使用固定持续时间和可变持续时间回归器的组合，以分离人类脑磁/脑电图(M/EEG)数据中的固定时间和缩放时间成分。研究者利用这一点来揭示人类头皮记录电位在四

导读 本研究介绍了一种深度学习架构，用于评估40名癫痫患者的多模态脑电图(EEG)和功能性近红外光谱(fNIRS)记录。长短期记忆网络和卷积神经网络集成在一个多模态序列到序列的自编码器中。训练后的神经网络通过从EEG全谱和特定EEG频段中分层提取深度特征，从EEG中无先验地预测fNIRS信号。结果表明，与其他频谱包络相比，更高频率的EEG范围可以预测fNIRS信号，其中gamma频段的输入主导fNIRS预测。基于种子的功能连接验证了实验性fNIRS和本研究模型的fNIRS

导读 本研究介绍了一种深度学习架构，用于评估40名癫痫患者的多模态脑电图(EEG)和功能性近红外光谱(fNIRS)记录。长短期记忆网络和卷积神经网络集成在一个多模态序列到序列的自编码器中。训练后的神经网络通过从EEG全谱和特定EEG频段中分层提取深度特征，从EEG中无先验地预测fNIRS信号。结果表明，与其他频谱包络相比，更高频率的EEG范围可以预测fNIRS信号，其中gamma频段的输入主导fNIRS预测。基于种子的功能连接验证了实验性fNIRS和本研究模型的fNIRS

导读 功能连接中一个非常有趣的部分是‘同伦连接’(HC)，即两个半球的两个镜像区域之间的连接，主要由胼胝体纤维介导。尽管研究人脑性别二态性的传统由来已久，但是据所知，只有一项研究涉及性别对HC的影响。这里，将使用基于坐标的元分析方法和来自BrainMap数据库的数据考察男性和女性大脑的同伦共激活问题。第一个出乎意料的发现是，该数据库受到了性别偏差的影响：仅限女性群体比仅限男性群体的研究数量要少，而且与男性相比，女性群

导读 人脑由多个离散的、功能特异的区域组成，这些区域相互连接以形成大规模的分布式网络。使用先进的脑成像方法和机器学习分析方法，最近的研究表明在执行各种认知任务时，可以从任务独立的大脑连接模式中准确预测区域大脑活动。在这篇综述文章中，首先从结构连接（即白质连接）和功能连接（即时间同步的无任务激活）提出了大脑活动可预测性的证据。然后，讨论了这些预测对临床人群（例如被诊断患有精神疾病或神经系统性疾病的患

睡眠阶段识别，也称为睡眠评分或睡眠阶段分类，对于更好地了解睡眠脑电具有重要意义。事实上，睡眠图的构建，即睡眠阶段序列，通常作为一种初步检查被用于诊断睡眠障碍，例如失眠或睡眠呼吸暂停。该检查一般是按如下方式进行：首先，使用多导睡眠图(PSG)记录被试头部不同位置的脑电图(EEG)信号、眼电图(EOG)信号、肌电图(EMG)信号等。其次，由睡眠专家观察夜间睡眠记录的不同时间序列，并按照美国睡眠医学会(AASM)规则或 Rechtschaffen和Kales(RK)

导读 向通信辅助技术的转变已经渗透到人类社会生活的各个方面。然而，它对社会脑的影响仍然是未知的，其影响可能在发育过渡期特别强烈。本研究采用双脑视角，并利用超扫描EEG测量了62对母子(儿童年龄：M=12.26，范围10-14，向青春期过渡的阶段)在实时面对面互动vs技术辅助远程交流期间的脑间同步性。在beta(14-30Hz)范围内，实时互动条件下的额叶和颞叶区域之间具有9个显著的脑间连接。母亲的右侧额叶区域与孩子的左右额叶、颞叶和中央区域相连

导读 意义：光学神经影像学已成为一种成熟的临床和研究工具，用于监测大脑皮层的激活。值得注意的是，功能性近红外光谱(fNIRS)研究的结果在很大程度上取决于所采用的数据处理流程和分类模型。最近，深度学习(DL)方法在许多生物医学领域的数据处理和分类任务中表现出快速和准确的性能。 目的：本文旨在回顾新兴的深度学习(DL)在fNIRS研究中的应用。 方法：本文将首先介绍一些常用的深度学习技术。然后，总结了当前深度学习在脑机接口、神经

