Informácie

Ako generovať funkčné matice konektivity po analýze prvej úrovne v súbore nástrojov CONN?

Ako generovať funkčné matice konektivity po analýze prvej úrovne v súbore nástrojov CONN?



We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Mám údaje jedného subjektu (T1w a rs-fMRI BOLD). Chcem vygenerovať funkčnú maticu prepojenia po predbežnom spracovaní surového fMRI. Na predspracovanie som už použil súbor nástrojov CONN. Teraz som dokončil aj analýzu prvej úrovne.

Pretože chcem vypočítať maticu FC, počas analýzy prvej úrovne som vypočítal konektivitu ROI k ROI. Verím, že toto je správna cesta vpred. Mám výstupný súbor s názvom „resultsROI_Subject ### _ Condition ###. Mat“. Môže mi niekto prosím ukázať, ako vypočítať hodnoty matice FC pomocou tohto súboru.

Extrahujem hodnoty „Z“ z „resultsROI_Subject ### _ Condition ###. Mat“. Potom vypočítam korelačné koeficienty Z pomocou funkcie MATLAB „corrcoef“. Takže výsledná matica, ktorú dostanem po vykonaní tejto operácie MATLAB, je to matica FC, ktorú chcem?

Tu je matica Z získaná po spustení potrubia predbežného spracovania CONN. Z má veľkosť (RoI$ krát $RoI). Tu je počet RoI 105. Z predstavuje Fischerov transformovaný korelačný koeficient medzi každým zdrojom a cieľovou RoI.

Tu je výsledok po použití funkcie MATLAB tanh. Kód MATLAB ->Z_tanh = tanh (Z);


Pozadie

Málo sa vie o kortikálnej organizácii ľudského vestibulárneho spracovania informácií. Namiesto vyhradenej primárnej vestibulárnej kôry reaguje na vestibulárny vstup distribuovaná sieť oblastí v kôre. Cieľom tejto štúdie je charakterizovať ľudskú kortikokortikálnu vestibulárnu sieť a porovnať ju so zavedenými výsledkami u primátov (okrem človeka).

Metódy

Zhromaždili sme viacplášťové difúzne vážené (DWI) s vysokým rozlíšením a najmodernejšie funkčné MR snímky v kľudovom stave od 29 normálnych pravákov. Desať kortikálnych vestibulárnych oblastí na pologuli bolo preddefinovaných z predchádzajúcich štúdií vestibulárnej stimulácie a aplikovaných ako oblasti záujmu. Skúmali sa štyri rôzne štrukturálne kortikokortikálne vestibulárne siete, ktoré predstavujú relevantné obmedzenia. Analýzy zahŕňali skúmanie bežných sieťových opatrení a hemisférických rozdielov pre funkčné aj štruktúrne vzorce pripojenia. Okrem toho boli výsledky štrukturálnej vestibulárnej siete porovnané so zisteniami, ktoré boli predtým hlásené u primátov (okrem človeka), pokiaľ ide o injekcie indikátorov (Guldin a Grusser, 1998).

Výsledky

Všetky štrukturálne siete nezávislé od aplikovaných obmedzení vykazovali opakujúce sa rozdelenie na tri identické submoduly. Štrukturálna ľudská sieť sa vyznačovala prevažne intrahemisférickou konektivitou, zatiaľ čo funkčný vzor zvýrazňoval silnú konektivitu pre všetky homotopické uzly. V priebehu analýz je možné pozorovať významnú preferenciu laterality voči pravej hemisfére: (1) s väčšími uzlami, (2) silnejšie hodnoty konektivity štrukturálne a funkčne a (3) vyšší funkčný význam. Podobné vzorce konektivity ako údaje o primátoch (okrem človeka) sa našli skôr v senzorických a vyšších asociačných kôrach než v premotorických a motorických oblastiach.

Záver

Naša analýza vymedzila pozoruhodne stabilnú organizáciu kortikálnej vestibulárnej konektivity. Rozdiely zistené medzi druhmi primátov možno pripísať fylogenéze, ako aj metodologickým rozdielom. Našou prácou sme upevnili dôkazy o lateralizácii v kortikokortikálnej vestibulárnej sieti. Naše výsledky môžu vysvetľovať, prečo kortikálne lézie u ľudí nevedú k pretrvávajúcim vestibulárnym symptómom. Redundantné štrukturálne smerovanie v celej sieti a funkčné vysokorýchlostné pripojenie môžu v prípade poranenia sieť uložiť do pamäte a rýchlo obnoviť integritu siete.


Všetci účastníci boli si vedomí účelu štúdie a podpísali informovaný súhlas pred štúdiou. Účastníkom boli vysvetlené všetky protokoly z výskumu a podpísali formulár písomného súhlasu schválený Lekárskou etickou komisiou nemocnice Xiangya Centrálnej južnej univerzity v provincii Hunan, Changsha, Čína. Informovaný súhlas bol získaný od všetkých jednotlivých účastníkov zaradených do štúdie.

YT a LK koncipovali a navrhli experimenty. YT, XW a JC vykonali experimenty a zhromaždili údaje. LK a ZQ analyzovali výsledky. LK a ZQ napísali hlavný rukopisný text. Všetci autori si rukopis preštudovali.


Záver

Zaviedli sme flexibilný a automatický multimodálny prístup k analýze konektivity mozgu, ktorý môže integrovať informácie z rôznych zobrazovacích modalít (MRI a PET). MIBCA síce premosťuje priepasť medzi vysokým počtom balíkov a nástrojov, ktoré sú v komunite neuroimagingu široko dostupné, vrátane predbežného spracovania, konektivity a grafických teoretických analýz v jednom súbore nástrojov, ale ponúka aj rôzne možnosti kombinovania, analýzy a vizualizácie údajov novými spôsobmi, ktoré umožňujú lepšie porozumenie ľudskému mozgu. Toto je tiež požiadavka komunity neuroimagingu, kde sa počet multimodálnych systémov dostupných na celom svete (napr. MR-PET) za posledné dva roky výrazne zvýšil.


Abstrakt

Pokročilé metódy analýzy zobrazovania mozgu, vrátane analýzy viacrozmerných vzorov (MVPA), funkčnej konektivity a funkčného zarovnania, sa za posledné desaťročie stali výkonnými nástrojmi kognitívnej neurovedy. Tieto nástroje sú implementované vo vlastnom kóde a oddelených balíkoch, často vyžadujú iný softvér a jazykové znalosti. Začiatočníci, aj keď ich môžu používať skúsení vedci, čelia strmej krivke učenia. Tieto ťažkosti vyplývajú z používania nových programovacích jazykov (napr. Python), naučenia sa používať metódy strojového učenia na vysokorozmerné údaje fMRI a minimálnej dokumentácie a školiacich materiálov. Navyše väčšina štandardných balíkov analýzy fMRI (napr. AFNI, FSL, SPM) sa zameriava na predbežné spracovanie a univariantné analýzy, pričom ponecháva medzeru v integrácii s pokročilými nástrojmi. Aby sme splnili tieto potreby, vyvinuli sme BrainIAK (brainiak.org), open source softvérový balík Python, ktorý bezproblémovo integruje niekoľko špičkových, výpočtovo efektívnych techník s inými balíkmi Pythonu (napr. Nilearn, Scikit-learn) na manipuláciu so súbormi, vizualizáciu a strojové učenie. Aby sme tieto výkonné nástroje šírili, vyvinuli sme užívateľsky prívetivé návody (vo formáte Jupyter https://brainiak.org/tutorials/) na všeobecnejšie osvojenie si BrainIAK a pokročilej analýzy fMRI v Pythone. Tieto materiály pokrývajú nasledujúce techniky: MVPA (klasifikácia vzorov a analýza reprezentatívnej podobnosti), paralelizovaná analýza svetlometov, pozadie, konektivita, úplná korelácia, maticová analýza, medzipredmetová korelácia, medzipredmetová funkčná konektivita, zdieľaná reakcia, modelovanie modelovania udalostí, segmentácia pomocou skrytých Markovových modelov a fMRI v reálnom čase. V prípade dlhodobých úloh alebo potrieb veľkej pamäte poskytujeme podrobné informácie o vysokovýkonných počítačových klastroch. Tieto notebooky boli úspešne testované na viacerých miestach, vrátane sérií problémov pre kurzy na univerzitách v Yale a Princetone a na rôznych workshopoch a hackathonoch. Tieto materiály sú voľne zdieľané s nádejou, že sa stanú súčasťou súboru softvéru s otvoreným zdrojovým kódom a vzdelávacích materiálov na rozsiahlu, reprodukovateľnú analýzu fMRI a zrýchlené objavovanie.


Všetci účastníci boli si vedomí účelu štúdie a podpísali informovaný súhlas pred štúdiou. Účastníkom boli vysvetlené všetky protokoly z výskumu a podpísali formulár písomného súhlasu schválený Lekárskou etickou komisiou nemocnice Xiangya Centrálnej južnej univerzity v provincii Hunan, Changsha, Čína. Informovaný súhlas bol získaný od všetkých jednotlivých účastníkov zaradených do štúdie.

YT a LK koncipovali a navrhli experimenty. YT, XW a JC vykonali experimenty a zhromaždili údaje. LK a ZQ analyzovali výsledky. LK a ZQ napísali hlavný rukopisný text. Všetci autori si rukopis preštudovali.


Pozadie

Málo sa vie o kortikálnej organizácii ľudského vestibulárneho spracovania informácií. Namiesto vyhradenej primárnej vestibulárnej kôry reaguje na vestibulárny vstup distribuovaná sieť oblastí v kôre. Cieľom tejto štúdie je charakterizovať ľudskú kortikokortikálnu vestibulárnu sieť a porovnať ju so zavedenými výsledkami u primátov (okrem človeka).

Metódy

Zozbierali sme viacplášťové difúzne vážené (DWI) s vysokým rozlíšením a najmodernejšie funkčné MR snímky v pokojovom stave od 29 normálnych pravákov. Desať kortikálnych vestibulárnych oblastí na pologuli bolo preddefinovaných z predchádzajúcich štúdií vestibulárnej stimulácie a aplikovaných ako oblasti záujmu. Skúmali sa štyri rôzne štrukturálne kortikokortikálne vestibulárne siete, ktoré predstavujú relevantné obmedzenia. Analýzy zahŕňali skúmanie bežných sieťových opatrení a hemisférických rozdielov pre funkčné aj štruktúrne vzorce pripojenia. Okrem toho boli výsledky štrukturálnej vestibulárnej siete porovnané so zisteniami, ktoré boli predtým hlásené u primátov (okrem človeka), pokiaľ ide o injekcie indikátorov (Guldin a Grusser, 1998).

Výsledky

Všetky štrukturálne siete nezávislé od aplikovaných obmedzení vykazovali opakujúce sa delenie na tri identické submoduly. Štrukturálna ľudská sieť sa vyznačovala prevažne intrahemisférickou konektivitou, zatiaľ čo funkčný vzor zvýrazňoval silnú konektivitu pre všetky homotopické uzly. V priebehu analýz je možné pozorovať významnú preferenciu laterality voči pravej hemisfére: (1) s väčšími uzlami, (2) silnejšie hodnoty konektivity štrukturálne a funkčne a (3) vyšší funkčný význam. Podobné vzorce konektivity ako údaje o primátoch (okrem človeka) sa našli skôr v senzorických a vyšších asociačných kôrach než v premotorických a motorických oblastiach.

Záver

Naša analýza vymedzila pozoruhodne stabilnú organizáciu kortikálnej vestibulárnej konektivity. Rozdiely zistené medzi druhmi primátov možno pripísať fylogenéze, ako aj metodologickým rozdielom. Našou prácou sme upevnili dôkazy o lateralizácii v kortikokortikálnej vestibulárnej sieti. Naše výsledky môžu vysvetľovať, prečo kortikálne lézie u ľudí nevedú k pretrvávajúcim vestibulárnym symptómom. Redundantné štrukturálne smerovanie v celej sieti a funkčné vysokorýchlostné pripojenie môžu v prípade poranenia rýchlo uložiť sieť a obnoviť integritu siete.


Úplné pokyny na inštaláciu a používanie aplikácie RSS s kanálom Slack na Slack nájdete v Centre pomoci Slack.

V predchádzajúcich verziách conn boli všetky metriky variability a frekvencie automaticky vyplnené na karte kovariancií 2. úrovne po spustení analýzy ICA, v novej verzii 20.a však nemôžem nájsť spôsob, ako ich exportovať. Bola funkcia deaktivovaná?

Používam Conn na HPC mojej univerzity, ktorý používa SLURM.
Poslal som asi pred 6 mesiacmi s niektorými problémami, na ktoré sme narazili s ART.
Pretože sa zdá, že súvisí s Matlabom, bola nainštalovaná samostatná verzia (18b),
a zdá sa, že to fungovalo na všetky testy, ktoré som vykonal. S veľmi malým testom
vzorky, som schopný spracovať a analyzovať údaje z testov od začiatku do konca
pomocou vstavanej funkcie HPC v grafickom rozhraní bez problémov.

Moja skutočná vzorka je však dosť veľká (

1 000) a teraz
že prevádzkujem skutočné údaje, úlohy sa zasekávajú asi v 2/3
cesta-ukazuje sa, že beží stále, ale nedokončí. Len som sa dostal k
predbežné spracovanie. Z niektorých predchádzajúcich príspevkov vidím, že najmenej jeden iný
osoba mala tento problém a aktualizovali ho na neskoršiu verziu Conn a tamto
pomohol. Pretože sme však mali problém s krokom ART/Matlab, nie som si istý
to by tu bola možnosť, pretože používame najnovší samostatný program
verzia. Už som sa poradil s naším IT a pokúsil som sa zmeniť, koľko času
Žiadam o prácu, ale tým sa problém nevyriešil.

