没有合适的资源?快使用搜索试试~ 我知道了~
软件X 11(2020)100434原始软件出版物UF2 C -用户友好的功能连接:功能磁共振成像处理和分析的神经成像工具箱Brunno Machado de Campos,PhDa,b,Brenno,Raphael Fernandes Casseb,PhD,Post-doc Reseacherb,c,Fernando Cendes,MD,PhDa,ba巴西坎皮纳斯大学神经成像实验室b巴西神经科学和神经技术研究所- BRAINN,巴西c加拿大卡尔加里大学,伊兰家庭MR研究中心ar t i cl e i nf o文章历史记录:接收16四月2019收到修订版2019年12月16日接受2020年保留字:EEG-fMRI功能连接fMRI模块设计事件相关分析a b st ra ct用户友好的功能连接(UF2C)软件为研究人员提供了一个平台分析功能磁共振神经图像从最初的预处理步骤,以生成手稿质量的数字。UF2 C是用Matlab语言实现的,并且符合FreeBSD许可证.我们的工具箱建立在现有方法的组合,以增加用户的权力,执行不同类型的休息状态功能连接,事件相关的,和任务激活分析。为了跟上这一领域不断取得的进展,定期更新用友2C,以反映这些进展并纳入用户需求。©2020作者由爱思唯尔公司出版这是CC BY许可下的开放获取文章(http://creativecommons.org/licenses/by/4.0/)中找到。代码元数据当前代码版本7.2(稳定版)7.3(Beta版)此代码版本使用的代码/存储库的永久链接https://github.com/ElsevierSoftwareX/SOFTX_2019_135法律代码许可FreeBSD许可证(BSD-2-Clause)使用的代码版本控制系统无使用Matlab的软件代码语言、工具和服务编译要求,操作环境依赖性Matlab(2012a或更高版本)和SPM 12如果可用,链接到开发人员文档/手册https://www.nitrc.org/docman/? 1319 - 1319 - 1319 - 1319问题支持电子邮件brunno@fcm.unicamp.br1. 动机和意义磁共振成像(MRI)在神经科学中的应用基本上是多学科的,从仪器和设备到临床应用。每个MRI协议的概念和理论基础都需要深入的理解* 通信地址:Paratório de Neuroimagem,Rua Vital Brasil,251 Campinas/SP-Brasil,Cidade Universitária Zeferino Vaz,CEP-13083-888 Hospital de Clínicas,2Ekandar,área da Ressonância Magnética,Brazil。电子邮件地址:brunno@fcm.unicamp.br(B.M.de Campos),rfcasseb@gmail.com(R.F.Casseb),fcendes@unicamp.br(F.Cendes)。https://doi.org/10.1016/j.softx.2020.100434物理学和工程学,而它们的直接应用需要额外的统计和临床专业知识来准确解释。在常见的MRI研究中,首先对原始图像进行预处理,以去除潜在的伪影和干扰因素。从大量现有选项中选择要使用的预处理步骤可能是压倒性的,并且并非所有这些步骤都是直接使用或在最流行的神经成像工具箱中完全实现的。受试者和组水平的分析需要额外选择处理特征,这对该领域的非专家来说并不直接。 尽管适当的选择及其理解对于研究人员的成功至关重要,但如果2352-7110/©2020作者。 由Elsevier B.V.出版。这是一篇开放获取的文章,使用CC BY许可证(http://creativecommons.org/licenses/by/4.0/)。可在ScienceDirect上获得目录列表SoftwareX期刊主页:www.elsevier.com/locate/softx2B.M. de Campos,R.F.Casseb和F.Cendes/SoftwareX 11(2020)100434···当一个人缺乏高级编码技能时,进行大型队列研究并不不现实。UF2C开发背后的主要动机是巩固上述各种知识,简化MRI在科学研究中的使用。用友2C的目的是为非技术公众用户友好。它的功能是我们结合经验和广泛的文献综述的结果,这些文献综述导致了对CSTR的进一步优化。换句话说,该软件使没有全面MRI背景的研究人员可以使用复杂的图像和信号处理方法。UF2C已经被世界各地的研究人员和学生所采用.自2016年以来,仅在我们中心,该软件就被相关期刊上发表的13篇原创研究论文使用和引用(平均JCR影响因子为4.28)。这些出版物的清单见补充材料。