靜息態(tài)功能腦網(wǎng)絡構建與分析平臺的設計與開發(fā)

1、1靜息態(tài)功能腦網(wǎng)絡構建與分析平臺的設計與開發(fā)靜息態(tài)功能腦網(wǎng)絡構建與分析平臺的設計與開發(fā)摘要摘要腦網(wǎng)絡的研究是“腦連接組”研究的一部分。由于人們對自身尤其是大腦的研究沒有停止過以及腦網(wǎng)絡的研究可以為很多現(xiàn)在無法完全治愈的心理疾?。ㄈ缫钟舭Y）的治療帶來希望。目前國內(nèi)外腦連接的研究已經(jīng)成為熱點，但是可視化的腦網(wǎng)絡的構建分析平臺的研發(fā)還是空白的。本文主要介紹靜息態(tài)功能腦網(wǎng)絡構建與分析平臺。包括平臺的設計原則和平臺的整體架構。平臺目前已實現(xiàn)功能有：支持功能腦網(wǎng)絡構建的批處理；支持多結點、多 volumne 網(wǎng)絡定義；支持皮爾遜、斯皮爾曼、皮爾遜偏相關、斯皮爾曼偏相關等四種連接定義；支持聚合系數(shù)、最短路勁

2、長度、模塊度等 6 個全局屬性以及度、介數(shù)、參與系數(shù)等 4 個局部屬性計算。支持 T 檢驗、WS 檢驗及方差分析等統(tǒng)計檢驗方法；可對連接根據(jù)網(wǎng)絡權值進行逆序或順序排序；可根據(jù)用戶設定的稀疏度空間及步長進行批量網(wǎng)絡構建。靜息態(tài)功能腦網(wǎng)絡構建分析平臺是一個用于科學研究的腦網(wǎng)絡研究工具，它可以幫助研究人員從不同的層次以快速，簡單，靈活的方式可視化的構建腦功能網(wǎng)絡并對其進行分析。關鍵字：復雜網(wǎng)絡，功能腦網(wǎng)絡， ，模塊化， 1 Development and design of Brain Network Construction & Analysis PlatformAbstractThis

3、article describes the status and development prospects of the brain network studyThis article describes what is brain network,what is a node and what is an edge .Thisarticle focuses on describes Brain Network Construction & Analysis Platform.This article will tell you its design principles and i

4、ts overall architecture. Brain Network Construction & Analysis Platform has following functions:batch build a brain network;defined brain by multi-node and multi-volumne; it provide four methods to create the link between brain regions, four methods are person, spareman, partial correlation pers

5、on and partial correlationspareman; it provide calculation method for the seven property .The seven property are : The shortest path , Cluster Coefficient,Local efficiency,Global efficiency,Assortativity,degree and Betweenness;it provide two methods to sort the contact between brain regions for P va

6、lue and R value . Two methods as follows : ascending order and descending order ; it provide two methods to interception ,one method is interception according to the percentage of the total ,another method is interception according to the precise number of articles. Brain NetworkConstruction & A

7、nalysis Platform is a brain network visualization tool, which can help researchers to visualize constructed and analysis functional brain networks from different levels in a quick, easy and flexible way.Key words: brain network,constructed of brain network,analysis of brain network,modular,too目目 錄錄摘

8、要摘要.1ABSTRACT.11 緒論緒論.11.1 國內(nèi)外研究現(xiàn)狀及選題目的.11.2 本文的研究內(nèi)容.21.3 本文的章節(jié)安排.32 2 腦網(wǎng)絡的構建與分析腦網(wǎng)絡的構建與分析.42.1 腦網(wǎng)絡的概念.42.2 腦網(wǎng)絡的構建方法 .42.3 腦網(wǎng)絡分析指標.52.4 小結.93 3 靜息態(tài)功能腦網(wǎng)絡構建分析平臺的設計靜息態(tài)功能腦網(wǎng)絡構建分析平臺的設計.103.1 平臺介紹.103.2 設計原則.103.3 總體架構.113.4 小結.194 4 平臺代碼實現(xiàn)及示例平臺代碼實現(xiàn)及示例.204.1 實驗數(shù)據(jù)采集.204.2 模塊一：功能腦網(wǎng)絡的構建.214.3 模塊二：功能腦網(wǎng)絡的分析.264.