导读 静息态功能磁共振成像技术似乎对人脑的大规模组织产生了不同的见解。大脑的大规模组织可以分为两大类：功能连接结构的零滞后表征和行波或传播结构的时滞表征。本研究试图以三种低频时空模式的形式整合这两个类别中观察到的现象，这些低频时空模式由驻波和行波动力学组成。结果表明，功能连接梯度、任务正向/任务负向的反相关模式、全局信号、时滞传播模式、准周期模式和功能连接组网络结构，是这三种时空模式的特点。这些模式

前言 磁共振指纹(MRF，MR fingerprinting)是一种新颖的定量磁共振技术，可以在较短的扫描时间内同时量化多种组织特性。自2013年首次发表在《Nature》杂志上以来，该技术已经证明了在5到10分钟的时间内进行容积多参数成像的高扫描效率，在扫描身体不同部位(如大脑、肌肉骨骼系统、心脏等方面)的高稳健性，以及在模型和人体验证中的高准确性和可重复性。因此，MRF使定量磁共振成像在临床和科研领域的广泛应用和标准化方面，具有很大的潜力。MRF的基

导读 超扫描是研究社会互动和情感联系等神经生物学基础的一个很有前途的工具。最近，图论方法，如模块化，被提出来用于估计大脑之间的全局同步。本文提出用自举模块化检验来确定大脑对之间是否被共同激活。采用fNIRS收集了由教师和学龄前儿童(五对)在执行互动任务时的数据，将该检验作为筛选工具应用于大脑的前额叶皮层和颞顶交界处。在此应用中，图节点中心性度量确定了教师的语言和数字加工与儿童的语音加工之间的二元同步关系，对

导读 本文提出了功能性近红外光谱(fNIRS)数据预处理的算法。该方法可以自动识别噪声通道，并采用非平稳滤波步骤来去趋势和去除高频干扰源。使用最近发布的累积曲线拟合近似(CCFA)算法对信号进行滤波，以减少由于fNIRS数据的非平稳性导致的失真效应。将输出结果与基于离散余弦变换(DCT)的滤波、低通滤波(LPF)和带通滤波(BPF)方法进行比较。结果表明，与常用或常规方法相比，基于CCFA的滤波具有更大的信噪比(SNR)改善。 前言 概述 近红外光谱(NIRS)用

导读 功能性近红外光谱(fNIRS)越来越多地用于研究婴儿的大脑功能，但婴儿fNIRS数据分析技术的发展和标准化并没有跟上其他技术进步的步伐。本研究使用不同的分析方法量化和比较了婴儿的fNIRS数据[包含两个独立的fNIRS数据集(6-9个月大的婴儿)和模拟婴儿fNIRS数据集]。对于每种方法，研究者将传统的固定阵列分析结果与几种功能兴趣通道(fCOI)分析方法进行了对比。此外，还测试了改变fCOI定义中潜在数据通道的数量和解剖位置的影响。研究结果发现，fCO

导读 静息态fMRI数据的动态功能连接(dFC)分析通常通过计算滑动窗口相关(SWC)来执行，然后进行k均值聚类，以便将每个窗口分配到给定的状态。使用合成数据的研究表明，k均值性能高度依赖于滑动窗口参数和信噪比。此外，被试间的异质性来源可能会影响组级聚类的准确性，从而影响dFC状态时间属性的测量，如停留时间和分数占有率。这可能会导致关于组间差异的虚假结论(例如，将临床人群与健康对照组进行比较时)。因此，当应用于多被试队列并探

导读 功能近红外光谱(fNIRS)是一种光学神经成像技术，它作为一种研究皮层活动的工具受到了广泛的关注。由于在头部放置光极，头部运动产生的伪影相对来说比fMRI要小。然而，在数据处理过程中仍需删除运动伪影。研究者提出了一种新的基于鲁棒回归的运动校正方法(即，时间导数分布修复(TDDR))，该方法有效地消除了基线偏移和峰值伪影，而且不需要用户提供任何参数。模拟结果表明，该方法比其他5种运动校正方法具有更好的激活检测性能。在对7-1