UF2 C在Matlab(The MathWorks,Inc)中运行,并包含开放的第三方代码,主要来自统计参数映射12(SPM 12)[1]。下一节提供了外部文件和函数的完整列表1.1. 使用的算法、工具和软件列表除了SPM 12之外,UF2 C还在一个或多个功能中包含第三方开源算法(所有许可证文件都包含UF2 C安装文件,并受到好评):MANCOVAN:Copyright 2010,WilliamGruner FDR_BH:Copyright 2010,DavidGroppe Fillline:Copyright 2010,Shazxticklabel_rotate:Copyright 2014,Brian Katz,Copyright2009,The MathWorks,IncmultiWaitbar:Copyright 2016,The MathWorks,Inc.Neuromorphometrics,Inc.(http://Neuromorphometrics.com/)的网站上进行了介绍。uipickfiles:Copyright 2007,Douglas M.SchwarzBRAMILA工具:Enrico Gerean,阿尔托大学大脑与思维实验室2. 软件描述UF2 C被设想用于多学科实验室,便于与用户进行直观和清晰的互动。根据这一主要目标,该软件提供了许多独特的功能,旨在避免有偏见的组比较,以及相应的误导性结果(见第3.1节和第3.1.5节)。 UF2 C具有四种功能连接性分析类型和几种预处理步骤的组合,可以满足大多数用户的需求,同时尊重不同的理论方法,并提供与其他流行软件相当的功能[2]。对于与任务相关的协议,我们的软件提供了一个简单的界面,可以基于组或个体受试者分析为临床研究设计和运行简单的分析。此外,EEG-fMRI分析(第3.2.3节)包括一系列复杂而费力的步骤,这些步骤已被精心组织成一个用户友好的界面。它与最流行的MRI兼容EEG系统(Brain ProductsEEGR)集成,并指导用户从初始步骤到最终输出[3UF2 C中包含的每个预处理和分析步骤都有默认值.但是,可以使用uf2c_defaults函数自定义用户2.1. 软件构架由于UF2 C最初是为了补充Matlab中的SPM功能而创建的,因此它也可以在Matlab语言中实现,以实现最大的兼容性。它被设计为与Windows,MacOS和Linux操作系统一起使用。在神经成像领域,功能磁共振成像协议大致分为两种采集类型:任务(参与者需要执行研究人员定义的精神或身体任务)和休息状态(参与者不应参与任何一致或结构化的精神/身体活动)。UF 2 C有三个基本领域:两种类型的功能磁共振成像分析(任务和休息状态)和一组实用工具,所有这些都可以通过GUI访问(图11)。1)或通过命令行[6]。任务相关的功能磁共振成像分析可以进一步分为两类:区组设计,其中任务和休息时间为10到30秒(理想情况下)交替可预测;和事件相关的设计,当任务要在短时间内(2-6秒)执行时扫描期间随机1次有大量的文献fMRI研究的实验设计本身[7]。在我们的软件中,我们认为癫痫脑电图功能磁共振成像研究是一个特定的,更复杂的,事件相关的实验设计的情况下,发作间期活动的存在使得纳入休息状态类别不合适[4]。UF2C提供了一种直观的方法来进行学科水平的分析任务相关和脑电功能磁共振成像事件相关的设计。静息状态功能连接分支支持预处理以及受试者和组水平分析,详见第3.1节。用友2C工具提供了在一般情况下可能有用的可选补充功能这种结构的示意图可以在图中找到。 二、2.2. 软件功能所有功能都在软件手册中有完整的文档记录和解释(https://www. 新一街或g/docman/?group_id=1319)。该手册包含了一个完整的技术概述和更复杂的方法学的理论基础用友2C目前有以下模块。2.2.1.功能连接模块(休眠状态)基于种子的功能连接功能交互-自动多种子定位ROI互相关-坐标或感兴趣区域(ROI)互相关• 滑动窗口功能连接2.2.2. 功能性MRI分析模块(任务和事件相关)• fMRI预处理• 一级区组设计分析• EEG-fMRI分析2.2.3. 用友2C目前有以下工具• 移动查看器• 运动分析• 离群点检测• 图像编辑器• 过滤器更换器• 组织分割可以通过图形用户界面轻松修改这些值通过点击主软件屏幕上的1 随机在这里意味着任务时间没有明显的结构,与块设计相反·········B.M. de Campos,R.F.Casseb和F.Cendes/SoftwareX 11(2020)1004343Fig. 1. GUI的主屏幕和功能连接常规预处理窗口。所有参数均由软件预设,并基于文献综述或实验测试后定义。在右侧窗口中,选择了四个受试者的图像,GUI更新以通知用户他们的选择。