如何从fmri中提取特征？

Question

我有用于正常对照和阿尔茨海默病患者分类的 fmri 数据集。现在，作为新手，我无法从数据集中提取特征。我想以数值形式提取激活模式、GM、WM、CSF、体积测量和血液动力学。请指导我如何以及从哪里开始，并为我的工作建议一些简单高效的软件......我将不胜感激......

Answer 1

看看名为 FSL（FMRIB 软件库）和 SPM（统计参数映射）的软件包。

他们每个人都可以进行您所要求的分析。然而，请注意，这些分析都不是微不足道的。您可能应该首先阅读一些有关该主题的内容。 功能性 MRI 数据分析手册对于初学者来说是一个很好的起点。

Answer 2

就像 @WeirdAlchemy 所说，您需要进行许多分析，而且所有这些分析都很重要。您通常会在相关强化课程中花费数周时间或在神经硕士课程中花费数月时间来学习这些内容。非常明确地回答你的问题：

• GM、WM 和 CSF 体积测量 - 您可以使用 FSL SIENA、SPM VBM、AFNI 3Dclust 等来执行此操作。
• “提取激活模式”太模糊了。您很可能拥有与任务相关的 BOLD fMRI 数据，并希望执行一般线性模型 (GLM) 分析。 FSL FEAT、SPM fMRI、AFNI 等都支持这一点。然而，在不了解实验设计、数据的性质以及您想从中学到什么的情况下，很难更具体地确定哪种工具合适。
• “数值形式的血液动力学”这可能意味着很多事情，但如果您正在考虑血液动力学信号调制的量（例如，条件导致 BOLD 信号发生 2% 的变化），您可以从提到的 GLM 分析中得到这一点上面。

Answer 3

要从 fMRI 数据中提取用于对正常对照和阿尔茨海默病患者进行分类的特征，您可以按照以下步骤操作：

• 数据预处理：使用FSL或SPM进行标准预处理。
• 连接特征：利用 Brain Connectivity Toolbox 计算连接特征，例如功能连接或基于图形的指标。
• 区域特征（ReHo 和 fALFF）：使用 DPABI 工具箱提取区域均匀性 (ReHo) 和低频波动的分数幅度 (fALFF)。
• 复杂性特征：使用 NeuroKit 工具箱计算复杂性特征，例如熵或分形维数。
• 分类：将 sklearn 中的机器学习算法应用于您的特征集以进行分类。
• 验证：使用 sklearn 中的标准指标评估分类性能。如果需要获得可靠的结果，请与专家合作。