当前位置: 首页 > news >正文

对大脑功能连接进行功能注释

BAT工具箱可以对功能连接进行功能注释,解释一下他是怎么做的。

ACR 表示某个脑区在某个任务(或术语)中被激活的概率。
比如:区域 A 在 “emotion” 相关文献中被激活了 200 次,总共出现了 1000 次 → ACR = 0.2

CAR(Co-Activation Ratio)共激活比率
对于一条 FC(比如脑区 i 和 j 之间的连接),BAT 定义了它与某个术语(如“emotion”)的共激活比率:
在这里插入图片描述
对于由L FC组成的功能网络,其对特定功能项的激活程度定义为平均共激活比率(MCAR)
在这里插入图片描述
高 MCAR → 表示这一组 FC 在功能术语 t 上富集明显。

置换检验:

方法一: 适用于【中等数量、稀疏分布】的 FC(比如 <20 个连接)

从大脑中随机选出一组与原始脑区大小相似、数量一致、不重叠的区域;

然后计算这些“随机FC”在特定功能术语下的 MACR(平均共激活比率);

重复这个过程几千次,形成一个“零分布”;

最终比较你真实FC的 MACR 与这个零分布 → 得到显著性(p 值):

如果你真实FC的 MACR 很高,而随机的都很低,那么你这组FC就与某个术语显著相关。

方法二: 适用于【大规模、全脑范围】的 FC(例如 >100 个)
适用情况:

每次置换时:

从整个图谱中随机选出与原始 FC 涉及区域数量一致的脑区;

然后构建这些区域之间的连接,计算 MACR;

同样重复多次,形成“零分布”;

你再看真实 FC 的 MACR 是否显著偏高。

http://www.lryc.cn/news/608906.html

相关文章:

  • git配置公钥/密钥
  • FasrCGI
  • 【ROS2】常用命令
  • Python中的import和from...import有什么区别?
  • 北京-4年功能测试2年空窗-报培训班学测开-第六十六天
  • FFT/STFT/小波/HHT:振动诊断工具生死局,选错=灾难
  • 构造类型--结构体,共同体联合体,枚举
  • 多模态大模型综述:BLIP-2详解(第二篇)
  • jconsole与jvisualvm监控
  • Python 动态属性和特性(特性全解析)
  • 前端 拼多多4399笔试题目
  • RabbitMQ面试精讲 Day 8:死信队列与延迟队列实现
  • 数据分析—numpy库
  • JS逆向 - (国外)川航 - Reese84(cookie)
  • Mongo索引
  • git相关配置问题汇总
  • Linux 文件与目录操作详解
  • 从Docker衔接到导入黑马商城以及前端登录显示用户或密码错误的相关总结(个人理解,仅供参考)
  • PyTorch生成式人工智能(24)——使用PyTorch构建Transformer模型
  • accept4系统调用及示例
  • ABP VNext + CloudEvents:事件驱动微服务互操作性
  • 数据治理:DQC(Data Quality Center,数据质量中心)概述
  • [每周一更]-(第153期):**PDF终极防护指南:命令行全栈加密+一键权限锁死实战(附脚本模板)**
  • Docker--解决x509: certificate signed by unknown authority
  • 医院课题管理全动态流程 (AI-Enhanced, Data-Driven Research Lifecycle)
  • JAVA中的String类方法介绍
  • 基于transformer的目标检测——匈牙利匹配算法
  • 【Excel】利用函数和Power Query进行数据分析
  • 基于Matlab的深度学习智能行人检测与统计系统
  • Java企业级应用性能优化实战