医院行业网站新型建筑模板样品图片

动机

        在功能连接（Functional Connectivity，FC）构建过程中，由于FC中元素数目是节点数目的平方关系，所以在计算FC之前进行数据降维是一个常见的选择。

        一般会将体素级/顶点级BOLD信号（在2mm的图像分辨率下大脑皮层有约十万个体素）降维到ROI级BOLD信号（ROI数目一般在几十到几百）。

        关于ROI的选择，最常用的是使用已经定义好的大脑图谱，常见的有：Glasser-360图谱[1]，Schaefer-400图谱[2]。这些图谱根据大脑的某些特征，如功能连接模式、髓鞘化程度将具有相似特征的体素划分到同一个ROI。将同一ROI内的体素的BOLD信号进行平均就得到了该ROI的BOLD信号，从而实现了降维。

Matlab代码

%数据准备：1.体素级BOLD信号：BOLD（维度为体素数量x时间点数）
%数据准备：2.大脑图谱：Parcellation（维度为体素数量x1），里面装的是每个体素的label  n = size(BOLD,1);    %n=体素数量
t = size(BOLD,2);    %t=时间点数量
n_ROI = length(unique(Parcellation));    %n_ROI=图谱含有的ROI数量BOLD_ROI = zeros(n,t);    %初始化ROI级BOLD信号for label = 1:1:n_ROI       %在label中循环BOLD_temp = zeros(1,t);      %初始化暂存BOLD的数组for row = 1:1:n    %在所有体素里循环if Parcellation(row) == labelBOLD_temp = BOLD_temp + BOLD(row,:);        %提取对应label下的BOLD序列endendBOLD_ROI(label,:) = zscore(BOLD_temp);        %BOLD归一化（z-score，均值为0,方差为1）end

[1]Glasser, Matthew F., et al. "A multi-modal parcellation of human cerebral cortex." Nature 536.7615 (2016): 171-178.

[2]Schaefer, Alexander, et al. "Local-global parcellation of the human cerebral cortex from intrinsic functional connectivity MRI." Cerebral cortex 28.9 (2018): 3095-3114.