首页
/ 使用ciftify工具包实现个性化内在网络拓扑分析(PINT)

使用ciftify工具包实现个性化内在网络拓扑分析(PINT)

2025-05-31 19:11:48作者:翟江哲Frasier

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:

  1. 预处理fMRI数据并转换为cifti格式
  2. 数据已映射到LR_32k表面
  3. 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:

  1. 功能数据:预处理后的fMRI数据(.dtseries.nii格式)
  2. 表面文件:被试的左右脑表面文件(.surf.gii格式)
  3. 输入顶点文件:包含模板ROI顶点信息的CSV文件
  4. 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:

  1. _pint.log:包含运行设置和迭代次数的日志文件
  2. _summary.csv:顶点摘要文件,其中pvertex列包含新的"个性化"顶点位置
  3. _tvertex_meants.csv:从模板ROI提取的fMRI时间序列
  4. _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:

  1. snaps模式:生成快照图像
  2. subject模式:为单个被试创建QC页面
  3. 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

  1. 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
  2. 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
  3. 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
  4. 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。

登录后查看全文
热门项目推荐

项目优选

收起
openHiTLS-examplesopenHiTLS-examples
本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
47
253
openHiTLSopenHiTLS
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!
C
347
381
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
871
516
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
179
263
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
131
184
kernelkernel
deepin linux kernel
C
22
5
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
7
0
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
335
1.09 K
harmony-utilsharmony-utils
harmony-utils 一款功能丰富且极易上手的HarmonyOS工具库,借助众多实用工具类,致力于助力开发者迅速构建鸿蒙应用。其封装的工具涵盖了APP、设备、屏幕、授权、通知、线程间通信、弹框、吐司、生物认证、用户首选项、拍照、相册、扫码、文件、日志,异常捕获、字符、字符串、数字、集合、日期、随机、base64、加密、解密、JSON等一系列的功能和操作,能够满足各种不同的开发需求。
ArkTS
31
0
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.08 K
0