使用ciftify工具包实现个性化内在网络拓扑分析(PINT)
什么是PINT技术
个性化内在网络拓扑(Personalized Intrinsic Network Topography, PINT)是一种基于功能磁共振成像(fMRI)数据的分析方法,它能够为每个被试找到"个性化"的兴趣区域(ROI)。这项技术最初由Dickie等人(2018)提出,主要用于研究自闭症谱系障碍(ASD)中的功能连接缺陷。
PINT算法的核心思想是:对于数据集中的每个被试,算法会将所谓的模板兴趣区域(ROI)位置调整到附近的一个皮层位置,即"个性化"ROI,这个位置能够最大化该ROI与其所属网络内其他ROI之间的相关性。
PINT分析前的准备工作
在运行PINT分析之前,需要确保已经完成了以下准备工作:
- 预处理fMRI数据并转换为cifti格式
- 数据已映射到LR_32k表面
- 准备好模板ROI定义文件(如Yeo7_2011_80verts.csv)
运行PINT分析
主要命令:ciftify_PINT_vertices
这是执行PINT分析的核心命令,基本语法结构如下:
ciftify_PINT_vertices [选项] <功能数据> <左脑表面> <右脑表面> <输入顶点文件> <输出前缀>
关键参数说明:
- 功能数据:预处理后的fMRI数据(.dtseries.nii格式)
- 表面文件:被试的左右脑表面文件(.surf.gii格式)
- 输入顶点文件:包含模板ROI顶点信息的CSV文件
- 输出前缀:指定输出文件的前缀路径
常用选项:
--pre-smooth
:指定迭代前的平滑参数(FWHM)--sampling-radius
:采样ROI的半径(默认6mm)--search-radius
:搜索ROI的半径(默认6mm)--padding-radius
:ROI中心间最小距离半径(默认12mm)--pcorr
:使用网络内最大化偏相关(默认)--corr
:使用完全相关而非偏相关
实际应用示例
ciftify_PINT_vertices --pcorr \
${CIFTIFY_WORKDIR}/sub-50004/MNINonLinear/clean.dtseries.nii \
${CIFTIFY_WORKDIR}/sub-50004/MNINonLinear/fsaverage_LR32k/sub-50004.L.midthickness.32k_fs_LR.surf.gii \
${CIFTIFY_WORKDIR}/sub-50004/MNINonLinear/fsaverage_LR32k/sub-50004.R.midthickness.32k_fs_LR.surf.gii \
/PINT_out/Yeo7_2011_80verts.csv \
/PINT_out/sub-50004/sub-50004_task-rest
输出文件说明
PINT分析完成后会生成以下文件:
_pint.log
:包含运行设置和迭代次数的日志文件_summary.csv
:顶点摘要文件,其中pvertex
列包含新的"个性化"顶点位置_tvertex_meants.csv
:从模板ROI提取的fMRI时间序列_pvertex_meants.csv
:从个性化ROI提取的fMRI时间序列
质量检查与可视化
cifti_vis_PINT命令
PINT分析完成后,强烈建议使用cifti_vis_PINT
命令生成质量控制可视化结果。该命令有三种模式:
snaps
模式:生成快照图像subject
模式:为单个被试创建QC页面index
模式:创建顶层索引HTML页面
使用示例
cifti_vis_PINT subject \
${CIFTIFY_WORKDIR}/sub-50004/MNINonLinear/clean.dtseries.nii \
sub-50004 \
PINT_out/sub-50004/sub-50004_task-rest_summary.csv
创建所有被试的QC页面后,应运行index
模式生成顶层索引:
cifti_vis_PINT index
PINT后处理分析
1. 合并摘要文件
使用ciftify_postPINT1_concat
命令可以将所有被试的_summary.csv
文件合并为一个CSV文件,便于统计分析。该命令还会重新计算模板顶点与个性化顶点在标准HCP S1200表面上的距离。
ciftify_postPINT1_concat all_PINT_summaries_concat.csv sub*/*_summary.csv
2. 被试间距离测量
ciftify_postPINT2_sub2sub
命令可以测量不同被试间个性化顶点之间的距离,这对于计算测试-重测可靠性非常重要。
ciftify_postPINT2_sub2sub [选项] <合并的PINT输出> <输出文件>
技术要点与建议
- ROI半径选择:默认6mm的ROI半径适用于大多数研究,但对于高分辨率数据可适当减小
- 相关性选择:偏相关(--pcorr)通常是更好的选择,因为它能控制其他网络的影响
- 距离度量:在统计分析中,建议使用
std_distance
列作为主要距离度量 - 质量控制:务必检查每个被试的QC可视化结果,确保PINT结果可靠
引用说明
使用PINT方法时,请引用原始文献: Dickie EW, et al. Personalized Intrinsic Network Topography Mapping and Functional Connectivity Deficits in Autism Spectrum Disorder. Biol Psychiatry. 2018.
通过ciftify工具包中的PINT分析流程,研究人员能够获得更加个性化的功能连接分析结果,特别适用于研究个体差异较大的临床群体,如自闭症谱系障碍患者。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~057CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