1) Tu je text z niektorých chýb, ktoré dostávam:

-Keď spustíte Conn z okna terminálu:

Varovanie Fontconfig:
"/users/USERNAME/.config/fontconfig/fonts.conf", riadok 82: neznámy
prvok "prázdny"

Varovanie Fontconfig:
"/users/USERNAME/.config/fontconfig/fonts.conf", riadok 82: neznámy
prvok "prázdny"
Dosiahnutý maximálny počet klientovMaximálny počet klientov
reachslurmstepd: chyba: *** ÚLOHA 1391804 NA uzle1127 ZRUŠENÉ NA
2021-05-25T11: 44: 26 ***


2) Keď sa zdá, že úlohy bežia a ja ich zruším
odstránim všetky súbory vygenerované počas tohto kroku, vrátane súborov
priečinky anat a func. Tiež odstraňujem priečinky projektu, ktoré boli vytvorené. Robí
Chcete upraviť pôvodné štrukturálne a funkčné súbory? Upravený dátum dňa
tieto súbory sa zmenia na dátum, kedy som spustil aplikáciu Conn. Nemám inú sadu
pôvodné súbory, ktorými ich mám nahradiť, zakaždým, keď potrebujem proces zrušiť
pretože existuje viac ako 4000 súborov (mohol by som ich znova stiahnuť), ale chcem sa uistiť
to neprispieva k problému.

Akýkoľvek prehľad, ktorý by ste mohli poskytnúť, by bol veľmi cenený.
Ďakujem!


Chyba "Bol dosiahnutý maximálny počet klientov Maximálny počet dosiahnutých klientov"Zdá sa, že správa naznačuje, že plánovač úloh vo vašom klastri SLURM zrušil vaše úlohy, pretože ste prekročili kvótu povolených súčasných úloh spustených vo vašom klastri. Navrhoval by som:

a) obráťte sa na správcu klastra (alebo urobte testovanie pokusom a omylom), aby ste zistili, aký je maximálny počet simultánnych úloh, ktoré môžete vo svojom klastri vykonávať (napr. jednotlivým používateľom môže byť povolené spustiť až 50 simultánnych úloh)

b) pri spustení vašich krokov spracovania/analýzy v CONN nastavte počet úloh na nejakú hodnotu mierne pod týmto maximálnym počtom (napr. 40)

c) rýchlo odhadnite, koľko času bude každá práca potrebovať na dokončenie (napr. ak máte 1 000 predmetov delených 40 úlohami, každá úloha spracuje 25 predmetov, takže ak spustíte predbežné spracovanie a očakávate to) trvať asi 20 minút na jeden predmet, potom každá práca bude potrebovať asi 8 hodín na dokončenie) a uistite sa, že čas strávený na nástenke pridelený vašim úlohám je dostatočne vysoký (napr. pridaním „-t 12:00:00“ do možnosť „in-line ďalšie nastavenia odosielania“ vášho profilu Slurm v CONN požadovať, aby každá úloha mohla prebiehať maximálne 12 hodín)

Pôvodne napísal sat2020:

Používam Conn na HPC mojej univerzity, ktorý používa SLURM.
Poslal som asi pred 6 mesiacmi s niektorými problémami, na ktoré sme narazili s ART.
Pretože sa zdá, že súvisí s Matlabom, bola nainštalovaná samostatná verzia (18b),
a zdá sa, že to fungovalo na všetky testy, ktoré som vykonal. S veľmi malým testom
vzorky, som schopný spracovať a analyzovať údaje z testov od začiatku do konca
pomocou vstavanej funkcie HPC v grafickom rozhraní bez problémov.

Moja skutočná vzorka je však dosť veľká (

1 000) a teraz
že prevádzkujem skutočné údaje, úlohy sa zasekávajú asi v 2/3
cesta-ukazuje sa, že beží stále, ale nedokončí. Len som sa dostal k
predbežné spracovanie. Z niektorých predchádzajúcich príspevkov vidím, že najmenej jeden iný
osoba mala tento problém a aktualizovali ho na neskoršiu verziu Conn a tamto
pomohol. Pretože sme však mali problém s krokom ART/Matlab, nie som si istý
to by tu bola možnosť, pretože používame najnovší samostatný program
verzia. Už som sa poradil s naším IT a pokúsil som sa zmeniť, koľko času
Žiadam o prácu, ale tým sa problém nevyriešil.

1) Tu je text z niektorých chýb, ktoré dostávam:

-Keď spustíte Conn z okna terminálu:

Varovanie Fontconfig:
"/users/USERNAME/.config/fontconfig/fonts.conf", riadok 82: neznámy
prvok "prázdny"

Varovanie Fontconfig:
"/users/USERNAME/.config/fontconfig/fonts.conf", riadok 82: neznámy
prvok "prázdny"
Dosiahnutý maximálny počet klientovMaximálny počet klientov
reachslurmstepd: chyba: *** ÚLOHA 1391804 NA uzle1127 ZRUŠENÉ NA
2021-05-25T11: 44: 26 ***


2) Keď sa zdá, že úlohy bežia a ja ich zruším
odstránim všetky súbory vygenerované počas tohto kroku, vrátane súborov
priečinky anat a func. Tiež odstraňujem priečinky projektu, ktoré boli vytvorené. Robí
Chcete upraviť pôvodné štrukturálne a funkčné súbory? Upravený dátum dňa
tieto súbory sa zmenia na dátum, kedy som spustil aplikáciu Conn
pôvodné súbory, ktorými ich mám nahradiť zakaždým, keď potrebujem proces zrušiť
pretože existuje viac ako 4000 súborov (mohol by som ich znova stiahnuť), ale chcem sa uistiť
to neprispieva k problému.

Akýkoľvek prehľad, ktorý by ste mohli poskytnúť, by bol veľmi cenený.
Ďakujem!

Ďakujem za Vašu odpoveď! Skúšal som spracovať oveľa menší počet a stále sa to nedarilo dokončiť, takže sa zdá, že sa deje niečo iné. Skontroloval som svoje IT a nižšie mali nejaké otázky/informácie. Som v bytovom dome, takže môžem súčasne vykonávať 1 200 úloh.

1. Verzia conn, ktorú používate, je predkompilovaná binárna verzia (18b) a nevyžaduje licenciu MATLAB, je však obmedzená iba na jednotlivé úlohy.

2. Licencia MATLAB, ktorú Brown má, je len pre paralelné vlákna (napr. Parfor), tj viacnásobné vlákna v jednom uzle. Nemáme licenciu na distribuované výpočty. A CONN plánuje viacjadrové úlohy vo viacerých uzloch - to nebude fungovať, pokiaľ si Brown nekúpi licenciu na distribuované výpočty.

Je pre CONN potrebná licencia na distribuovaný počítač? Na stránke dokumentácie nič nevideli.

Môže sa CONN prispôsobiť objemom MNI152NLin6Asym alebo MNI152NLin2009cAsym vloženým z fMRIprep? Zdá sa, že predchádzajúce vlákna hovorili, že keďže obe sú v MNI, sú obe v poriadku. MNI152NLin6Asym v 2 mm má známejší ohraničovací rámček 91 x 109 x 91.

Mal som nápad na analýzu, ale nie som si istý, či je to možné. V mojej štúdii boli pacienti skenovaní dvakrát v kľude (keď boli chorí a znova po liečbe). Použitím návrhu spárovaného t-testu pre ICC a LCOR v Conne som identifikoval určité významné klastre. Chcel by som vedieť objem v týchto klastroch v oboch podmienkach a potom sa ich pokúsiť dať do súvislosti.Zaujímalo by ma, či existuje spôsob, ako to urobiť v Conne? Inak som uvažoval o uložení klastrov ako súborov .nii (že viem, ako na to) a o nejakom importe do cat12, ale neviem ako. A pretože každý z nich je súčasťou niekoľkých NI, nemôžem použiť atlas Conn v kat12 a pozrieť sa na objem konkrétnej NI.

Akákoľvek pomoc by bola veľmi cenená!

Ahoj všetci. Vykonávam pomerne jednoduchú analýzu funkčnej konektivity v pokojovom stave, kde je kontrast v analýze prvej úrovne iba typom vypnutej alebo zapnutej stimulácie, nazvime ich VYPNUTÉ a ZAPNUTÉ, ktoré sa v priebehu cyklu niekoľkokrát striedajú. každého skenovania. Existuje niekoľko typov tejto stimulácie, čo je skupinové rozlíšenie, nazvime ich A, B, C, D atď., Ktoré používam na skupinovú analýzu druhej úrovne. Existuje celkom 100 skenov, ktoré obsahujú celkový počet A, B, C atď.

Môj problém je, že mám oveľa menej ako 100 predmetov, pretože mnohé z nich prispeli viacnásobným skenovaním. Niektorí prispeli iba jedným, niektorí mohli prispieť dvoma k A a jeden k B, niektorí mohli prispieť tromi k C, ale žiadny k žiadnym iným podmienkam atď. Koľko skenov a aké podmienky boli, sa v závislosti od predmetu značne líši.

Zdá sa teda, že to vyžaduje analýzu zmiešaných efektov s predmetom kódovaným ako náhodný efekt, však? Pre jednoduchosť nastavenia analýzy CONN mám každý sken iba ako nový „predmet“ a každý „predmet“ má iba jednu „reláciu“. Ale aby som to urobil správne, jednoducho by som nakódoval každý sken z rovnakého predmetu ako novú reláciu pre tento predmet a nechal by všetky ostatné rovnaké? Je v poriadku, že počet relácií je medzi predmetmi veľmi odlišný a mnohé (väčšina) sa nezúčastnili všetkých podmienok A, B, C atď.? Mám celú túto dávku skriptovanú a chcel by som, aby to tak zostalo, a myslím, že z dokumentácie chápem, ako to urobiť. Vďaka,

Zdravím všetkých, môžem sa s tým popasovať? Zaujímalo by ma, ako použiť možnosť „Relácie“ v prípade viacerých relácií na predmet a vo všeobecnosti tiež model zmiešaných efektov s nerovnakým N, rôznym počtom relácií na predmet, subjektmi, ktoré sa zúčastňujú rôznych podmienok atď. Ďakujem,

Pôvodne napísal Karl Lerud:

Ahoj všetci. Vykonávam pomerne jednoduchú analýzu funkčnej konektivity v pokojovom stave, kde je kontrast v analýze prvej úrovne iba typom vypnutej alebo zapnutej stimulácie, nazvime ich VYPNUTÉ a ZAPNUTÉ, ktoré sa v priebehu cyklu niekoľkokrát striedajú. každého skenovania. Existuje niekoľko typov tejto stimulácie, čo je skupinové rozlíšenie, nazvime ich A, B, C, D atď., Ktoré používam na skupinovú analýzu druhej úrovne. Existuje celkom 100 skenov, ktoré obsahujú celkový počet A, B, C atď.

Môj problém je v tom, že mám oveľa menej ako 100 predmetov, pretože mnohé z nich prispeli viacnásobným skenovaním. Niektorí prispeli iba jedným, niektorí mohli prispieť dvoma k A a jeden k B, niektorí mohli prispieť tromi k C, ale žiadny k žiadnym iným podmienkam atď. Koľko skenov a aké podmienky boli, sa v závislosti od predmetu značne líši.

Zdá sa teda, že to vyžaduje analýzu zmiešaných efektov s predmetom kódovaným ako náhodný efekt, však? Pre jednoduchosť nastavenia analýzy CONN mám každý sken iba ako nový „predmet“ a každý „predmet“ má iba jednu „reláciu“. Ale aby som to urobil správne, jednoducho by som nakódoval každý sken z rovnakého predmetu ako novú reláciu pre tento predmet a nechal by všetky ostatné rovnaké? Je v poriadku, že počet relácií je medzi predmetmi veľmi odlišný a mnohé (väčšina) sa nezúčastnili všetkých podmienok A, B, C atď.? Mám celú túto dávku skriptovanú a chcel by som, aby to tak zostalo, a myslím, že z dokumentácie chápem, ako to urobiť. Vďaka,

Snažím sa prepísať niektoré výsledky svojho projektu, ale stále sa mi zobrazuje táto chyba: „Nie je možné otvoriť súbor“. /Rp_*.txt „, žiadny taký súbor alebo adresár“. Podľa cesty, ktorú zobrazuje pre tento súbor txt, ide o cestu, keď bol súbor vytvorený na externom pevnom disku, ale teraz, keď som tento projekt skopíroval do prenosného počítača, pokúša sa nájsť súbor v adresári, ktorý však nenašiel. existujú zo zrejmých dôvodov.

Existuje nejaký spôsob, ako to vyriešiť?

Ahoj Albert, aký je súbor, ktorý sa pokúšaš nájsť? Ktorý krok procesu vo vašej analýze vstupuje do hry? Ak k tomu pridáte ďalšie informácie, môže byť jednoduchšie zistiť, kde vykonať zmenu.

Skúsili ste nahrať svoj súbor do Maltab - zmeniť tam súbor a potom ho uložiť tak, že keď otvoríte GUI, bude tam nová cesta?

Už nejaký čas pracujem na analýze gPPI v kontrastných dvoch rôznych podmienkach a mám niekoľko potenciálne zaujímavých výsledkov. Narazil som na niečo, na čo som zvedavý a dúfal som, že niečo prinesiem.

Keď sa pozriem na pripojenia ROI k ROI (konkrétne sa pozerám na balíky Schaefer v 3 sieťach), našiel som niekoľko sig. a zaujímavé klastre využívajúce korekciu TFCE v Prieskumníkovi výsledkov. Problém je v tom, že hoci sú všetky klastre veľmi významné, ak rozšírim štatistiku, väčšina spojení sama o sebe nie je (sú opravené FDR okolo p = 0,05 a o niečo vyššie v prieskumníkovi výsledkov). Sú sig. samotné klastre na vyvodenie záverov alebo súvislostí tiež musia byť sig. ? Myslel som si, že TFCE v prieskumníkovi výsledkov tiež opraví hrany a zobrazí iba sig. pripojenia, ale ak je tabuľka správna, potom nie.

Prosím poraďte ak je to možné a ešte raz ďakujem.

To je úplne v poriadku, všetky jednotlivé pripojenia v rámci významného klastra TFCE (napr. Pri prahovaní pomocou TFCE p-FWE & lt0,05) budú mať podľa definície individuálnu štatistiku TFCE (tj. Štatistiku spojenú so skóre TFCE každého jednotlivého pripojenia) pod p- FWE = 0,05, a to je všetko, čo je potrebné na vyvodenie záverov z týchto klastrov. Pri rozširovaní individuálneho klastra vám CONN zobrazí štatistiku T v rámci každého jednotlivého pripojenia. Na rozdiel od štatistík odvodených zo skóre TFCE tohto spojenia, štatistiky odvodené z hodnoty T spojenia predstavujú iba silu tohto individuálneho spojenia (bez ohľadu na silu ostatných spojení v rámci toho istého klastra). Tieto sú ukázané v CONN, len aby vám poskytli dodatočnú mieru relatívnej sily rôznych spojení v každom klastri, ale nemusia dosahovať význam na úrovni jednotlivých spojení, aby mohli robiť závery o pôvodných klastroch alebo spojeniach. ktoré im vyhovujú.

