fMRI

当前话题为您枚举了最新的fMRI。在这里,您可以轻松访问广泛的教程、示例代码和实用工具,帮助您有效地学习和应用这些核心编程技术。查看页面下方的资源列表,快速下载您需要的资料。我们的资源覆盖从基础到高级的各种主题,无论您是初学者还是有经验的开发者,都能找到有价值的信息。

MATLAB实现BOLD-fMRI信号静止状态HRF估计和反卷积
MATLAB代码实现了从静止状态fMRI BOLD信号中估计触发血液动力学响应的伪事件发作。基于点过程理论,使用模型检索事件与HRF发生及形状之间的最佳滞后,采用具有两个导数的规范形状或平滑的有限冲激响应。每个体素的HRF检索后,可在时间序列中对其进行反卷积以改进基于滞后的连接性估计,或映射形状参数作为病理生理指标。输入可以是3D或4D图像,或直接矩阵格式[观察x体素]。支持使用时间掩码排除特定时间点。Python软件包和BIDS-App已开发,可重复和轻松进行分析。
Matlab和SPM12脚本改善fMRI数据质量检查工具
一组Matlab和SPM12脚本,用于优化fMRI数据集的图像和时间序列质量指标计算及可视化。受PCP-QAP和MRIQC启发,此工具为熟悉SPM12和Matlab的fMRI技术人员提供便捷的质量控制功能。尽管其相对性质取决于扫描仪位置、采集时间和数据格式,但可为研究人员提供关于潜在数据质量问题的有用见解。
使用MCMC将ODC模型拟合到fMRI数据的Matlab中位值平均滤波算法代码
Matlab代码演示了如何使用MCMC方法将ODC模型拟合到fMRI数据。该方法由Chaimow等人(2018)开发,处理功能性MRI数据,以反映血氧水平对神经活动的空间特异性响应。代码包括模型和MCMC算法的主要部分,可在本地或HPC群集上运行。示例数据来自Chaimow等人的研究,展示了在处理过的fMRI数据上的模型应用。
交叉验证LOOCV MATLAB代码fMRI研究中的混合效应多级分析和典型相关分析
在神经影像学研究中,交叉验证LOOCV matlab代码的应用是探索混合效应多级分析(MEMA)和典型相关分析(CCA)的分析框架。这些方法适用于血氧水平依赖性(BOLD) fMRI体积数据分析,针对个体水平的数据进行精确评估,例如使用GLM模型和最小二乘限制最大似然估计。此外,行为数据的标准化分析显示了行为与神经活动之间的潜在联系。
matlab图像清晰化实现代码-McGurk优先代码与fMRI实验相关的McGurk效应上下文代码
matlab图像清晰化实现代码先验如何影响多感知知觉。该代码与实验和论文紧密相关,已上传原始研究结果。更多信息和刺激请参见相关资源。原始版本的fMRI和行为实验运行脚本分别存放在fMRI和psychophysics文件夹中(最初在matlab 2010a和psychtoolbox 3.09中运行)。仍需改进文档。初始刺激存储于OSF私人项目中,因演员视频内容未充分开放。如需了解更多,请联系我们。用于分析的原始脚本存放在fMRI_analysis文件夹中,但文档记录尚不完善,用于后代和档案目的。其他未发布或提及的多项分析脚本存放于存储库archives分支的archive文件夹中。我已为原始fMRI数据制作了BIDS数据集。目前正在审核该功能磁共振成像研究的道德许可,以便全面开放数据。请谅解,如需了解详情,请联系我们。