图二. 软件架构。灰色表示所有软件需求。绿色表示软件模块和工具。每个特定模态的依赖性列表见用户手册。(关于此图例中颜色的参考解释,请读者参考本文的网络版本• 体积测定-计算增加的ROI体积(mm3)或颅内体积• 插值工具-将图像边界框和体素大小转换为SPM 8默认值• R-score到z-score的转换(Fisher文件(矢量、矩阵...)和NIfTI文件4B.M. de Campos,R.F.Casseb和F.Cendes/SoftwareX 11(2020)1004343. 说明性实例3.1. 功能连接在所有四个功能连接模块中,种子时间序列提取2遵守以下标准,这些标准提高了连接的可靠性,从而导致更少偏差的组比较:A. 种子内的体素仅在它们也在主体的灰质(GM)掩模内时才被包括在平均时间序列计算中B. UF2 C将每个单个种子体素时间序列与平均种子时间序列(GM掩蔽)相关联。考虑到ROI掩蔽体素之间的所有相关性,只有当体素的相关性值在Quartile 3-Quartile 1区间内时,才包括体素(在最终平均值中)当比较具有脑结构改变(如萎缩、局灶性皮质发育不良或其他)的受试者时,该程序尤其相关,因为它避免了包含与背景、白质或脑脊液区域相关的体素[7]。3.1.1. 功能 连接 - 常规预处理Functional Connectivity Conventional Preprocessing选项可减少数据集中不需要的特征/伪影,而无需任何统计或连接性推断。在UF 2C中有两种不同的预处理选项:常规和NoVoLex.常规包括SPM 12中最流行的步骤:使用刚体变换进行运动校正;将解剖图像配准到功能图像上;分割白质、灰质和脑脊液;将解剖和功能图像标准化为蒙特利尔神经研究所大脑模板;以及使用高斯核进行平滑应当指出,所有UF 2C分析单元都能够自动执行预处理和随后的连通性分析。此外,一旦您有了预处理的功能图像(FiltRegrSW_*.nii;使用此工具或任何其他UF2 C功能连接模块获得),您就可以跳过预处理并快速执行任何连接分析,因为预处理通常是最耗时的步骤。3.1.2. 使用NoVolEx进行开发了NoVolEx(噪声干扰排除)校正方法,以排除具有帧间位移(FD)和/或导数方差(DVAR)超阈值的体积[8]。FD是一种运动度量,它将运动校正期间确定的六个运动参数浓缩为一个,并给出头部运动的绝对测量值。DVAR是一种基于体素强度的度量,反映了连续体积中的强度变化程度。例如,太大的变化可能是头部移动的结果,导致背景体素(低强度)转移到皮层(更高强度)。据我们所知,迄今为止,这一工具是UF2C所独有的. 它需要定义FD和DVAR阈值以及可以删除的最大卷数通过这些输入,例程将量化所有包含图像的运动,并使用FD和DVAR删除每个受试者的超阈值体积,直到达到用户设置的最大删除数量。更多信息可以在用户手册中找到。1 种子时间序列提取是对种子中包含的体素的所有时间序列进行平均的过程。3.1.3. 功能连接:基于种子的分析,第一级这类分析的标准程序包括两个核心步骤:一粒种子(图中的紫色立方体)。3),以及计算种子时间序列与图像中所有其他体素的时间序列之间的Pear-son相关系数,其被称为函数连通性。这将生成如图1所示的相关图。3,其中大正值为黄色(热刻度),大负值为青色(冷刻度)。对于组水平分析,鼓励用户将相关值转换为Fisher3.1.4. 功能连接:ROI到ROI分析,第一级在该分析中,从用户定义的所有ROI中提取时间序列,并计算每个ROI对之间的Pearson相关系数。该工具仅执行第一级分析,即对受试者进行单独评估,不执行组级推断。有不同的方式来显示这个模块的输出,最常见的是以邻接矩阵的形式。替代方案包括更详细的绘图,如图所示。 四、3.1.5. 功能连接:ROI到ROI分析,第二级从我们的角度来看,作为ROI到ROI分析的一部分,任何执行组比较的软件都应该包括单个ROI与组平均值在相反方向上的比较(一组负相关,另一组正相关)。相关性分数的解释,可能是正的或负的,不应该是纯粹的数学。相关性分数可以是负的或正的,这些值的解释不应该是纯粹的数学。连接性降低和连接性增加表明A组与B组相比,绝对Pearson相关性得分更低或更高B.在这个意义上,“减少”或“增加”的概念有趣的是,我们还可以检测到一些情况,其中A组和B组的相关性得分呈现相反的信号。尽管使用绝对r分数值来定义组间差异的方向,UF2 C还是使用原始值进行统计检验,确保在统计分析中相应地考虑了相反方向的相关性之间的比较。这里的主要区别是,对于这些情景,UF 2C图形输出将不显示这些变化的减少或增加,而是用虚线(在二维图上)和黄色(在三维图上)表示[2,9](见图1)。 5)。3.2. 任务相关功能磁共振成像分析3.2.1. 