Kylie Isenburg pôvodne napísala:

Už nejaký čas pracujem na analýze gPPI v kontrastných dvoch rôznych podmienkach a mám niekoľko potenciálne zaujímavých výsledkov. Narazil som na niečo, na čo som zvedavý a dúfal som, že niečo prinesiem.

Keď sa pozriem na pripojenia ROI k ROI (konkrétne sa pozerám na balíky Schaefer v 3 sieťach), našiel som niekoľko sig. a zaujímavé klastre využívajúce korekciu TFCE v Prieskumníkovi výsledkov. Problém je v tom, že hoci sú všetky klastre veľmi významné, ak rozšírim štatistiku, väčšina spojení sama o sebe nie je (sú opravené FDR okolo p = 0,05 a o niečo vyššie v prieskumníkovi výsledkov). Sú sig. samotné klastre na vyvodenie záverov alebo súvislostí tiež musia byť sig. ? Myslel som si, že TFCE v prieskumníkovi výsledkov tiež opraví hrany a zobrazí iba sig. pripojenia, ale ak je tabuľka správna, potom nie.

Prosím poraďte ak je to možné a ešte raz ďakujem.

To je úplne v poriadku, všetky jednotlivé pripojenia vo významnom klastri TFCE (napr. Pri prahovaní pomocou TFCE p-FWE & lt0,05) budú mať podľa definície individuálnu štatistiku TFCE (tj. Štatistiku spojenú so skóre TFCE každého jednotlivého pripojenia) pod p- FWE = 0,05, a to je všetko, čo je potrebné na vyvodenie záverov z týchto klastrov. Pri rozširovaní individuálneho klastra vám CONN ukáže štatistiku T v rámci každého jednotlivého pripojenia. Na rozdiel od štatistík odvodených zo skóre TFCE tohto spojenia, štatistiky odvodené od hodnoty T spojenia predstavujú iba silu tohto individuálneho spojenia (bez ohľadu na silu ostatných spojení v rámci toho istého klastra). Tieto sú ukázané v CONN, len aby vám poskytli dodatočnú mieru relatívnej sily rôznych spojení v každom klastri, ale nemusia dosahovať význam na úrovni jednotlivých spojení, aby mohli vyvodzovať závery o pôvodných klastroch alebo spojeniach. ktoré im vyhovujú.

Kylie Isenburg pôvodne napísala:

Už nejaký čas pracujem na analýze gPPI v kontrastných dvoch rôznych podmienkach a mám niekoľko potenciálne zaujímavých výsledkov. Narazil som na niečo, na čo som zvedavý a dúfal som, že niečo prinesiem.

Keď sa pozriem na pripojenia ROI k ROI (konkrétne sa pozerám na balíky Schaefer v 3 sieťach), našiel som niekoľko sig. a zaujímavé klastre využívajúce korekciu TFCE v Prieskumníkovi výsledkov. Problém je v tom, že hoci sú všetky klastre veľmi významné, ak rozšírim štatistiku, väčšina spojení sama o sebe nie je (sú opravené FDR okolo p = 0,05 a o niečo vyššie v prieskumníkovi výsledkov). Sú sig. samotné klastre na vyvodenie záverov alebo súvislostí tiež musia byť sig. ? Myslel som si, že TFCE v prieskumníkovi výsledkov tiež opraví hrany a zobrazí iba sig. pripojenia, ale ak je tabuľka správna, potom nie.

Prosím poraďte ak je to možné a ešte raz ďakujem.

To je veľmi užitočné - ďakujem veľmi pekne! Mám jednu poslednú otázku, v ktorú som dúfal, že by ste mi mohli pomôcť. Chcel by som sa pozrieť na klastrovanie/ pripojenia ROIi k ROI založené na sieťach, nie na hierarchickom usporiadaní. To znamená, že keby som ich mohol zorganizovať tak, aby každý balík z každej siete bol vedľa seba, bolo by to skvelé.

Čítal som predchádzajúce príspevky, kde ste vysvetlili, že môžeme importovať vlastné poradie klastrov na základe súboru connROIorder.mat - nerozumiem však všetkým poliam v tomto súbore, takže si nie som istý, ako ho v Matlabe upraviť. aby zodpovedal poradiu balíkov Schaefer, ktoré používam. Máte šancu poradiť? Vopred ešte raz ďakujem!

Ahoj!
Práve som si stiahol verziu 13.o a načítal projekt, na ktorom som pracoval. Keď som sa pokúsil spustiť analýzu prvej úrovne, zobrazila sa táto chyba:

. Chyba pri použití == & gt uložiť
Nie je možné zapísať súbor D: . conn_allPts_pre results firstlevel ANALYSIS_01 resultsROI_Subject001_Condition001.mat.

Chyba v == & gt conn_process o 1395
uložiť (názov súboru, 'Z', 'regresory', 'mená', 'names2', 'xyz', 'SE', 'DOF')
Chyba v == & gt conn_process o 21
prípad 'analyses_gui_seed', disp (['CONN: RUNNING ANALYSIS STEP
(Analýzy ROI k ROI alebo seed-to-voxel) '])
conn_process ([10: 12,15], CONN_x.Analysis)
Chyba v == & gt conn v roku 1988
conn_process ('analyses_gui_seed', CONN_x. Analýza)
Chyba v == & gt conn_menumanager na 116
feval (MM.MENU.zavolaj späť<1>, MM.MENU.zavolaj späť<2: end>)
. Chyba pri vyhodnocovaní obrázku WindowButtonUpFcn

Myslel som si, že to môže byť spôsobené nejakou nekompatibilitou so starým súborom a novým softvérom. Načítal som teda ten, ktorý ešte nebol predspracovaný a dostal som toto:

. Chyba pri použití == & gt uložiť
Nie je možné zapísať súbor D: . REX.mat.

Chyba v == & gt rex na 154
keby
strcmpi (params.output_type, 'save') || strcmpi (params.output_type, 'saverex'),
uložiť ('REX.mat', 'params') koniec
Chyba v == & gt conn_rex o 8
[varargout <1: nargout>] = rex (varargin <:>)
Chyba v == & gt conn_process pri 480
[údaje, namesroi, params] = conn_rex (Vsource, Vmask, „súhrnné_meradlo“, „priemer“, „maska ​​spojenia“, maska, „úroveň“, úroveň, „škálovanie“, úroveň mierky, „výberové_klastre“, 0,
Chyba v == & gt conn_process o 11
prípad 'setup', disp (['CONN: RUNNING SETUP STEP'])
conn_process ([0: 5])
Chyba v == & gt conn na 1177
conn_process ('setup')
Chyba v == & gt conn_menumanager na 116
feval (MM.MENU.zavolaj späť<1>, MM.MENU.zavolaj späť<2: end>)
. Chyba pri vyhodnocovaní obrázku WindowButtonUpFcn

Zaujímalo by ma, či som pokazil inštaláciu. Všetky návrhy na vyriešenie tohto problému sú veľmi cenené.
Vďaka!
Chaleece

Vážený Alfonso a komunita CONN,

Na analýzu používam dávkový kód - moje NI sú špecifické pre predmet, ale neviem, ako to špecifikovať v skripte. Môj aktuálny skript je priložený. Akékoľvek vedenie by bolo veľmi cenené!

Pekný deň vám všetkým. V Conn som relatívne nový. Predložili sme dlhodobú štúdiu s malou kohortou (16 subjektov) a analyzovali sme účinok lieku po jednom roku pomocou analýzy na základe osiva. Ako kovariát sme použili neurokognitívne skóre

Našli sme veľmi dobré výsledky so zlepšením konektivity vo viacerých sieťach a tam paralelne s neurokognitívnym zlepšením.
Otázka našich recenzentov
Otázka: 1: V analýzach osivo-voxel bolo skúmaných celkom 16 oblastí zárodku, takže by sa malo riešiť/kontrolovať pravdepodobné falošne pozitívne výsledky a ako súhrn nástrojov porovnáva nástroj Conn.
Otázka: 2: Dostali účastníci pokyn, aby mali zatvorené alebo otvorené oči (tj. Zamerali sa na biely kríž)? Vzhľadom na známy vplyv pravdepodobného vplyvu na FC s otvorenými alebo zatvorenými očami je žiaduce zahrnúť ho ako kovariant do analýzy údajov druhej úrovne.
Predpokladám, že falošné pozitíva boli už vyriešené pomocou korekcie FDR a štatistických záverov vykonaných na úrovni klastra s využitím prahu na úrovni klastra p (FDR) <0,05 po aplikácii nekorigovaného prahu voxelu p <0,001. Viacnásobné porovnania v CONN sú už v modeli zabudované, alebo musíme ručne vykonať nejaké kroky?
Keď všetky subjekty prešli rovnakým protokolom, existuje dôvod použiť otvorené oči ako kovariant?
Veľmi by som ocenil vaše príspevky.
Šiva

Vážení experti spoločnosti CONN,
Robím analýzu konektivity ROI k ROI v CONN (v2020b).
Spolu s „anatomickou“ parceláciou AAL by som chcel použiť aj ďalšie mozgové parcelacie „založené na konektivite“ (konkrétne atlasy Schaefer a Brainnetome).
Ich verzie som však mohol nájsť iba v priestore „FSL-MNI“ (https://github.com/ThomasYeoLab/CBIG/tre.) Alebo v priestore „HCP-MNI“ (https: //atlas.brainnetome. org/), ktoré, pokiaľ viem, sa mierne líšia od verzie priestoru MNI implementovaného v SPM12 (a CONN).

Som si vedomý toho, že rozdiely sú veľmi malé, ale premýšľal som, či tento nesúlad môže byť relevantný pre môj účel (t.j. získať úplné matice pripojiteľnosti ROI k ROI s rôznymi atlasmi). Ak áno, poznáte verzie týchto atlasov v priestore SPM-MNI (alebo inú zmysluplnú metódu na vyriešenie tohto problému-napríklad registráciu atlasu do SPM-MNI?)?

Musí byť tiež návratnosť záujmu importovaného atlasu 1 mm-izotropné rozlíšenie (ako vstavané atlasy CONN) alebo sú iné rozlíšenia (napr. 2 mm alebo 1,25 mm izotropné) rovnako prijateľné?

Vopred ďakujem za pomoc,
Giuseppe

V praxi sa tieto rozdiely často považujú za dostatočne malé na to, aby boli znepokojujúce, možno hlavne preto, že existuje mnoho ďalších potenciálnych zdrojov rozdielov (napr. V závislosti od podrobností o akvizícii, podrobnostiach vašej vzorky atď.), Od ktorých sa dá odôvodnene očakávať, že vytvoria podobné alebo väčšie rozdiely medzi výsledkami normalizácie vo vašej vzorke z výsledkov normalizácie v dátach použitých na generovanie atlasu. To znamená, že jeden možný/rozumný prístup k pokusu minimalizovať tieto rozdiely by bolo normalizovať v SPM referenčný anatomický obraz v priestore atlasu (napr. MNI152 NLIN, 6. generácia pre FSL?) A potom použiť rovnakú normalizačnú transformáciu na váš súbor atlasu ( napr. pomocou prevzorkovania najbližšieho suseda, aby nedošlo k narušeniu štruktúry štítkov údajov), aby sa preniesli do rovnakého priestoru MNI ako vaše údaje (napr. z FSL-MNI do SPM-MNI).

A pokiaľ ide o vašu otázku o rozlíšení, atlasy a súbory ROI je možné uložiť v akomkoľvek rozlíšení, pokiaľ sú správne zaregistrované k funkčným údajom (tieto informácie sú uložené v hlavičkových súboroch nifti, kódujúcich transformáciu medzi súradnicami voxelu a „ svetové súradnice) podrobnosti o veľkosti súborov voxel, ohraničovacom rámčeku obrázka atď. vašich súborov môžu byť ľubovoľné.

Pôvodne napísal Giuseppe Pontillo:

Vážení experti spoločnosti CONN,
Robím analýzu konektivity ROI k ROI v CONN (v2020b).
Spolu s „anatomickou“ parceláciou AAL by som chcel použiť aj ďalšie mozgové parcelacie „založené na konektivite“ (konkrétne atlasy Schaefer a Brainnetome).
Ich verzie som však mohol nájsť iba v priestore „FSL-MNI“ (https://github.com/ThomasYeoLab/CBIG/tre.) Alebo v priestore „HCP-MNI“ (https: //atlas.brainnetome. org/), ktoré, pokiaľ viem, sa mierne líšia od verzie priestoru MNI implementovaného v SPM12 (a CONN).

Som si vedomý toho, že rozdiely sú veľmi malé, ale premýšľal som, či tento nesúlad môže byť relevantný pre môj účel (t.j. získať úplné matice pripojiteľnosti ROI k ROI s rôznymi atlasmi). Ak áno, poznáte verzie týchto atlasov v priestore SPM-MNI (alebo inú zmysluplnú metódu na vyriešenie tohto problému-napríklad registráciu atlasu do SPM-MNI?)?

Musí byť tiež návratnosť záujmu importovaného atlasu 1 mm-izotropné rozlíšenie (ako vstavané atlasy CONN) alebo sú iné rozlíšenia (napr. 2 mm alebo 1,25 mm izotropné) rovnako prijateľné?

Vopred ďakujem za pomoc,
Giuseppe

Snažím sa spustiť predvolený kanál predbežného spracovania prostredníctvom GUI na jeden predmet pomocou CONN v20b v klastri mojej univerzity. Zdá sa však, že sa „zasekáva“ v štádiu detekcie Outlier. To znamená, že MATLAB nevyhodí chybu, ale program sa z tohto kroku nepohne ďalej ani po uložení súboru art_screenshot.jpg. Nie som si istý, čo mám robiť, pretože MATLAB nevyvoláva chybu, takže nemôžem diagnostikovať skutočný problém.