导读 事件相关电位(ERP)设计是用脑电图(EEG)检测神经认知功能的常用方法。然而，传统的ERP数据预处理方法是手动编辑，这是一个主观且耗时的过程。最近创建了许多自动化通道，以满足EEG数据预处理的标准化、自动化和量化的需求；然而，很少有人针对ERP分析进行优化。本研究提出并验证了HAPPE＋事件相关软件(HAPPE+ER)【谐音“happier”，意为“更快乐”】，这是一个标准化和自动化的预处理流程，并针对整个生命周期内的ERP分析进行了优化。HAPPE+ER通

导读 新出现的证据表明，向父母身份的转变是成人神经可塑性的关键窗口。研究父亲提供了一个独特的机会来探索为人父的经历是如何塑造大脑的。然而，很少有研究考察男性转变为父亲角色时的神经解剖学适应性。本研究报告了两个实验室之间的国际合作，一个在西班牙，另一个在加利福尼亚(美国)，这两个实验室前瞻性地收集了20名准父亲在第一个孩子出生前后的结构神经成像数据。西班牙样本还包括一个由17名无子女男性组成的对照组。本研究

导读 静息态功能MRI(fMRI)表现出功能连接的时变模式。已经开发了几种不同的分析方法来检查这些静息态动态信息，包括滑动窗口连接(SWC)、相位同步(PS)、共激活模式(CAP)和准周期模式(QPP)。每种方法都可用于生成随时间变化的活动模式或区域间协调。然后可以对各个帧进行聚类，以产生通常称为“大脑状态”的时间分组。最近的一些出版物研究了临床人群的大脑状态变化，通常使用单一方法来量化逐帧功能连接。本研究直接比较了k-means聚类与三种静息

传统的多变量fMRI技术侧重于局部区域（ROI或探照灯）活动模式中的信息。有时，相关信息可能会跨脑区网络表示，因此无法通过ROI分析或探照灯识别。功能连接测量有助于在全局范围内检查相距较远的脑区的信息，重点关注网络交互而不是空间定位。在执行连接性分析时，将跨区域比较BOLD时间序列（通常使用相关性指标），并且关系的大小决定了它们的功能连接强度。通过包含或排除刺激/任务变量，我们可以研究不同认知状态对连接性的调节。本文

导读 为什么弥散MRI成为了体内映射连接组的主要方法？不同的图像采集参数、纤维示踪算法和其他方法选择如何影响连接组估计？决定连接组重建成败的主要因素是什么？这些是本文中要解决的一些关键问题。研究者概述了可用于估计宏观连接组的节点和边缘的关键方法，并讨论了开放问题和固有的局限性。基于弥散MRI的连接组映射方法仍处于初级阶段，并且由于连接组重建固有的挑战，请注意不要盲目应用深部白质纤维示踪成像。最后，本文强调

为什么弥散MRI成为了体内映射连接组的主要方法？不同的图像采集参数、纤维示踪算法和其他方法选择如何影响连接组估计？决定连接组重建成败的主要因素是什么？这些是本文中要解决的一些关键问题。研究者概述了可用于估计宏观连接组的节点和边缘的关键方法，并讨论了开放问题和固有的局限性。基于弥散MRI的连接组映射方法仍处于初级阶段，并且由于连接组重建固有的挑战，请注意不要盲目应用深部白质纤维示踪成像。最后，本文强调了当前

尽管 SPSS 很受欢迎，但同时也有一些缺点。例如：①不同分析变量的命名规则不一致(这对于第一次学习统计的学生来说会很困惑)。②对于诸如t检验之类的分析，缺乏简单的效应量测量方法(美国心理学协会APA多年来一直强调效应量的重要性，但 SPSS 仍然没有包括 Cohen’s d)。③静态输出，如果数据有任何变化，需要用户完全重新运行分析(速度缓慢且容易出错)。④不能免费下载到自己的电脑上，而且对于在线学习的人员来说是个问题。 因此，塔斯马尼

如题，大家遇到问题时可以在本贴留言

导读

导读

导读

导读 缺失数据是实验数据集的一个共同特征。心理学研究人员用来处理缺失的标准方法依赖于不切实际的假设、无效的随机分配程序，以及效应量的偏差估计。作者描述了实验数据集中通常遇到的不同类别的缺失数据，并讨论了它们如何影响研究人员的因果推断。本文提供了处理每类缺失数据的具体指南，重点关注做出合理假设的两种方法：i) 轻度缺失实例的逆概率加权 (IPW)，以及 ii) 严重缺失实例的双重抽样和边界。在回顾了这些方法提高研究人员