预处理与功能连接预处理类似,fMRI预处理功能允许用户通过减少不需要的伪影的影响,为区组设计(第3.2.2节)或EEG-fMRI分析(第3.2.3节)默认情况下,UF2C使用传统的预处理管道.应该注意的是,切片定时校正被禁用,因为在TR小于4 s的长于10 s的块设计中引发的激活通常足够稳健,可以排除该步骤,从而防止额外的图像插值[10]。相反,在事件相关分析中,通常包括这一步骤[10]。使用GUI,用户可以指定他们希望包括哪些预处理步骤或从管道中排除哪些预处理步骤,以及选择边界框尺寸和体素大小的预定选项B.M. de Campos,R.F.Casseb和F.Cendes/SoftwareX 11(2020)1004345图三. 基于单个种子的分析的结果示例。与位于后扣带皮层(紫色立方体)中的种子相关的正(热标度)和负(冷标度)连接图的渲染图中的结果地图是使用MRIcroGL软件(www.mccauslandcenter.sc)绘制的。edu/mricrogl/home)。(关于此图例中颜色的参考解释,请读者参考本文的网络版本见图4。基 于 110个ROI(55个左半球和55个右半球ROI)的相关系数的单个ROI到ROI分析示例结果。在左边,平均环形连接体代表所有超过显著性t-评分的连接(p 0.05,r-评分转换为t-评分)。在右边,平均相关性矩阵的拓扑分组表示。对于在第一级处理的每个组,保存一个主文件,该文件在第二级用于执行组推断。3.2.2. 区组设计分析一级分析(区组设计)具有直观的界面,其中包含区组设计研究的实验参数字段。在填充这些字段后,用户能够:(i)绘制他们的范例(休息和任务块),(ii)绘制具有输入参数的设计矩阵的样本,(iii)定义第一级(主题级)分析的统计阈值,以及(iv)选择参数以生成结果的图形(见图11)。 6)。3.2.3. EEG-fMRI分析要执行事件相关分析,需要我们感兴趣的事件的时间。例如,通过在扫描期间向参与者呈现一个单词2秒,我们知道实验刺激和随后感兴趣的事件发生的时间。然而,在癫痫研究中,我们感兴趣的是偶发和不可预测的异常脑活动的时间,并且只能通过连续记录EEG来捕获这些事件来确定。去噪后,EEG数据由定义事件时间的专家脑电功能磁共振成像6B.M. de Campos,R.F.Casseb和F.Cendes/SoftwareX 11(2020)100434图五. 来自组级ROI到ROI分析的样本结果。四张图像在不同的淋巴结图形表示中显示了相同的发现,组间存在显著差异(p在左上角,是相关矩阵视图(邻接矩阵)。在右上角,“有机的”环状连接体,其线条由功能网络进行颜色编码。左下角是2D平面表示(轴向平面),其中包含ROI的解剖位置。在右下角,改变的连接的3D表示与具有改变的连接的每个ROI的相应位置(质心)。为在2D和3D图形中,线条颜色指示改变的方向:蓝色的组A>组B,红色的组B组A,虚线和黄色线分别指示2D和3D图形上的组之间的相反方向上的信号。球体颜色表示每个ROI”[9]。(关于此图例中颜色的参考解释,请读者参考本文的网络版本分析可以将EEG时间信息与fMRI数据集相结合,以执行事件相关分析(图1)。6-右)。该工具还根据事件发作时间的时间变化提供代表血流动力学反应的视频输出[11]。4. 影响考虑到坎皮纳斯大学神经影像学委员会对UF2 C的使用,我们可以得出结论,该软件对生产率和出版物产生了重大影响。如上所述,自第一个稳定版本(2014年)以来,13篇原始研究论文由12位不同背景的作者发表:生物学家,物理治疗师,物理学家,心理学家和医生。在提交本文时,UF2C已经有超过500次下载,并且基于原始研究出版物,已经被两个国际中心,伯明翰大学和美国国家卫生研究所。5. 结论在这篇文章中,我们介绍和描述了UF2 C工具箱,它提供了一个用户友好的方式来执行最常见类型的fMRI BOLD信号的研究,即任务相关和(静息状态)功能连接分析。它还包括脑电图知情的功能磁共振成像分析,这是相当常见的癫痫调查。该工具箱旨在促进该领域的研究人员的工作,并允许有经验的用户快速设计和 运 行 大 型 队 列 分 析 UF2C 是 免 费 的 、 开 放 代 码 的 , 可 在www.example.com下载,并提供手册https://www.nitrc.org/docman/? group_id=1319。B.M. de Campos,R.F.Casseb和F.Cendes/SoftwareX 11(2020)1004347见图6。在 左侧,用fMRI预处理例程3.2.1预处理并用第一级分析分析的手敲击任务结果的切片视图(框设计)工具。在右侧,使用fMRI预处理例程3.2.1预处理并使用EEG-fMRI分析的EEG-fMRI实验的切片视图结果分析工具3.2.2.右侧的研究是在左颞极局灶性皮质发育不良的患者中进行的,使用Brain Products MRI兼容EEG系统。