Úspešne som spustil tento kanál na svojom lokálnom počítači s rovnakým predmetom, takže som si celkom istý, že to nie je problém s mojimi údajmi. Zaujímalo by ma, či ste sa s týmto problémom stretli už predtým, keď sa ľudia pokúšajú spustiť túto verziu panela s nástrojmi v klastri?

Používam nasledujúce programy:
- CONN v20b
- SPM12 v7771

Akákoľvek rada by bola veľmi cenená!

Snažím sa spustiť predvolený kanál predbežného spracovania prostredníctvom GUI na jeden predmet pomocou CONN v20b v klastri mojej univerzity. Zdá sa však, že sa „zasekáva“ v štádiu detekcie Outlier.To znamená, že MATLAB nevyhodí chybu, ale program sa z tohto kroku nepohne ďalej ani po uložení súboru art_screenshot.jpg. Nie som si istý, čo mám robiť, pretože MATLAB nevyvoláva chybu, takže nemôžem diagnostikovať skutočný problém.

Úspešne som spustil tento kanál na svojom lokálnom počítači s rovnakým predmetom, takže som si celkom istý, že to nie je problém s mojimi údajmi. Zaujímalo by ma, či ste sa s týmto problémom stretli už predtým, keď sa ľudia pokúšajú spustiť túto verziu panela s nástrojmi v klastri?

Používam nasledujúce programy:
- CONN v20b
- SPM12 v7771

Akákoľvek rada by bola veľmi cenená!

Keď som dostal vašu odpoveď, išiel som zrušiť spustenú úlohu stlačením klávesov „ctl + c“. To poskytlo nasledujúce chybové hlásenie MATLAB:

"Operácia ukončená používateľom počas dos (riadok 67)

Chyba pri použití zavrieť
Pri vyhodnocovaní obrázku CloseRequestFcn prerušte. "

Program potom pokračoval vo vykonávaní priamej segmentácie a normalizácie a úspešne spustil zvyšok kanála predbežného spracovania. Vo výstupe boli prítomné všetky súbory, ktoré by som očakával. Vo výstupe však bolo aj 6 súborov, ktoré som nečakal, vrátane nasledujúcich:

art_mask_temporalfile20210409094858825.mat
art_mask_temporalfile202104090948588251.mat
art_mask_temporalfile202104090948588252.mat
art_mask_temporalfile202104090948588253.mat
art_mask_temporalfile202104090948588254.mat
art_mask_temporalfile202104090948588255.mat

Nikdy predtým som sa nesnažil uzavrieť prácu týmto spôsobom, pretože som nechal uplynúť dobu platnú pre predchádzajúcu prácu.

Zdá sa však zvláštne, že by som potreboval zrušiť proces, aby potrubie pokračovalo v prevádzke.

Tiež sa nezdá, že by bol pre tento projekt vytvorený qloq. Zaujímalo by ma, či je to preto, že som otvoril uzol, potom otvoril projekt Conn a potom v uzle „bežal lokálne“.

Ďakujem za podrobnú spätnú väzbu, domnievam sa, že sa tento postup mohol zaseknúť pri pokuse o odstránenie týchto súborov a pravdepodobne čakať na potvrdenie používateľom, pretože niektoré z nich mohli byť označené iba ako čítanie. Mohli by ste prosím vyskúšať priloženú opravu a dať mi vedieť, ak sa zdá, že sa tým problém vyrieši? (táto oprava je pre vydanie 20b, na jej inštaláciu jednoducho skopírujte tento súbor do priečinka distribúcie conn a prepíšte tam súbor s rovnakým názvom).

Ešte raz ďakujem!
Alfonsa

Ryan Daley pôvodne napísal:

Keď som dostal vašu odpoveď, išiel som zrušiť spustenú úlohu stlačením klávesov „ctl + c“. To poskytlo nasledujúce chybové hlásenie MATLAB:

"Operácia ukončená používateľom počas dos (riadok 67)

Chyba pri použití zavrieť
Pri vyhodnocovaní obrázku CloseRequestFcn prerušte. "

Program potom pokračoval vo vykonávaní priamej segmentácie a normalizácie a úspešne spustil zvyšok kanála predbežného spracovania. Vo výstupe boli prítomné všetky súbory, ktoré by som očakával. Vo výstupe však bolo aj 6 súborov, ktoré som nečakal, vrátane nasledujúcich:

art_mask_temporalfile20210409094858825.mat
art_mask_temporalfile202104090948588251.mat
art_mask_temporalfile202104090948588252.mat
art_mask_temporalfile202104090948588253.mat
art_mask_temporalfile202104090948588254.mat
art_mask_temporalfile202104090948588255.mat

Nikdy predtým som sa nepokúšal uzavrieť prácu týmto spôsobom, pretože som nechal predchádzajúci čas vypršať.

Zdá sa však zvláštne, že by som potreboval zrušiť proces, aby potrubie pokračovalo v prevádzke.

Tiež sa nezdá, že by bol pre tento projekt vytvorený qloq. Zaujímalo by ma, či je to preto, že som otvoril uzol, potom otvoril projekt Conn a potom v uzle „bežal lokálne“.

Práve som vykonal niekoľko testov a bohužiaľ sa nezdá, že by to problém vyriešil. Opäť nebola vyhodená žiadna chyba, ale potrubie sa zdá byť zavesené po uložení súboru art_screenshot.jpg.

Ahoj,
Mal som presne ten istý problém a oprava to vyriešila.

Ďakujem ti veľmi pekne!
Giuseppe


Alfonso Nieto-Castanon pôvodne napísal:

Ďakujem za podrobnú spätnú väzbu, domnievam sa, že sa tento postup mohol zaseknúť pri pokuse o odstránenie týchto súborov a pravdepodobne čakať na potvrdenie používateľom, pretože niektoré z nich mohli byť označené iba ako čítanie. Mohli by ste skúsiť priloženú opravu a dať mi vedieť, ak sa zdá, že sa tým problém vyrieši? (táto oprava je pre vydanie 20b, na jej inštaláciu jednoducho skopírujte tento súbor do priečinka distribúcie conn a prepíšte tam súbor s rovnakým názvom).

Ešte raz ďakujem!
Alfonsa

Ryan Daley pôvodne napísal:

Keď som dostal vašu odpoveď, išiel som zrušiť spustenú úlohu stlačením klávesov „ctl + c“. To poskytlo nasledujúce chybové hlásenie MATLAB:

"Operácia ukončená používateľom počas dos (riadok 67)

Chyba pri použití zavrieť
Pri vyhodnocovaní obrázku CloseRequestFcn prerušte. "

Program potom pokračoval vo vykonávaní priamej segmentácie a normalizácie a úspešne spustil zvyšok kanála predbežného spracovania. Vo výstupe boli prítomné všetky súbory, ktoré by som očakával. Vo výstupe však bolo aj 6 súborov, ktoré som nečakal, vrátane nasledujúcich:

art_mask_temporalfile20210409094858825.mat
art_mask_temporalfile202104090948588251.mat
art_mask_temporalfile202104090948588252.mat
art_mask_temporalfile202104090948588253.mat
art_mask_temporalfile202104090948588254.mat
art_mask_temporalfile202104090948588255.mat

Nikdy predtým som sa nesnažil uzavrieť prácu týmto spôsobom, pretože som nechal uplynúť dobu platnú pre predchádzajúcu prácu.

Zdá sa však zvláštne, že by som potreboval zrušiť proces, aby potrubie pokračovalo v prevádzke.

Tiež sa nezdá, že by bol pre tento projekt vytvorený qloq. Zaujímalo by ma, či je to preto, že som otvoril uzol, potom otvoril projekt Conn a potom v uzle „bežal lokálne“.

Ahoj užívatelia/odborníci/fanúšikovia Alfonso a Conn,

1) Pokúšam sa importovať podmienky pre gPPI zo súboru CSV, ale zobrazuje sa nasledujúca chyba:

Chyba pri použití conn_importcondition (riadok 199)
viac riadkov pre podmienku Correct_Go predmet 1 relácia 1

Pracujem na úlohe Go-NoGo s jednou reláciou, štyrmi podmienkami: Correct_Go / Correct_NoGo / Failed_Go / Failed_NoGo. Nástupy sa líšia od predmetu k predmetu, pretože chyby sú zahrnuté v podmienkach (Failed_Go pre chyby vynechania a chyby provízie Failed_NoGo).

Priložil som príklad súboru csv pre troch účastníkov. Mám pocit, že som dodržal akceptovaný formát pre Conn, takže som z tohto chybového hlásenia zmätený.

Mohli by ste mi s tým prosím pomôcť?

2) Len s očakávaním možného nasledujúceho problému, nie všetci účastníci majú rovnaký počet podmienok, pretože niektorí neurobili žiadnu chybu, a preto nemajú príklady Failed_Go a/alebo Failed_NoGo. Bude to problém?

Mnohokrát ďakujem vopred,
Arthur Montalto

Ak by som nadviazal na moje predchádzajúce otázky, vedel by niekto pomôcť? Stále nemôžem pochopiť túto chybu:

Chyba pri použití conn_importcondition (riadok 199)
viac riadkov pre podmienku Correct_Go predmet 1 relácia 1

Napríklad (alebo si pozrite súbor priložený k mojej predchádzajúcej správe), toto je ukážka súboru csv z prvých 4 nástupov prvých 3 predmetov:

názov_podmienky predmet_číslo relácia_číslo trvanie nástupu
Správne_Go, 1, 1, 0,01, 0
Correct_Go, 1, 1, 2,4948, 0
Correct_Go, 1, 1, 4,981, 0
Failed_NoGo, 1, 1, 7,468, 0
Správne_Go, 2, 1, 0,01, 0
Correct_Go, 2, 1, 2,4948, 0
Correct_Go, 2, 1, 4,981, 0
Correct_NoGo, 2, 1, 7,468, 0
Správne_Go, 3, 1, 0,01, 0
Correct_Go, 3, 1, 2,4948, 0
Správne_Go, 3, 1, 4,981, 0
Correct_NoGo, 3, 1, 7,468, 0

Nie je niečo v poriadku s týmto formátom?

Podmienkový formát .csv očakáva, že zbalíte všetky udalosti rovnakého stavu, predmetu a relácie do jedného riadka, napr.

názov_podmienky_číslo subjektu_číslo relácie_číslo trvania nástupu
Correct_Go, 1, 1, 0,01 2,4948 4,981, 0
Failed_NoGo, 1, 1, 7,468, 0
Correct_Go, 2, 1, 0,01 2,4948 4,981, 0
Correct_NoGo, 2, 1, 7,468, 0
Correct_Go, 3, 1, 0,01 2,4948 4,981, 0
Correct_NoGo, 3, 1, 7,468, 0
atď.

Arthur Montalto pôvodne napísal:

Ak by som nadviazal na moje predchádzajúce otázky, vedel by niekto pomôcť? Stále nemôžem pochopiť túto chybu:

Chyba pri použití conn_importcondition (riadok 199)
viac riadkov pre podmienku Correct_Go predmet 1 relácia 1

Napríklad (alebo si pozrite súbor priložený k mojej predchádzajúcej správe), toto je ukážka súboru csv z prvých 4 nástupov prvých 3 predmetov:

názov_podmienky predmet_číslo relácia_číslo trvanie nástupu
Správne_Go, 1, 1, 0,01, 0
Correct_Go, 1, 1, 2,4948, 0
Correct_Go, 1, 1, 4,981, 0
Failed_NoGo, 1, 1, 7,468, 0
Správne_Go, 2, 1, 0,01, 0
Correct_Go, 2, 1, 2,4948, 0
Correct_Go, 2, 1, 4,981, 0
Correct_NoGo, 2, 1, 7,468, 0
Správne_Go, 3, 1, 0,01, 0
Correct_Go, 3, 1, 2,4948, 0
Správne_Go, 3, 1, 4,981, 0
Correct_NoGo, 3, 1, 7,468, 0

Nie je niečo v poriadku s týmto formátom?

Ak vykonám spoločnú regresiu pomocou 3 kovariátu (X Y a Z) a zistím významnú interakciu medzi pravým accumbens a pravým uhlovým gyrom, bolo by nasledujúce tvrdenie správne.

"Vykonali sme viacnásobnú regresnú analýzu, aby sme preskúmali vzťah medzi X, Y, Z a funkčnou konektivitou s Accumbens r. Výsledky odhalili významnú interakciu medzi X, Y a Z a predpovedali funkčnú konektivitu dynamického pokojového stavu medzi správnymi účtami a pravouhlý gyroskop, F (#, ##) =#. ##, p =#. ##. “

Pokúšam sa načítať výsledky z publikovaného príspevku, ktorý pomocou CONN sledoval, ako vykonali svoju analýzu (potom dúfajme, že ich analytické kroky vykonám s vlastnými údajmi). Majú k dispozícii svoje nespracované údaje fMRI a údaje o začiatku úlohy otvorený zdroj a potom všetky svoje súboryROI_Subject001_Condition001.mat pre svoje 2 podmienky a 37 subjektov. Nemajú k dispozícii súbor projektu conn _*. Mat, ktorý môžem načítať/prezerať. Chcel som vedieť, či existuje spôsob, akým by som mohol načítať týchto 74 výsledkov prvých úrovníROI_Subject0 ** _ Condition00*.mat do CONN, aby som zobrazil výsledky v GUI a ich experimentálnom nastavení bez toho, aby som začínal od nespracovaných súborov a pokúšal sa celú vec znova vytvoriť. sám. Tiež som narazil na podobný problém, keď mi v laboratórnej jednotke došla pamäť a môj súbor projektu conn _*. Mat bol poškodený a nemohol som prísť na to, ako načítať všetko, čo som už spustil, do nového projektu a skončil som ho znova.

Súvisí - robím to všetko, aby som sa pokúsil zistiť, ako najlepšie zvládnuť moje 3 podmienky v mojej analýze - pre každého účastníka mám bloky odpočinku (len sledovanie obrazovky úloh), kontrolnú matematickú úlohu a stresujúcu matematickú úlohu a uskutočnil analýzy s kontrolnými, experimentálnymi a pokojovými podmienkami zahrnutými v podmienkach prvej úrovne gPPI, ktoré sa majú modelovať, a potom vykonal [-1 1] "rozdielovú experimentálnu> kontrolu" pre kontrast medzi podmienkami v analýze druhej úrovne. Nie som si istý, či mám namiesto toho robiť [0 1 0] a „efekt experimentu“ pre druhé úrovne. Pokiaľ ide o moju hlavnú analýzu založenú na jadrách, zdá sa, že [-1 1] kontrast prináša logické výsledky, ale pri skupinovej analýze ICA pomocou [-1 1] kontrastu sa eliminujú všetky výsledky a mám pocit, že je to teoreticky pre ICA nesprávne.

