如何快速上手GRETNA：完整的脑网络分析工具使用指南

GRETNA（Graph-theoretical Network Analysis Toolkit in MATLAB）是一款强大的脑网络分析工具，专为成像连接组学研究设计。它提供直观的图形界面和全面的网络分析功能，帮助研究者轻松构建、分析和可视化大脑结构与功能网络。无论你是新手还是有经验的研究者，本指南都能让你快速掌握GRETNA的核心功能和使用方法。

🧠 GRETNA核心功能概览

GRETNA整合了从数据预处理到网络分析的全流程工具，主要功能模块包括：

• 数据预处理：支持DICOM转NIfTI、时间层校正、头动校正等10+预处理步骤
• 网络构建：提供多种阈值化方法构建二值/加权网络
• 拓扑属性分析：涵盖小世界属性、效率、度中心性等20+网络指标
• 统计比较：支持组间差异分析和可视化
• 结果可视化：提供网络图、 hub节点、小提琴图等多种展示方式

图1：GRETNA核心功能模块架构图，展示从数据输入到结果输出的完整工作流

🚀 快速安装与启动步骤

1. 获取源码

git clone https://gitcode.com/gh_mirrors/gr/GRETNA

2. 启动主程序

在MATLAB命令窗口中导航至GRETNA目录，输入：

gretna

启动后将显示主界面，包含预处理、网络分析、统计比较等核心功能按钮。首次运行会自动加载版本信息并显示引用文献提示。

🔍 核心工作流程详解

数据预处理全流程

预处理模块（GUI/gretna_GUI_PreprocessInterface.m）提供一站式数据准备工具，推荐流程：

1. DICOM转NIfTI：将原始DICOM文件转换为神经影像标准格式
2. 去除首帧图像：消除磁场不稳定影响（默认移除前5帧）
3. 时间层校正：校正不同切片采集时间差异
4. 头动校正：基于刚体变换校正被试头动
5. 空间标准化：将图像配准到MNI标准空间
6. 空间平滑：提高信噪比（推荐4mm FWHM高斯核）
7. 时间滤波：保留0.01-0.1Hz低频波动信号

图2：fMRI数据预处理流程示意图，展示各步骤对信号质量的优化效果

网络构建与分析

网络分析模块（GUI/gretna_GUI_NetAnalysisInterface.m）是GRETNA的核心，主要步骤：

1. 网络构建参数设置

• 网络符号：可选正连接、负连接或绝对值
• 阈值类型：支持稀疏度（0.05-0.5）或矩阵元素值阈值
• 网络类型：二值网络（有无连接）或加权网络（连接强度）

2. 核心拓扑属性计算

指标类别	关键指标	功能说明
全局属性	小世界指数	衡量网络高效信息传递能力
	全局效率	评估整体信息传递效率
	模块化指数	量化网络社区结构强度
节点属性	度中心性	识别网络关键节点（hub）
	介数中心性	衡量节点在网络中的桥梁作用
	聚类系数	反映局部网络连接紧密程度

3. 统计分析与可视化

使用比较界面（GUI/gretna_GUI_CompInterface.m）进行组间差异分析，支持：

• 节点水平属性比较（t检验、ANOVA）
• 边水平连接强度差异分析
• 结果可视化（热力图、小提琴图、散点图）

📊 实用功能与最佳实践

批量处理管道

对于多被试数据，推荐使用管道脚本（PipeScript/目录）实现自动化分析：

% 批量预处理示例
gretna_PIPE_FunPreprocessingAndFcMatrix

% 批量网络分析
gretna_PIPE_NetAnalysis

自定义模板与掩码

GRETNA支持多种解剖模板（Atlas/目录），包括：

• AAL90/AAL116 脑区模板
• Power264 功能网络模板
• Craddock200 静息态网络模板

可通过gretna_GEN_roi函数创建自定义感兴趣区(ROI)模板。

结果导出与报告

分析结果自动保存为MAT文件，可通过MakeFigures/目录下的工具生成 publication 级图表：

• gretna_plot_hub：可视化网络hub节点
• gretna_plot_violin：绘制组间差异小提琴图
• gretna_plot_regression：展示属性与行为指标相关性

📚 资源与支持

官方文档

详细使用说明请参考：Manual/manual_v2.0.0.pdf

核心函数库

• 网络分析核心：NetFunctions/目录（28个拓扑属性计算函数）
• 图形绘制工具：MakeFigures/目录（12个专用绘图函数）
• 并行计算支持：PSOM/目录（基于并行作业管理系统）

💡 常见问题解决

1. MATLAB版本要求：推荐R2014b及以上版本
2. SPM依赖：预处理模块需SPM8/12支持，请确保正确配置
3. 内存需求：处理100+被试数据建议16GB以上内存
4. 中文显示：在gretna_plot_colorpara.mat中调整颜色参数支持中文标签

---

通过本指南，你已掌握GRETNA的核心功能和使用流程。这款强大的工具已被超过500篇神经影像学研究引用，是连接组学分析的理想选择。开始你的脑网络探索之旅吧！