在BrainVision分析仪软件中读取EEG数据,并将标准导出文件用作UF2 C的输入竞合利益作者声明,他们没有已知的竞争性财务利益或个人关系,可能会影响本文报告的工作资金这项工作得到了巴西FAPESP-圣保罗研究基金会的支持[#2017-25795-7,#2013-07559-3];作者感谢William M Wilson的英文审查。附录A. 补充数据与本文相关的补充材料可以在https://doi.org/10.1016/j.softx.2020.100434上找到。引用[1]Penny W,Friston K,Ashburner J,Kiebel S,Nichols T.统计参数映射:脑功能图像分析。1st ed.Elsevier; 2011.[2]Friston KJ,Frith CD,Liddle PF,Frackowiak RS.功能连接:大型数据集的主成分分析(PET)。脑血流代谢杂 志 1993;13(1):5-14.[3]张文辉,张文辉. 神经元放电相关的动力学:“有效连接”的调节。神经生理学杂志1989;61(5):900-17。[4]Hoffmann A,Jager L,Werhahn KJ,Jaschke M,Noachtar S,Reiser M. 功能回波平面成像期间的脑电图:使用后处理方法检测癫痫棘波。Magn ResonMed2000;44:791-8.[5]LemieuxL,Salek-Haddadi A,Josephs O,Allen P,Toms N,Scott C,Krakow K,Turner R,Fish DR.事件相关功能磁共振成像与同步和连续脑电图:方法描述和初始病例报告。神经影像学2001;14:780-7.[6]Biswal B,Zerrin-Yetkin F,Haughton,VM,Hyde,JS.利用回波平面磁共振成像研究静息状态下人脑运动皮层的功能连接。MagnReson Med1995;34:537-41.[7]de Campos BM,Coan AC,Yasuda CL,Casseb RF,Cendes F.大规模的大脑网络在右侧和左侧内侧颞叶癫痫中受到明显影响。《脑图》2016;37:3137-52。[8]Power JD,Schlaggar BL,Petersen SE. 静息态fMRI运动校正研究的最新进展及存在的问题。神经影像2015;105:536-51。[9]Shirer WR,Ryali S,Rykhlevskaia E,Menon V,Greicius MD.用全脑连接模式解码主体驱动的认知状态。脑皮质2012;22(1):158-65。[10][10]李国雄,李国雄. 功能磁共振成像中的切片定时效应及其校正。《神经影像学》2011;58(2):588-94。[11]Hawco CS,Bagshaw AP,Lu Y,Dubeau F,Gotman J. BOLD变化发生在头皮EEG上看到的癫痫棘波之前。神经影像学2007;35(4):1450-8。
下载后可阅读完整内容,剩余1页未读,立即下载
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://profile-avatar.csdnimg.cn/default.jpg!1)
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
我的内容管理 收起
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
会员权益专享
最新资源
- 共轴极紫外投影光刻物镜设计研究
- 基于GIS的通信管线管理系统构建与音视频编解码技术应用
- 单站被动目标跟踪算法:空频域信息下的深度研究与进展
- 构建通信企业工程项目的项目管理成熟度模型:理论与应用
- 基于控制理论的主动队列管理算法与稳定性分析
- 谷歌文件系统下的实用网络编码技术在分布式存储中的应用
- CMOS图像传感器快门特性与运动物体测量研究
- 深孔采矿研究:3D数据库在采场损失与稳定性控制中的应用
- 《洛神赋图》图像研究:明清以来的艺术价值与历史意义
- 故宫藏《洛神赋图》图像研究:明清艺术价值与审美的飞跃
- 分布式视频编码:无反馈通道算法与复杂运动场景优化
- 混沌信号的研究:产生、处理与通信系统应用
- 基于累加器的DSP数据通路内建自测试技术研究
- 跨国媒体对南亚农村社会的影响:以斯里兰卡案例的社会学分析
- 散单元法与CFD结合模拟气力输送研究
- 基于粒化机理的粗糙特征选择算法:海量数据高效处理研究
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)