Snažím sa spustiť analýzy ROI druhej úrovne ROI druhej úrovne s grafickým rozhraním. Niektoré z mojich subjektov majú v dôsledku výpadku nízky signál v určitých oblastiach záujmu, a hoci CONN vypočítal hodnoty FC prvej úrovne pre tieto oblasti záujmu, v analýze druhej úrovne by som chcel vylúčiť tieto problematické oblasti záujmu prípad od prípadu. Je možné to urobiť v CONNe bez vylúčenia celého predmetu? Skúsil som hľadať na fóre, ale zatiaľ som o tom nehovoril!

Vopred ďakujem za pomoc!
Jenna

Počas fMRI som zozbieral údaje o vodivosti pokožky (SC) a chcel by som použiť SC ako regresora záujmu (na individuálnej úrovni) v analýze, ktorá sa pokúša identifikovať hrany, ktoré korelujú s časovým radom SC (na úrovni skupiny) ). Aby som to zjednodušil, spojil som časové rady SC každého subjektu do TR-dlhých zásobníkov tak, aby signál BOLD a SC mali rovnaký počet časových bodov.
Je to niečo, čo môžem urobiť v CONN? Možno prostredníctvom karty Podmienky? Považovať časové rady SC za podmienku v úlohe?

Áno, určite, v CONNe sa to nazýva analýza „časovej modulácie“: jednoducho zadajte svoju SC časovú sériu (pre každý predmet a ampéziu) ako novú kovariáciu prvej úrovne v CONN a potom v analýza prvej úrovne záložka definuje novú analýzu „dočasnej modulácie“ a po výzve vyberte ako interakčný faktor vašu SC kovariáciu. To vypočíta pre každý subjekt a každé spojenie časovú asociáciu medzi silou konektivity a vodivosťou pokožky a samozrejme potom môžete tieto opatrenia zadať do analýz druhej úrovne ako obvykle. Ako ďalšie analýzy v CONN môžete tieto časovo-modulačné analýzy použiť v kontexte opatrení prepojenia seed-to-voxel alebo ROI-to-ROI.

Dúfam, že to pomôže
Alfonsa
Rany Abend pôvodne napísal:

Počas fMRI som zozbieral údaje o vodivosti pokožky (SC) a chcel by som použiť SC ako regresora záujmu (na individuálnej úrovni) v analýze, ktorá sa pokúša identifikovať hrany, ktoré korelujú s časovým radom SC (na úrovni skupiny) ). Aby som to zjednodušil, spojil som časové rady SC každého subjektu do TR-dlhých zásobníkov tak, aby signál BOLD a SC mali rovnaký počet časových bodov.
Je to niečo, čo môžem urobiť v CONN? Možno prostredníctvom karty Podmienky? Považovať časové rady SC za podmienku v úlohe?

Ďakujem veľmi pekne, Alfonso. To je neuveriteľne užitočné.
Skúsim to a budem pokračovať, ak sa dostanem do problémov.

Alfonso Nieto-Castanon pôvodne napísal:

Áno, určite, v CONNe sa to nazýva analýza „časovej modulácie“: jednoducho zadajte svoju SC časovú sériu (pre každý predmet a ampéziu) ako novú kovariáciu prvej úrovne v CONN a potom v analýza prvej úrovne záložka definuje novú analýzu „dočasnej modulácie“ a po výzve vyberte ako interakčný faktor vašu SC kovariáciu. To vypočíta pre každý subjekt a každé spojenie časovú asociáciu medzi silou konektivity a vodivosťou pokožky a samozrejme potom môžete tieto opatrenia zadať do analýz druhej úrovne ako obvykle. Ako ďalšie analýzy v CONN môžete tieto časovo-modulačné analýzy použiť v kontexte opatrení prepojenia seed-to-voxel alebo ROI-to-ROI.

Dúfam, že to pomôže
Alfonsa
Rany Abend pôvodne napísal:

Počas fMRI som zozbieral údaje o vodivosti pokožky (SC) a chcel by som použiť SC ako regresora záujmu (na individuálnej úrovni) v analýze, ktorá sa pokúša identifikovať hrany, ktoré korelujú s časovým radom SC (na úrovni skupiny) ). Aby som to zjednodušil, spojil som časové rady SC každého subjektu do TR-dlhých zásobníkov tak, aby signál BOLD a SC mali rovnaký počet časových bodov.
Je to niečo, čo môžem urobiť v CONN? Možno prostredníctvom karty Podmienky? Považovať časové rady SC za podmienku v úlohe?

Dúfam, že sa máš dobre! Mám niekoľko otázok týkajúcich sa súhrnných testov, ktoré sa vykonávajú ako súčasť analýz FNC ROI-ROI.

- Conn 20.b, SPM12 7771, MATLAB R2016a
- 39 zdravých subjektov, 57 pacientov
- úloha fMRI, kde sa v súčasnosti pozerám na jednu podmienku, ktorá je zaujímavá
- analýzy vykonávané v rovnakom priestore ako funkčné (ktoré sú normalizované na priestor MNI s 3 mm izotropnou veľkosťou voxelu)
-Pripojenie ROI-ROI s váženou koreláciou založené na HRF pomocou sietí Schaefer 7, 100 balíkov atlasov
- druhá úroveň ROI-ROI FNC (so štandardným nastavením)
- zadanie súboru vlastného zoskupenia, kde sú balíky zoskupené podľa 7 sietí

To, čo si myslím, sa robí počas FNC:
- keďže existuje 7 skupín návratnosti investícií, existuje nchoosek (7,2) = 21 medzi sieťovými klastrami a 7 v rámci sieťových klastrov = 28 klastrov (čo vidím v grafickom rozhraní s klastrami od 1 do 28)
- Pre každý z 28 klastrov vykonajte viacrozmerný GLM, kde Y = všetky párové spojenia medzi oblasťami záujmu v rámci klastra, X = jednotky (n, 1) [v prípade jedného testu vzorky, kde n je veľkosť vzorky] ALEBO X = [[jednotky (N1,1) nuly (N2,1)], [nuly (N1,1) jednotky (N2,1)]] pre porovnanie medzi skupinami, kde N1 a N2 sú veľkosti vzorky a bude špecifikovaný kontrast ako [1, -1]
- Po súhrnnom teste nasleduje séria t-testov pre každý pár pripojení v rámci klastra

Otázky:
Je správne tvrdiť, že pre každý klaster je súhrnný test „existujú v tomto klastri nejaké páry spojení, pre ktoré nie je priemerná konektivita nulová“ (pre test v rámci skupiny) ALEBO „existujú nejaké páry spojení v rámci tohto klastra? klaster, kde priemerný rozdiel v konektivite medzi týmito dvoma skupinami nie je nulový “(pre medziskupinový test)?

Ako konkrétny príklad, povedzme, že mojím prvým klastrom je DMN, v skupine DMN je 24 NI. V rámci tohto klastra by teda bolo 276 párov spojení. Pretože v rámci skupinového porovnávania pre zdravé subjekty mi GUI ukazuje F (2,37) = 696,19. Ak zoskupím svoje hodnoty konektivity ako maticu 39 x 276 DMN_HS, potom možno štatistiku F získať ako: [h, F, p, dof, statsname] = conn_glm (ones (39,1), DMN_HS)? Podobne sú medzi skupinami súhrnné stupne voľnosti (3,92).

Možno zle chápem súhrnné testy, ktoré sa tu vykonávajú? Mohli by ste poskytnúť nejaké objasnenie/postrehy o súhrnnom teste, ktorý sa vykonáva, a o tom, ako sa vyššie vypočítavajú stupne voľnosti? Ďakujem veľmi pekne za váš čas a pomoc.

Okrem toho existuje spôsob, ako vykonať dvojvýberový t-test za predpokladu nerovnakej odchýlky (tj. Welchov test)?

Pravesh Parekh pôvodne napísal:

Dúfam, že sa máš dobre! Mám niekoľko otázok týkajúcich sa súhrnných testov, ktoré sa vykonávajú ako súčasť analýz FNC ROI-ROI.

- Conn 20.b, SPM12 7771, MATLAB R2016a
- 39 zdravých subjektov, 57 pacientov
- úloha fMRI, kde sa v súčasnosti pozerám na jednu podmienku, ktorá je zaujímavá
- analýzy vykonávané v rovnakom priestore ako funkčné (ktoré sú normalizované na priestor MNI s 3mm izotropnou veľkosťou voxelu)
-Pripojenie ROI-ROI s váženou koreláciou založené na HRF pomocou sietí Schaefer 7, 100 balíkov atlasov
- druhá úroveň ROI-ROI FNC (so štandardným nastavením)
- špecifikácia súboru vlastného zoskupenia, kde sú balíky zoskupené podľa 7 sietí

To, čo si myslím, sa robí počas FNC:
- keďže existuje 7 skupín návratnosti investícií, existuje nchoosek (7,2) = 21 medzi sieťovými klastrami a 7 v rámci sieťových klastrov = 28 klastrov (čo vidím v grafickom rozhraní s klastrami od 1 do 28)
- Pre každý z 28 klastrov vykonajte viacrozmerný GLM, kde Y = všetky párové spojenia medzi oblasťami záujmu v rámci klastra, X = jednotky (n, 1) [v prípade jedného testu vzorky, kde n je veľkosť vzorky] ALEBO X = [[jednotky (N1,1) nuly (N2,1)], [nuly (N1,1) jednotky (N2,1)]] pre porovnanie medzi skupinami, kde N1 a N2 sú veľkosti vzorky a bude špecifikovaný kontrast ako [1, -1]
- Po súhrnnom teste nasleduje séria t-testov pre každý pár pripojení v rámci klastra

Otázky:
Je správne tvrdiť, že pre každý klaster je súhrnný test „existujú v tomto klastri nejaké páry spojení, pre ktoré nie je priemerná konektivita nulová“ (pre test v rámci skupiny) ALEBO „existujú nejaké páry spojení v rámci tohto klastra? klaster, kde priemerný rozdiel v konektivite medzi týmito dvoma skupinami nie je nulový “(pre medziskupinový test)?

Ako konkrétny príklad, povedzme, že mojím prvým klastrom je DMN, v skupine DMN je 24 NI. V rámci tohto klastra by teda bolo 276 párov spojení. Pretože v rámci skupinového porovnávania pre zdravé subjekty mi GUI ukazuje F (2,37) = 696,19. Ak zoskupím svoje hodnoty konektivity ako maticu 39 x 276 DMN_HS, potom možno štatistiku F získať ako: [h, F, p, dof, statsname] = conn_glm (ones (39,1), DMN_HS)? Podobne sú medzi skupinami súhrnné stupne voľnosti (3,92).

Možno zle chápem súhrnné testy, ktoré sa tu vykonávajú? Mohli by ste poskytnúť nejaké objasnenie/postrehy o súhrnnom teste, ktorý sa vykonáva, a o tom, ako sa vyššie vypočítavajú stupne voľnosti? Ďakujem veľmi pekne za váš čas a pomoc.

Mám otázku týkajúcu sa efektov relácie alebo efektov úlohy, ktoré je možné pridať ako zmätok v kroku odstraňovania šumu CONN. Sú zahrnuté v predvolenom odšumovacom potrubí. Som však zmätený: sú relevantné iba pre relácie úloh (t. J. S vizuálnym podnetom) alebo aj pre sedenia v čistom stave? Nedávne dokumenty v pokojovom stave, ktoré som čítal, sa líšia v tom, že tieto efekty zahrnujú ako zmätky v CONN - niektoré ich obsahujú, niektoré nie. Čo presne tieto zmätky odstraňujú z údajov?

konkrétne pozadie:
Chcem analyzovať skenovanie v kľudovom stave 27 jedincov v pred-post pokojovom stave. Na jeden predmet teda existujú 2 (6 minútové) sedenia. Obe tieto relácie pozostávajú z identickej úlohy v pokojovom stave (pri pohľade na fixačný kríž na tmavej obrazovke) v rámci celého časového radu. Importoval som údaje vopred spracované pomocou príkazu fmri-prep a pre krok odšumovania boli vytvorené dve rôzne zmätky: efekt pre_rest a efekt post_rest. Označuje sa ich zahrnutie do odšumovania? Zdá sa mi to neintuitívne, pretože podmienky sa nelíšia medzi pre a post a tiež preto, že mi nie je jasné, čo odstraňujem.

Ďakujem veľmi pekne za akúkoľvek pomoc!
Malte

P.S .: Pre ostatných, ktorí sú v CONN -e noví - tieto časté otázky boli skvelé pre prvú orientáciu:
http://www.alfnie.com/software/conn

rýchle nadviazanie na moju otázku:

Alfonso to už podrobne vysvetlil v príspevku nižšie

Ospravedlňujeme sa za vytvorenie nadbytočnosti

Používam gPPI s conn pomocou funkcie na čítanie v súboroch spm na definíciu funkčných obrázkov a podmienok. Zdá sa, že bohužiaľ je problém s automaticky pridanou podmienkou odpočinku.
Napriek tomu, že som možnosť spmfile „addrestcondition“ nastavil na nulu, stále pridáva podmienku odpočinku. Je zaujímavé, že možnosť nečítať v umeleckých súboroch funguje. Tiež som sa pokúsil použiť false namiesto 0, aby som dosiahol rovnaký výsledok.
(môj riadok kódu je: batch.Setup.spmfiles_options = <'addrestcondition', 0, 'addartfiles', 0>)
To je obzvlášť problematické, pretože conn iba pridá podmienku odpočinku k prvému spusteniu/relácii.
Pretože to prevádzkujem na HPC bez GUI, nemôžem tento problém vyriešiť iba odstránením zvyšného stavu prostredníctvom conn GUI.