导读 缺失数据是实验数据集的一个共同特征。心理学研究人员用来处理缺失的标准方法依赖于不切实际的假设、无效的随机分配程序，以及效应量的偏差估计。作者描述了实验数据集中通常遇到的不同类别的缺失数据，并讨论了它们如何影响研究人员的因果推断。本文提供了处理每类缺失数据的具体指南，重点关注做出合理假设的两种方法：i) 轻度缺失实例的逆概率加权 (IPW)，以及 ii) 严重缺失实例的双重抽样和边界。在回顾了这些方法提高研究人员

你还在用这些方式呈现脑功能连接图吗？

导读 脑电图(EEG)已被发展认知神经科学界广泛采用，但机器学习(ML)在该领域的应用滞后于成人EEG研究。由于实验试次少、信噪比低、被试间变异性高和试次间变异性高，因此将ML应用于婴儿数据尤其具有挑战性。此次研究提供了一个将ML应用于婴儿认知状态进行分类的分步教程。描述了广泛应用于EEG分类的大脑属性类型，并介绍了一种基于黎曼几何的方法来推导考虑试次间和被试间变异性的连接性估计。研究者通过对单个婴儿和多个婴儿的试次，展示

前言 人脑由数十亿个细胞组成，细胞之间有数万亿个突触连接。根据人类解剖研究的估计，以及约80%的皮层细胞是兴奋性锥体细胞的常识，一个成年人的大脑皮层中大约有200亿个兴奋性锥体细胞。这些细胞如何协调它们的活动，形成我们思想和行动的基础，以及这些模式如何构成我们提取的典型全脑神经成像信号，都是目前神经科学领域需要解决的关键问题。

导读 功能性近红外光谱（fNIRS）是一种越来越多地用于认知过程的神经成像技术。然而，fNIRS信号通常会受到非脑源的任务诱发和自发血流动力学振荡的影响，这也是fNIRS研究面临的一个挑战。为了分离任务诱发的皮层反应，研究者考察了脑力活动中浅层和深层血流动力学变化之间的耦合。为此，本研究应用了一个有节奏的心算任务，来诱发适用于有效频率分辨测量的周期性血流动力学波动。20名年龄在18-25岁之间的大学生（8名男性）参与了这项任务，

导读 脑图谱在研究过程中发挥着重要作用，可帮助研究人员或临床医生根据有关脑解剖的先验知识解释其结果。婴儿大脑的神经发育状态是神经科学研究的前沿之一，各类婴儿脑图谱的构建工作正在进行中。这里也为大家提供了一些婴儿脑图谱集，这些脑图谱为分析各种年龄范围的婴儿脑部MRI提供了必要的信息。一般来说，需要具有高对比度噪声比序列的高分辨率MRI图像来创建具有清晰解剖轮廓的婴儿大脑图谱。由于婴儿大脑比成人大脑小，每个体

一开始在spss做的相关分析，中间变量和哪个变量之间都不存在显著相关，后面在jamovi做中介分析，中介变量完全不显著，怎么办怎么办

导读 近些年来，图神经网络(GNN)在计算机视觉、辅助诊断等领域的应用得到了前所未有的发展。以往的研究主要集中在提高模型的准确性上，但在临床应用中，如何对GNN下最具鉴别特征的可重复性进行量化仍然是一个问题，这使人们对其可靠性产生了担忧。由于，在不同临床数据集下生物标志物的可重复性以及在不同类别(如健康和紊乱的大脑)中的分布变化，对于揭示疾病的机制以及推动个性化治疗的发展至关重要。作者首次提出了基于可重复性的GNN

第 001 期 · 文献领读 本期目录 胞外磁场标记仿生水凝胶诱导的人间充质干细胞球体与阿魏木糖醇的MRI跟踪 7t MRI蓝斑完整性与帕金森病的冷漠和认知有关 磁共振成像和计算机断层扫描在肺结节检测和容量评估中的比较：一项前瞻性研究 神经性贪食症的区域神经活动异常和全脑功能连接重组：来自静息态fMRI的证据 创造性表达程序对神经认知网络性能的影响，通过任务和静息态功能MRI测量 基于多模态磁共振图像序列的腮腺肿瘤分类的深度学习模型 卷积