Ďakujem za tvoju pomoc.
Najlepšie,
Sina

konkrétny riadok kódu je:

To je dobrý bod, v predvolenom nastavení funkcia „importspm“ pridá podmienky k všetkým už existujúcim podmienkam, ktoré môžete mať vo svojom projekte (a to, čo vidíte, je zvyšková predvolená podmienka „odpočinku“, ktorú CONN používa pri štarte nový projekt). Prikladám opravu, ktorá vám umožní explicitne odstrániť/ignorovať všetky už definované podmienky pri importe údajov zo systému SPM (táto oprava je pre vydanie 20b). Ak to chcete použiť, jednoducho pridajte pripojenú cestu do priečinka distribúcie conn, prepíšte tam súbor s rovnakým názvom a potom zmeňte riadok kódu na:

Dajte mi vedieť, či sa zdá, že sa tým problém vyrieši
Najlepšie
Alfonsa

Sina Schwarze pôvodne napísala:

Používam gPPI s conn pomocou funkcie na čítanie v súboroch spm na definíciu funkčných obrázkov a podmienok. Zdá sa, že bohužiaľ je problém s automaticky pridanou podmienkou odpočinku.
Napriek tomu, že som možnosť spmfile „addrestcondition“ nastavil na nulu, stále pridáva podmienku odpočinku. Je zaujímavé, že možnosť nečítať v umeleckých súboroch funguje. Tiež som sa pokúsil použiť false namiesto 0, aby som dosiahol rovnaký výsledok.
(môj riadok kódu je: batch.Setup.spmfiles_options = <'addrestcondition', 0, 'addartfiles', 0>)
To je obzvlášť problematické, pretože conn iba pridá podmienku odpočinku k prvému spusteniu/relácii.
Pretože to prevádzkujem na HPC bez GUI, nemôžem tento problém vyriešiť iba odstránením zvyšného stavu prostredníctvom conn GUI.

Ďakujem za tvoju pomoc.
Najlepšie,
Sina

konkrétny riadok kódu je:

ďakujem za rýchlu odpoveď a opravu. Fungovalo to perfektne.

Vážení experti spoločnosti CONN,
Snažím sa spustiť analýzu so 45 predmetmi a dvoma sedeniami. Po spustení odšumenia som dostal nasledujúci popis chyby:

Nerozpoznaný názov poľa „X1“.
Chyba v spojení (riadok 7347)
[CONN_h.menus.m_analyses.X, CONN_h.menus.m_analyses.select, names] = conn_designmatrix (CONN_x.Analyses (ianalysis) .regresory, CONN_h.menus.m_analyses.X1, [],)
Chyba v conn_menumanager (riadok 135)
feval (CONN_MM.MENU.callback2<1>, CONN_MM.MENU.callback2<2: end>)
CONN20.b
Nástroje SPM12 + DAiSS DEM FieldMap MEEG
Matlab v.2021a
projekt: CONN20.b
úložisko: 97,4 Gb k dispozícii


Ak by niekto mohol pomôcť, bol by som viac ako vďačný.
Najlepšie,
Alain

Snažím sa previesť niektoré súbory gifti z fmriprep na nifti. Keď spustím príkaz:

Pokus o spustenie funkcie SCRIPT conn_surf_gii2nii ako funkcie:
/path/to/conn/conn20b/conn/conn_surf_gii2nii.m

Som nový v conn a matlab, takže som si pôvodne myslel, že to môže byť všeobecný problém s mojím nastavením, ale dokázal som spustiť:

Po troche googlovania som spustil príkaz:

ktoré -všetky „conn_surf_gii2nii“

takže sa zdá, že nemám žiadne ďalšie súbory s rovnakým názvom, ktoré by veci zamotali.

Ako môžem spustiť conn_surf_gii2nii?

Ospravedlňujeme sa, toto bola skutočne chyba vo funkcii 20b conn_surf_gii2nii, použite prosím priloženú opravu (táto oprava je pre verziu 20b, na jej inštaláciu jednoducho skopírujte tento súbor do priečinka distribúcie conn a prepíšte tam súbor s rovnakým názvom)

Najlepšie
Alfonsa
Walker Pedersen pôvodne napísal:

Snažím sa previesť niektoré súbory gifti z fmriprep na nifti. Keď spustím príkaz:

Pokus o spustenie funkcie SCRIPT conn_surf_gii2nii ako funkcie:
/path/to/conn/conn20b/conn/conn_surf_gii2nii.m

Som nový v conn a matlab, takže som si pôvodne myslel, že to môže byť všeobecný problém s mojím nastavením, ale dokázal som spustiť:

Po troche googlovania som spustil príkaz:

ktoré -všetky „conn_surf_gii2nii“

takže sa zdá, že nemám žiadne ďalšie súbory s rovnakým názvom, ktoré by veci zamotali.

Ako môžem spustiť conn_surf_gii2nii?

Kedykoľvek sa pokúsim získať prístup k predchádzajúcim projektom, zobrazí sa táto správa:
POPIS CHYBY:

Chyba pri použití conn_jobmanager (riadok 316)
Neznámy projekt. Najprv načítajte projekt conn (alebo cd do priečinka obsahujúceho váš súbor projektu conn*.qlog)
Chyba v spojení (riadok 1121)
conn_jobmanager čaká
Chyba v spojení (riadok 4690)
conn gui_ispending
Chyba v conn_menumanager (riadok 121)
feval (CONN_MM.MENU.zavolaj späť<1>, CONN_MM.MENU.zavolaj späť<2: end>)
CONN20.b
Nástroje SPM12 + DAiSS DEM FieldMap MEEG
Matlab v.2020b
projekt: CONN20.b

Vie niekto, čo to znamená?

Mám výstup fmriprep pre jeden predmet:

/anat/
./anat:
sub-06_desc-aparcaseg_dseg.nii.gz
sub-06_desc-aseg_dseg.nii.gz
sub-06_desc-brain_mask.json
sub-06_desc-brain_mask.nii.gz
sub-06_desc-preproc_T1w.json
sub-06_desc-preproc_T1w.nii.gz
sub-06_dseg.nii.gz
sub-06_from-fsnative_to-T1w_mode-image_xfm.txt
sub-06_from-MNI152NLin2009cAsym_to-T1w_mode-image_xfm.h5
sub-06_from-T1w_to-fsnative_mode-image_xfm.txt
sub-06_from-T1w_to-MNI152NLin2009cAsym_mode-image_xfm.h5
sub-06_hemi-L_inflated.surf.gii
sub-06_hemi-L_midthickness.surf.gii
sub-06_hemi-L_pial.surf.gii
sub-06_hemi-L_smoothwm.surf.gii
sub-06_hemi-R_inflated.surf.gii
sub-06_hemi-R_midthickness.surf.gii
sub-06_hemi-R_pial.surf.gii
sub-06_hemi-R_smoothwm.surf.gii
sub-06_label-CSF_probseg.nii.gz
sub-06_label-GM_probseg.nii.gz
sub-06_label-WM_probseg.nii.gz
sub-06_space-MNI152NLin2009cAsym_desc-brain_mask.json
sub-06_space-MNI152NLin2009cAsym_desc-brain_mask.nii.gz
sub-06_space-MNI152NLin2009cAsym_desc-preproc_T1w.json
sub-06_space-MNI152NLin2009cAsym_desc-preproc_T1w.nii.gz
sub-06_space-MNI152NLin2009cAsym_dseg.nii.gz
sub-06_space-MNI152NLin2009cAsym_label-CSF_probseg.nii.gz
sub-06_space-MNI152NLin2009cAsym_label-GM_probseg.nii.gz
sub-06_space-MNI152NLin2009cAsym_label-WM_probseg.nii.gz

ses-pre/
func/
sub-06_ses-pre_task-rest_desc-confounds_regressors.json
sub-06_ses-pre_task-rest_desc-confounds_regressors.tsv
sub-06_ses-pre_task-rest_space-fsaverage5_hemi-L.func.gii
sub-06_ses-pre_task-rest_space-fsaverage5_hemi-R.func.gii
sub-06_ses-pre_task-rest_space-fsnative_hemi-L.func.gii
sub-06_ses-pre_task-rest_space-fsnative_hemi-R.func.gii
sub-06_ses-pre_task-rest_space-MNI152NLin2009cAsym_res-2_boldref.nii.gz
sub-06_ses-pre_task-rest_space-MNI152NLin2009cAsym_res-2_desc-aparcaseg_dseg.nii.gz
sub-06_ses-pre_task-rest_space-MNI152NLin2009cAsym_res-2_desc-aseg_dseg.nii.gz
sub-06_ses-pre_task-rest_space-MNI152NLin2009cAsym_res-2_desc-brain_mask.json
sub-06_ses-pre_task-rest_space-MNI152NLin2009cAsym_res-2_desc-brain_mask.nii.gz
sub-06_ses-pre_task-rest_space-MNI152NLin2009cAsym_res-2_desc-preproc_bold.json
sub-06_ses-pre_task-rest_space-MNI152NLin2009cAsym_res-2_desc-preproc_bold.nii
sub-06_ses-pre_task-rest_space-T1w_boldref.nii.gz
sub-06_ses-pre_task-rest_space-T1w_desc-aparcaseg_dseg.nii.gz
sub-06_ses-pre_task-rest_space-T1w_desc-aseg_dseg.nii.gz
sub-06_ses-pre_task-rest_space-T1w_desc-brain_mask.json
sub-06_ses-pre_task-rest_space-T1w_desc-brain_mask.nii.gz
sub-06_ses-pre_task-rest_space-T1w_desc-preproc_bold.json
sub-06_ses-pre_task-rest_space-T1w_desc-preproc_bold.nii.gz

Keď som sa pokúšal importovať tento výstup do CONN, zobrazila sa mi táto chyba:

rozbalenie súborov gz. Import údajov. prosím čakajte
rozbaľovanie súborov gz. POPIS CHYBY:

Nedefinovaná funkcia „gunzip“ pre vstupné argumenty typu „bunka“.
Chyba v conn_gz2nii (riadok 17)
názov súboru (znova) = gunzip (názov súboru (znova))
Chyba v conn_getinfo (riadok 13)
názov súboru = conn_gz2nii (názov súboru)
Chyba v súbore conn_file (riadok 11)
[nV, str, ikona, názov súboru] = conn_getinfo (názov súboru, doconvert)
Chyba v súbore conn_set_functional (riadok 8)
[CONN_x.Setup.functional, nV] = conn_file (von)
Chyba v conn_importvol2bids (riadok 294)
nV = conn_set_functional (nsub (end), nses (end), nset, out) % note: when nsubs = [nsubs1 nsubs2] or nses = [nses1 nses2] file_bids (nsub1, nses1) is assigned to nsub2, nses2 (in order povoliť údaje nezávislé od subjektu a relácie)
Chyba v conn_importbids (riadok 59)
[nill, nill, nV] = conn_importvol2bids (názov súboru, nsub, nses, 'func', [], [], [], [], [], true)
Chyba v spojení (riadok 5895)
ak bids_dofunc, [ok, err] = conn_importbids (info.dataset_select.func.data.file, 'typ', 'funkčný', 'subjekty', nsubs, 'subjekt_id', bids_subj_id, 'nset', nset, 'lokálna kópia' , localcopy, 'copytoderiv', copytoderiv) ERR = [ERR err] end
CONN20.c
Oblek SPM12 + DAiSS DEM FieldMap MEEG
Matlab v.2020b
projekt: CONN20.c
úložisko: 22388,4 GB k dispozícii
spm @ /home/ai.me/spm12
conn @/work/cbhlab/software/conn

Zdá sa, že s rozbaľovaním nie je niečo v poriadku. Súbory som rozbalil ručne, ale stále mi to zobrazovalo rovnakú chybu. Má niekto v tejto problematike neznalosť? Ďakujem veľmi pekne!

To je zvláštne, pretože gunzip je funkcia, ktorá je súčasťou základných funkcií Matlabu, takže by mala byť vždy prístupná. Možno to môže znamenať nejaký problém s vašou inštaláciou Matlabu, takže by som možno navrhol skúsiť obnoviť predvolené cesty Matlab pomocou niečoho podobného v príkazovom riadku Matlab:

obnoviť predvolenú cestu
addpath /home/ai.me/spm12
addpath/work/cbhlab/software/conn
záchranná cesta

a potom skúste spustiť CONN a importovať údaje znova, aby ste zistili, či to pomôže


Meishan AI pôvodne napísal:

Mám výstup fmriprep pre jeden predmet:

/anat/
./anat:
sub-06_desc-aparcaseg_dseg.nii.gz
sub-06_desc-aseg_dseg.nii.gz
sub-06_desc-brain_mask.json
sub-06_desc-brain_mask.nii.gz
sub-06_desc-preproc_T1w.json
sub-06_desc-preproc_T1w.nii.gz
sub-06_dseg.nii.gz
sub-06_from-fsnative_to-T1w_mode-image_xfm.txt
sub-06_from-MNI152NLin2009cAsym_to-T1w_mode-image_xfm.h5
sub-06_from-T1w_to-fsnative_mode-image_xfm.txt
sub-06_from-T1w_to-MNI152NLin2009cAsym_mode-image_xfm.h5
sub-06_hemi-L_inflated.surf.gii
sub-06_hemi-L_midthickness.surf.gii
sub-06_hemi-L_pial.surf.gii
sub-06_hemi-L_smoothwm.surf.gii
sub-06_hemi-R_inflated.surf.gii
sub-06_hemi-R_midthickness.surf.gii
sub-06_hemi-R_pial.surf.gii
sub-06_hemi-R_smoothwm.surf.gii
sub-06_label-CSF_probseg.nii.gz
sub-06_label-GM_probseg.nii.gz
sub-06_label-WM_probseg.nii.gz
sub-06_space-MNI152NLin2009cAsym_desc-brain_mask.json
sub-06_space-MNI152NLin2009cAsym_desc-brain_mask.nii.gz
sub-06_space-MNI152NLin2009cAsym_desc-preproc_T1w.json
sub-06_space-MNI152NLin2009cAsym_desc-preproc_T1w.nii.gz
sub-06_space-MNI152NLin2009cAsym_dseg.nii.gz
sub-06_space-MNI152NLin2009cAsym_label-CSF_probseg.nii.gz
sub-06_space-MNI152NLin2009cAsym_label-GM_probseg.nii.gz
sub-06_space-MNI152NLin2009cAsym_label-WM_probseg.nii.gz

ses-pre/
func/
sub-06_ses-pre_task-rest_desc-confounds_regressors.json
sub-06_ses-pre_task-rest_desc-confounds_regressors.tsv
sub-06_ses-pre_task-rest_space-fsaverage5_hemi-L.func.gii
sub-06_ses-pre_task-rest_space-fsaverage5_hemi-R.func.gii
sub-06_ses-pre_task-rest_space-fsnative_hemi-L.func.gii
sub-06_ses-pre_task-rest_space-fsnative_hemi-R.func.gii
sub-06_ses-pre_task-rest_space-MNI152NLin2009cAsym_res-2_boldref.nii.gz
sub-06_ses-pre_task-rest_space-MNI152NLin2009cAsym_res-2_desc-aparcaseg_dseg.nii.gz
sub-06_ses-pre_task-rest_space-MNI152NLin2009cAsym_res-2_desc-aseg_dseg.nii.gz
sub-06_ses-pre_task-rest_space-MNI152NLin2009cAsym_res-2_desc-brain_mask.json
sub-06_ses-pre_task-rest_space-MNI152NLin2009cAsym_res-2_desc-brain_mask.nii.gz
sub-06_ses-pre_task-rest_space-MNI152NLin2009cAsym_res-2_desc-preproc_bold.json
sub-06_ses-pre_task-rest_space-MNI152NLin2009cAsym_res-2_desc-preproc_bold.nii
sub-06_ses-pre_task-rest_space-T1w_boldref.nii.gz
sub-06_ses-pre_task-rest_space-T1w_desc-aparcaseg_dseg.nii.gz
sub-06_ses-pre_task-rest_space-T1w_desc-aseg_dseg.nii.gz
sub-06_ses-pre_task-rest_space-T1w_desc-brain_mask.json
sub-06_ses-pre_task-rest_space-T1w_desc-brain_mask.nii.gz
sub-06_ses-pre_task-rest_space-T1w_desc-preproc_bold.json
sub-06_ses-pre_task-rest_space-T1w_desc-preproc_bold.nii.gz

Keď som sa pokúšal importovať tento výstup do CONN, zobrazila sa mi táto chyba:

rozbalenie súborov gz. Import údajov. prosím čakajte
rozbalenie súborov gz. POPIS CHYBY:

Nedefinovaná funkcia „gunzip“ pre vstupné argumenty typu „bunka“.
Chyba v conn_gz2nii (riadok 17)
názov súboru (znova) = gunzip (názov súboru (znova))
Chyba v conn_getinfo (riadok 13)
názov súboru = conn_gz2nii (názov súboru)
Chyba v súbore conn_file (riadok 11)
[nV, str, ikona, názov súboru] = conn_getinfo (názov súboru, doconvert)
Chyba v súbore conn_set_functional (riadok 8)
[CONN_x.Setup.functional, nV] = conn_file (von)
Chyba v conn_importvol2bids (riadok 294)
nV = conn_set_functional (nsub (end), nses (end), nset, out) % note: when nsubs = [nsubs1 nsubs2] or nses = [nses1 nses2] file_bids (nsub1, nses1) is assigned to nsub2, nses2 (in order povoliť údaje nezávislé od subjektu a relácie)
Chyba v conn_importbids (riadok 59)
[nill, nill, nV] = conn_importvol2bids (názov súboru, nsub, nses, 'func', [], [], [], [], [], true)
Chyba v spojení (riadok 5895)
ak bids_dofunc, [ok, err] = conn_importbids (info.dataset_select.func.data.file, 'typ', 'funkčný', 'subjekty', nsubs, 'subjekt_id', bids_subj_id, 'nset', nset, 'lokálna kópia' , localcopy, 'copytoderiv', copytoderiv) ERR = [ERR err] end
CONN20.c
Oblek SPM12 + DAiSS DEM FieldMap MEEGtools
Matlab v.2020b
projekt: CONN20.c
úložisko: 22388,4 GB k dispozícii
spm @ /home/ai.me/spm12
conn @/work/cbhlab/software/conn

Zdá sa, že s rozbaľovaním nie je niečo v poriadku. Súbory som rozbalil ručne, ale stále mi to zobrazovalo rovnakú chybu. Má niekto v tejto problematike neznalosť? Ďakujem veľmi pekne!


Diskusia

Sieťové analytické metódy v neurovede pomáhajú odhaliť pokryté procesy poznávania. To sa dosiahne skúmaním aktivít rôznych mozgových sietí zapojených do rôznych kognitívnych procesov. Kreatívne poznanie je komplexný kognitívny proces, ktorý zahŕňa zapojenie rôznych sietí do vytvárania neobvyklých a jedinečných myšlienok. V tejto štúdii fMRI sme použili prístup založený na dátach na charakterizáciu nervových procesov zapojených do úlohy konvergentného myslenia, ktorá zahŕňa rekonfiguráciu veľkých a komplexných kreatívnych sietí. Použitím prístupu sieťovej neurovedy poskytujeme dôkazy o dynamickej funkčnej konektivite organizovanej do rôznych komunít počas úloh kreatívneho myslenia. Výsledky naznačujú aktiváciu FPN a DMN pre kreatívne nápady, ako je popísané v predchádzajúcich štúdiách tvorivosti. Tiež sme skúmali dynamickú rekonfiguráciu a interakciu a vývoj týchto mozgových sietí spojených s kreatívnym poznaním.Naše výsledky poskytujú podporu pre vývoj a zapojenie týchto mozgových sietí spojených s kreatívnym poznaním, ktoré sú relevantné pre distribuované mozgové siete.

Kreativitu je možné kategorizovať do rôznych procesov vrátane, ale nie výlučne, generovania a získavania myšlienok a kombinácie vzdialených sémantických asociácií. Kreatívne myslenie je proces zdola nahor, ktorý zahŕňa zapojenie DMN. Kombinácia sémantických asociácií a ich získavania tiež sleduje prístup zdola nahor, ktorý zahŕňa zapojenie DMN a FPN. Naše výsledky rozširujú predchádzajúce znalosti o sieťovej neurovede o kreatívnom poznaní tým, že odhaľujú zapojenie týchto dvoch sietí, ktoré v predchádzajúcich štúdiách ukázali, že sú zodpovedné za kreatívne poznanie 38,91,92,93. Predchádzajúce štúdie tvorivosti identifikovali mediálny pre-frontálny kortex a zadný cingulárny kortex ako hlavné oblasti DMN zapojené do tvorby kreatívneho myslenia 35,94,95. Dynamická asociácia medzi DMN a FPN naznačuje, že sila prepojení medzi nimi je pri kreatívnom poznávaní väčšia. Jung a kol. 39 navrhlo, aby k interakcii medzi DMN a FPN dochádzalo pri vytváraní nových a užitočných myšlienok v kreatívnom myslení, čo je tiež jedným zo zistení tejto štúdie, v ktorej sme sledovali prechody v rekonfigurácii siete súvisiacej s adaptívnou povahou DMN a FPN a skúmali ich úlohu v tvorivom poznávaní.

Veľmi málo štúdií neuroimagingu skúmalo úlohu subkortikálnych oblastí, ako je mozoček, v kognitívnych úlohách. Predpokladá sa, že mozoček hrá úlohu v lokomócii a koordinácii 96,97. Niektoré štúdie skúmali jeho úlohu v kognitívnych funkciách 98,99,100. Ďalšie štúdie naznačujú, že existuje prepojenie medzi mozočkom a oblasťami mozgu zodpovednými za kreatívne poznanie 101,102,103,104,105. V tejto štúdii fMRI založenej na úlohách zdôrazňujeme úlohu malého mozgu v tvorivosti pomocou dynamického prístupu konektivity založeného na detekcii komunity. Naše výsledky odhaľujú súhru mozočku a DMN počas úlohy kreatívneho myslenia v oblasti, ktorá sa označuje ako „centrálny systém“ kreatívneho poznania 106. Táto súhra medzi DMN a cerebellum vysvetľuje úlohu dynamických mozgových sietí v tejto štúdii fMRI založenej na úlohách. Naše zistenia rozširujú pochopenie úlohy a vývoja DMN a malého mozgu pri úlohách konvergentného myslenia.

Tiež sme skúmali flexibilitu siete - sieťový parameter, ktorý bol predtým spojený so zmenami v mozgových sieťach 17. Flexibilitu mozgovej siete je možné použiť na sledovanie konkrétnych a opakujúcich sa zmien v sieťach počas úlohy. Táto štúdia sa zamerala aj na dočasnú dynamiku mozgových sietí a sledovala prechod rôznych stavov mozgu. Počas úlohy kreatívneho myslenia bola počas celej relácie fMRI zistená malá alebo žiadna zmena flexibility. V hlavných sieťach pre kreatívne myslenie, DMN a FPN, sa v rámci FPN zistila väčšia flexibilita ako v DMN počas úlohy kreatívneho myslenia, čo naznačuje, že FPN pravdepodobne viac ako DMN zmení svoju oddanosť počas kombinovaných úloh alebo kombinácie diaľkových ovládačov. sémantická asociačná úloha. Obecná úloha sietí v doméne, ktorá má za následok zvýšenie flexibility v sieti FPN, bola predtým hlásená pre rôzne úlohy 69 107 107. Naše výsledky tiež naznačujú rekonfiguráciu a reorganizáciu dynamických mozgových sietí. V tejto špecifickej štúdii fMRI súvisiacej s úlohami spoločenstvá spojené s frontálnou sieťou vykazovali silné asociácie so zadnými oblasťami, ako je CN.

Na záver, táto štúdia rozširuje dynamickú úlohu funkčného prepojenia medzi rôznymi kreatívnymi oblasťami, ktoré predtým definovali Beaty a kol. 35. Naše výsledky potvrdzujú úlohu DMN, ktorá je centrom kreatívnych procesov a je dôležitá pre generovanie myšlienok počas úlohy kreatívneho myslenia 109. Naše zistenia ďalej podporujú úlohu malého mozgu počas úlohy kreatívneho myslenia vo rozsiahlej mozgovej sieti spojenej s kreatívnym poznaním, ktorá bola predtým zistená v štúdiách neuroimagingu 96,98,99. Počas úlohy kreatívneho myslenia sme tiež sledovali úlohu interakcií medzi DMN a rôznymi inými sieťami. Použitie prístupu neurovedy dynamickej siete k odhaleniu dynamickej funkčnej konektivity medzi rôznymi mozgovými sieťami spojenej s kreatívnym poznaním počas konvergentného myslenia vrhá svetlo na vývoj mozgových sietí spojených s kreatívnym poznaním.


Abstrakt

Pokročilé metódy analýzy zobrazovania mozgu, vrátane analýzy viacrozmerných vzorov (MVPA), funkčnej konektivity a funkčného zarovnania, sa za posledné desaťročie stali výkonnými nástrojmi kognitívnej neurovedy. Tieto nástroje sú implementované vo vlastnom kóde a oddelených balíkoch, často vyžadujú iný softvér a jazykové znalosti. Začiatočníci, aj keď ich môžu používať skúsení vedci, čelia strmej krivke učenia. Tieto ťažkosti vyplývajú z používania nových programovacích jazykov (napr. Python), naučenia sa používať metódy strojového učenia na vysokorozmerné údaje fMRI a minimálnej dokumentácie a školiacich materiálov. Navyše väčšina štandardných balíkov analýzy fMRI (napr. AFNI, FSL, SPM) sa zameriava na predbežné spracovanie a univariantné analýzy, pričom ponecháva medzeru v integrácii s pokročilými nástrojmi. Aby sme splnili tieto potreby, vyvinuli sme BrainIAK (brainiak.org), open source softvérový balík Python, ktorý bezproblémovo integruje niekoľko špičkových, výpočtovo efektívnych techník s inými balíkmi Pythonu (napr. Nilearn, Scikit-learn) na manipuláciu so súbormi, vizualizáciu a strojové učenie. Aby sme tieto výkonné nástroje šírili, vyvinuli sme užívateľsky prívetivé návody (vo formáte Jupyter https://brainiak.org/tutorials/) na všeobecnejšie osvojenie si BrainIAK a pokročilej analýzy fMRI v Pythone. Tieto materiály pokrývajú nasledujúce techniky: MVPA (klasifikácia vzorov a analýza reprezentatívnej podobnosti), paralelizovaná analýza svetlometov, pozadie, konektivita, úplná korelácia, maticová analýza, medzipredmetová korelácia, medzipredmetová funkčná konektivita, zdieľaná reakcia, modelovanie modelovania udalostí, segmentácia pomocou skrytých Markovových modelov a fMRI v reálnom čase. V prípade dlhodobých úloh alebo potrieb veľkej pamäte poskytujeme podrobné informácie o vysokovýkonných počítačových klastroch. Tieto notebooky boli úspešne testované na viacerých miestach, vrátane sérií problémov pre kurzy na univerzitách v Yale a Princetone a na rôznych workshopoch a hackathonoch. Tieto materiály sú voľne zdieľané s nádejou, že sa stanú súčasťou súboru softvéru s otvoreným zdrojovým kódom a vzdelávacích materiálov na rozsiahlu, reprodukovateľnú analýzu fMRI a zrýchlené objavovanie.


Výsledky

Sociodemografický, klinický a úlohový výkon

Subjekty so zdravou kontrolou (HC) a so schizofréniou (SZ) sa nelíšili z hľadiska veku alebo pohlavia. Skupina SZ dosiahla významne nižšie skóre v podskupine návrhu bloku WAIS-III ako skupina HC, rovnako ako SZ vykazovala nižšie úrovne vzdelania ako HC (tabuľka 1). Nakoniec bol u účastníkov SZ pozorovaný horší výkon v presnosti pamäte počas vyhľadávacieho stavu úlohy funkčného zobrazovania magnetickou rezonanciou (fMRI), cez negatívne, pozitívne a neutrálne obrázky (približne 25% rozdiel medzi skupinami). Klinické charakteristiky jedincov so SZ nájdete v tabuľke 1. Okrem toho bol počas kódovacej úlohy pozorovaný významný medziskupinový rozdiel na niekoľkých odstránených zväzkoch (p = 0,02), ale nie počas podmienok načítania (p > 0,05).