导读 在系统水平上理解人脑活动的组织原则仍然是网络神经科学的主要挑战之一。在这里，作者介绍了一种基于图学习的完全数据驱动的方法，以从区域平均时间轴中提取有意义的重复网络模式。作者使用了图拉普拉斯混合模型(GLMM)，这是一个生成模型，将功能数据视为在多个基础图形上表达的信号集合。通过利用脑区活动之间的协方差，可以在不利用结构信息的情况下进行学习。为了验证该技术，首先将其应用于已知实验范式的任务fMRI中。结果发

NBS-Predict软件介绍

脑成像方法 在过去的二十年中，大脑结构和功能可视化技术的进步为医学、生物医学以及相关领域的研究人员研究大脑的功能和连接提供了大量的机会。各种各样的成像技术使我们能够精确地实现从单个分子到整个大脑的可视化。大脑成像可以发现从事不同功能(如认知、学习等)的网络，并解释大脑不同区域之间的功能连接，以跟踪信息流动。一些常见的神经成像方式，包括计算机断层扫描(CT)，磁共振成像(MRI)，经颅多普勒，正电子发射断层扫描(PET)

导读 最近的研究表明，亲子互动过程影响着孩子的大脑结构和功能的发育。然而，这种关联背后的神经生物学过程尚不明晰。超扫描作为研究亲子之间社会互动的方法，尤其适合于研究人际动力学，如对互动信号的神经夹带和大脑活动的人际同步。尽管超扫描具有多方面的潜力，这个不断发展的领域仍然面临着各种挑战，包括方法上的局限性，本文将提供解决这些问题的方法。此外，关于超扫描的研究有助于加深我们对亲子互动如何支持儿童健康发

强大的非侵入性神经成像技术的可用性引发了各种旨在绘制人类大脑的研究。这些研究不仅聚焦于发现大脑激活信号，还聚焦于理解大脑网络中功能性交流的整体结构。基于不同的大脑区域在功能上相互连接并不断共享信息的原理，文献中提出了寻找这些功能网络的各种方法。在这篇文章中，研究者概述了在fMRI数据中估计和描述功能连接的最常用方法。研究者用人类连接组项目的静息态fMRI数据说明了这些方法，阐述了这些方法的实施细节和对结果解

fMRI类型 传统的功能性磁共振成像有两种类型：任务态和静息态。后者有时也被称为无任务fMRI。 任务态功能磁共振成像(tfMRI)的重点是研究人员用来探测局部大脑激活或连接的感兴趣的条件或事件。fMRI记录是对神经元活动的连续和间接测量。因此，BOLD信号的绝对值无意义。相反，在两个或多个条件之间BOLD信号的差异被用来推断与任务相关的有意义的神经关联或基质。这种对比(即两个或多个条件之间的比较)也可以帮助减少来自非特定源的噪声，随机

文章来源于微信公众号（茗创科技），欢迎有兴趣的朋友搜索关注。 导读 功能磁共振成像(fMRI)可用于捕捉执行任务时脑区之间复杂的动态交互情况。任务引起的大脑变化有两种类型：特定任务和一般任务，这取决于它们是特定于某个任务，还是普遍存在于多个任务中。研究者提出了一种方法来确定特定任务和一般任务的大脑功能结构。使用基于参考的解码器，在深度学习分类器上训练12500个静息和任务态fMRI样本，这些样本来自于人类连接组项目(HCP)

文章来源于微信公众号（茗创科技），欢迎有兴趣的朋友搜索关注。 前言 经颅磁刺激(TMS)可以通过感应电场(E-field)的位置、方向、强度等大量参数组合直接激活大脑皮层。这种灵活性为探索和调节皮层兴奋性提供了前所未有的机会，但同时也存在一定的挑战，当TMS线圈位于感兴趣的头皮区域时，电场对皮层神经元的实际影响是很难预测的。即使由最先进的TMS导航系统提供的个体头部模型作为先验信息，但这些关键因素如轴突定向、细胞结构和局部神