Vážené analýzy konektivity založené na osive

Po prvé, pri skúmaní vzorov konektivity predného a zadného hippocampu medzi HC a SZ počas podmienky načítania (napr. Cez blok Run-1) v porovnaní s podmienkou kódovania (napr. Cez blok Run-2) (tj. „Diagnóza [HC verzus SZ]*Podmienka [Získanie versus kódovanie]*Semená [interakcia špecifická predná hemisféra versus zadný hippocampus]] nebol pozorovaný žiadny významný rozdiel. Ďalej sme skúmali rôzne vzorce konektivity predného a zadného hippocampu medzi HC a SZ (tj Diagnóza*Semená) interakcia v rámci každého stavu zvlášť.

V podmienkach kódovania odhalila diagnostika pomocou semien ľavej hemisféry (aHippocampus verzus pHippocampus) významné rozdiely v konektivite s intrakalkarínovou kôrou (ICC) a dorzomediálnou prefrontálnou kôrou (dmPFC). Avšak pridanie počtu odobratých objemov (pohybové čistenie) ako kovariátu replikovalo iba dmPFC (pozri tabuľku 2, obrázky 1, 2A a 3). Sčítanie priemeru predmetu z kompozitného meradla pohybu Artifact Detection Tool (ART) do zostávajúcich objemov ako kovariátu poskytne podobné výsledky (doplnková tabuľka 2). Post hoc analýzy ukázali zníženú konektivitu pHippocampus – dmPFC (F1,84 = 30.00, p <0,001), v SZ v porovnaní s HC. V rámci skupinových porovnaní sme zistili, že konektivita pHippocampus – dmPFC bola významne znížená v porovnaní s aHippocampus – dmPFC v SZ (p <0,001), ale nie v HC (p = 0,160). Počas kódovania nebol pozorovaný žiadny významný cieľ na diagnostiku pomocou semien pravej hemisféry (predná a zadná podoblasť).

a Výsledky z diagnostiky semenami ľavej hemisféry v kódujúcom stave. b Výsledky z diagnostiky podľa semien v podmienkach získavania modré spojenia/oblasti naznačujú významnú hypokonektivitu s cieľom, oranžové spojenia/oblasti označujú významnú hyperkonektivitu s cieľom. predný hippocampus, p zadný hippocampus, vmPFC ventromediálna prefrontálna kôra, ICC intracalcarine cortex, dmPFC dorsomedial prefrontal cortex, PCC posterior cingulate cortex, SMG supramarginal gyrus, ITG inferior temporal gyrus, L/l left, R/r.

a Výsledky z interakčnej diagnostiky-semená ľavej hemisféry v kódujúcom stave. Pripojiteľnosť Hippocampus-dmPFC (hodnoty beta zľava doprava: −0,02, −0,07, −0,06, −0,31) b Výsledky interakčnej diagnostiky-semená ľavej hemisféry v podmienkach získavania, konektivita hippocampus-PCC (hodnoty beta: 0,04, -0,002, 0,10, -0,12), konektivita hippocampus-SMG (hodnoty beta: -0,05, -0,005 , -0,04, -0,10), konektivita Hippocampus-vmPFC (hodnoty beta: -0,02, 0,02, 0,002, -0,17) c Výsledky z interakčnej diagnostiky-semená pravej hemisféry v stave získavania. Konektivita Hippocampus-ICC (hodnoty beta: 0,03, -0,01, -0,07, 0,19), konektivita hippocampus-ITG (hodnoty beta: 0,06, 0,04, 0,16, -0,04). Zdravé kontroly HC, pacienti so schizofréniou SZ, aHippo anterior hippocampus, phippo posterior hippocampus, vmPFC ventromedial prefrontal cortex, ICC intracalcarine cortex, dmPFC dorsomedial prefrontal cortex, PCC posterior cingulate cortex, SMG supramarginal gyrus, ITG in. Chybové stĺpce predstavujú štandardnú chybu priemeru (s.e.m.).

Dostupné údaje boli k dispozícii pre n = 35 pacientov (85,4% z celkovej vzorky pacientov).

V stave Retrieval diagnóza interakciou semien ľavej hemisféry viedla k významným rozdielom v konektivite v precuneus/posterior cingulate cortex (PCC), ventromedial prefrontal cortex (vmPFC) a klastri, ktorý zahŕňa supramarginal gyrus (SMG) a voxely zahŕňajúce nižší parietálny lalok (pozri tabuľku 2 a obr. 1). Tieto výsledky sa replikovali po pridaní priemeru kompozitného merania pohybu subjektu k zostávajúcim objemom ako kovariátu (doplnková tabuľka 2). Post hoc analýzy odhalili zníženú konektivitu medzi ľavým pHippocampusom a precuneus/PCC (F1,84 = 10.06, p <0,001), zatiaľ čo slabšia zvýšená konektivita bola pozorovaná medzi ľavým aHippocampus a precuneus/PCC (F1,84 = 5.23, p = 0,025), v SZ v porovnaní s HC (pozri obr. 2B). Okrem toho sme zistili, že pripojenie pHippocampus - vmPFC (F1,84 = 20.69, p <0,001) a pHippocampus-SMG (F1,84 = 16.48, p <0,001) boli znížené v SZ v porovnaní s HC (pozri obr. 2).

Diagnóza pomocou semien pravej hemisféry počas podmienky získavania naznačovala významné rozdiely v konektivite s dolným temporálnym gyrom (ITG) a ICC (pozri tabuľku 2, obrázky 1 a 2C). Tieto rozdiely boli tiež pozorované po pridaní priemeru subjektu o kompozitnom meradle pohybu ART k zostávajúcim objemom ako kovariátom (doplnková tabuľka 2). Post hoc analýzy odhalili zvýšenú konektivitu medzi aHippocampus a ITG (F1,84 = 14.57, p <0,001) v SZ v porovnaní s HC. Okrem toho zvýšená konektivita medzi pHippocampusom a ICC (F1,84 = 12.94, p = 0,001) bol pozorovaný u SZ v porovnaní s HC. Porovnania v rámci skupiny naznačili, že konektivita aHippocampus-ITG bola významne väčšia ako pHippocampus-ITG v SZ (p <0,001), ale nie v HC (p = 0,456) a že konektivita pHippocampus – ICC bola väčšia ako aHippocampus – ICC v SZ (p <0,001), ale nie v HC (p = 0.412).

Nakoniec diagnostika interakčnou analýzou pomocou valencie stimulov (t.j. POS, NEG a NEU) odhalila, že žiadne z hlavných zistení konektivity nebolo valenciou stimulov významne zmenené. Korelačné analýzy naznačujú, že žiadne klinické premenné, vrátane hladiny antipsychotických liekov (t.j. ekvivalentov chlórpromazínu), neboli významne asociované s našimi výsledkami konektivity (p > 0,341).

Morfometria založená na Voxeli

Ďalej sme skúmali deficity objemu GM v každom hippocampálnom rozdelení a ciele ich funkčnej konektivity. Objemy GM ľavej prednej časti (xyz = −30, −18, −14 klastrové vylepšenie bez prahov (TFCE)-korekcia malého objemu (SVC) <0,001) a zadný hippocampus (xyz = −24, −42,2 TFCE-SVC <0,001), ako aj pravá predná časť (xyz = 24, −21, −12 TFCE-SVC = 0,003) a zadný hippocampus (xyz = 21, −39,6, TFCE-SVC <0,001) boli významne nižšie u pacientov so SZ v porovnaní s HC. Neboli pozorované žiadne štatisticky významné medziskupinové rozdiely v objeme GM pre ciele konektivity hippocampálnych subregiónov.

Neurobiologické koreláty presnosti pamäte u pacientov so schizofréniou

Korelácie Bivariate Pearson odhalili, že v skupine SZ bola konektivita aHippocampus – ITG a pHippocampus – ICC, pozorovaná v podmienkach získavania, významne spojená s presnosťou pamäte počas podmienky získavania (r = 0.348, p = 0,03 a r = −0.470, p = 0,003, v tomto poradí). Tieto vzťahy neboli štatisticky významné u zdravých jedincov (r = -0,002 a r = -0,114). Podskupina blokových návrhov WAIS (r = 0.425, p = 0,014 dostupných údajov pre 35 pacientov) a úroveň vzdelania (r = 0.345, p = 0,031), bolo tiež významne spojené s presnosťou pamäte. Nezistil sa žiadny iný významný vzťah s presnosťou pamäte (napr. Objem GM hippocampálnych podoblastí, medikácia a klinická symptomatológia).

Vpred postupná viacnásobná regresia odhalila konečný model naznačujúci, že konektivita aHippocampus – ITG a pHippocampus – ICC zostala štatisticky nezávislými prediktormi presnosti pamäte (β = 0.354, p = 0,021 a β = 0.437, p = 0,005), zatiaľ čo podmnožina návrhu bloku WAIS už nebola štatisticky významná (β = 0.295, p = 0,052). Stupeň vzdelania nebol zahrnutý do konečného vybraného modelu postupnou regresiou. Tieto tri premenné faktory vykazovali nízku kolinearitu (VIF & lt 2). Ďalej model vysvetlil 37,2% rozptylu (upraveného R na druhú) spojeného s presnosťou pamäte u pacientov so schizofréniou.


Pôvodný článok o výskume

Ying Zhang 1,2 †, Yebing Yang 3 †, Yan Yang 4, Jiyuan Li 5, Wei Xin 3, Yue Huang 6, Yongcong Shao 7* a Xi Zhang 1*
  • 1 neurologické oddelenie, druhé zdravotné stredisko, výskumné centrum spánkovej medicíny, národné centrum klinického výskumu geriatrických chorôb, čínska všeobecná nemocnica PLA, čínska lekárska fakulta PLA, Peking, Čína
  • 2 Katedra psychológie, lekárstvo, Ôsme zdravotné stredisko, Čínska všeobecná nemocnica PLA, Peking, Čína
  • 3 Šieste zdravotné stredisko, Čínska všeobecná nemocnica PLA, Peking, Čína
  • 4 Rádiologické oddelenie, Ôsme zdravotné stredisko, Čínska všeobecná nemocnica PLA, Peking, Čína
  • 5 Department of Magnetic Resonance Imaging, Beijing Shijitan Hospital, Capital Medical University, Beijing, China
  • 6 Army Medical University, Chongqing, Čína
  • 7 School of Psychology, Beijing Sport University, Beijing, China

Predchádzajúce štúdie uviedli významné zmeny vo funkčnej konektivite medzi rôznymi mozgovými sieťami po obmedzení spánku. Mozoček hrá dôležitú úlohu pri spracovaní informácií na riadenie motora a poskytuje tieto informácie sieťam vyššieho rádu. Málo sa však vie o tom, ako deprivácia spánku ovplyvňuje funkčnú konektivitu medzi cerebellum a mozgovou kôrou u ľudí. Táto štúdia sa zamerala na skúmanie zmien funkčnej konektivity mozgu, vyvolaných depriváciou spánku, a ich vzťahu k psychomotorickej bdelosti. Celkom 52 zdravých mužov absolvovalo funkčné zobrazovanie magnetickou rezonanciou v pokojovom stave pred a po 36 hodinách úplnej deprivácie spánku. Funkčná konektivita sa hodnotila pomocou analýz záujmovej oblasti (ROI)-to-ROI, pričom ako zárodočné oblasti sa použilo 26 cerebelárnych ROI. Psychomotorická bdelosť bola hodnotená pomocou testu psychomotorickej bdelosti (PVT). Znížená funkčná konektivita bola pozorovaná medzi oblasťami cerebelárnych semien a bilaterálnymi postcentrálnymi, ľavými dolnými frontálnymi, ľavými hornými mediálnymi frontálnymi a pravými strednými temporálnymi gyri. Na rozdiel od toho bola medzi cerebellum a bilaterálnym caudate pozorovaná zvýšená funkčná konektivita. Okrem toho zníženie funkčnej konektivity medzi cerebellum a postcentrálnym gyrom negatívne korelovalo so zvýšením reakčných časov PVT, zatiaľ čo zvýšenie funkčnej konektivity medzi cerebellum a bilaterálnym caudate pozitívne korelovalo so zvýšením reakčných časov PVT. Tieto výsledky naznačujú, že zmenená funkčná konektivita mozočku je spojená s poruchou psychomotorickej bdelosti vyvolanou depriváciou spánku.


Ak máte nespracované funkčné/anatomické údaje , možnosti, ktoré v prípade potreby zodpovedajú vašim cieľom).

Ak máte predspracované funkčné/anatomické údaje , , vyberte vyhladené, normalizované funkčné objemy a na karte „Štrukturálne“ vyberte tiež normalizované štruktúrne objemy, prípadne na karte „ROI“ vyberte normalizované objemy sivej/bielej/csf (tieto sa zvyčajne vytvárajú počas normalizácie štrukturálnych objem pre každý subjekt) pre zodpovedajúce NI.

Ak máte funkčné/anatomické údaje, ktoré boli predtým analyzované v SPM, môžete začať spustením súboru nástrojov conn a kliknutím na položku Setup- & gtImport, výberom počtu predmetov a zadaním zodpovedajúcich súborov SPM.mat (jeden pre každý predmet). Tým sa priamo importujú všetky experimentálne informácie do súboru nástrojov conn (podmienky a voliteľné kovariáty prvej úrovne), ako aj do zdroja funkčných zväzkov a súborov parametrov preskupenia.

Gui môžete tiež úplne preskočiť a definovať všetky potrebné informácie prostredníctvom skriptov. Ďalšie informácie nájdete v dávkovej príručke k súprave nástrojov conn.


Záver

Zaviedli sme flexibilný a automatický multimodálny prístup k analýze konektivity mozgu, ktorý môže integrovať informácie z rôznych zobrazovacích modalít (MRI a PET). MIBCA síce premosťuje priepasť medzi vysokým počtom balíkov a nástrojov, ktoré sú v komunite neuroimagingu široko dostupné, vrátane predbežného spracovania, konektivity a grafických teoretických analýz v jednom súbore nástrojov, ale ponúka aj rôzne možnosti kombinovania, analýzy a vizualizácie údajov novými spôsobmi, ktoré umožňujú lepšie porozumenie ľudskému mozgu. Toto je tiež požiadavka komunity neuroimagingu, kde sa počet multimodálnych systémov dostupných na celom svete (napr. MR-PET) za posledné dva roky výrazne zvýšil.


Pozri si video: 월클 손웅정 (August 2022).