9、4 模塊三：腦功能網(wǎng)絡的模塊劃分.294.5 小結.31結論結論.32展望展望.34致致 謝謝.36參考文獻參考文獻 .37附錄附錄 1 1 部分重要代碼部分重要代碼.38附錄附錄 2 2 平臺的中文使用說明書平臺的中文使用說明書.44附錄附錄 3 3 平臺英文使用說明書平臺英文使用說明書 .57附錄附錄 4 4 如何神經(jīng)影像工具開源平臺如何神經(jīng)影像工具開源平臺 NITRCNITRC 下載腦網(wǎng)絡構建與分析平臺下載腦網(wǎng)絡構建與分析平臺 .76外文文獻外文文獻 .80中文譯文中文譯文 .9111 緒論緒論1.11.1 國內(nèi)外研究現(xiàn)狀及選題目的國內(nèi)外研究現(xiàn)狀及選題目的 最經(jīng)幾年腦連接組的研究已經(jīng)成為

10、人們研究的熱點，它是計算機科學，神經(jīng)科學，臨床科學等科學的共同前沿。在它的研究中計算機科學占有不可忽視的地位，因為腦研究組的研究數(shù)據(jù)量大，緊緊靠人力很難完成，所以使用計算機并依靠各種科學的算法挖掘出大量有用的數(shù)據(jù)。腦連接組的發(fā)展基礎是。磁共振與光學成像和基因工程等技術的發(fā)展和融合。其中最為重要的是靜息態(tài)功能磁共振成像（fMRI）技術的發(fā)展。靜息態(tài)功能磁共振成像（fMRI）技術以非入侵性方式來衡量大腦的自發(fā)神經(jīng)活動，它已經(jīng)引起了相當程度的重視（Biswal 等，1995 年；ox 和 Raichle，2007 年） 。靜息狀態(tài)（閉眼、清醒、無特定認知任務）下測量的人腦基礎代謝達到人體總能耗的五分

11、之一，凸顯出靜息態(tài)腦功能研究的重要性。相對于任務態(tài)下的測量靜息態(tài)不必執(zhí)行特定的認知任務，這項技術可以測量人腦血氧水平依賴低頻波動信號，其反映了人腦自發(fā)神經(jīng)活動，進而可以用來研究人腦內(nèi)在功能架構。 2010 年，Biswal 等人通過聯(lián)合全世界 35 個實驗室（中國包括：北京師范大學、臺灣陽明大學、東南大學和中國科學院心理研究所）共享 1414 人的靜息態(tài)功能磁共振數(shù)據(jù)，首次在大樣本數(shù)據(jù)上展示了靜息態(tài)功能磁共振方法在研究人腦功能內(nèi)在架構及其與年齡、性別表型關系的可行性。在此基礎上，結合人腦連接組（即全腦解剖連接整體）概念，提出了人腦功能連接組（即全腦功能連接整體）并建議將其作為探索人腦功能的研究

12、對象。目前，已有大量的靜息態(tài)功能磁共振計算方法被提出，從功能分化和功能整合兩個角度，考察局部腦功能，功能子系統(tǒng)、完整功能連接組三個層次上的人腦功能。國內(nèi)方面，功能磁共振技術最初由中國科學院心理研究所的翁旭初教授引入；中國科學院自動化研究所蔣田仔的研究組最早開始關注靜息態(tài)功能磁共振并開展了一系列的方法學研究。 靜息態(tài)功能腦網(wǎng)絡的研究尤其實際的意義。當前世界上有很多疾?。ㄈ纾阂钟舭Y，兒童多動癥等）沒有正規(guī)的判斷和治療的方法，最近的研究表明患有這些心理疾病的人的大腦與正常人的相比有的腦區(qū)存在異常（例如：重度抑郁癥與大腦許多區(qū)域的異常有關，這些區(qū)域包括海馬（Hippocampus）、海馬旁回（Para

13、Hippocampal）、中央前回（Precentral）、尾狀核（Caudate）等等） ，這表示要想治愈這些心理疾病，靜息態(tài)功能腦網(wǎng)絡的研究尤就尤為重要。 雖然腦功能研究正在國內(nèi)外如火如荼的進行，但是腦功能研究的多學科交叉特性為研究帶來了很大的困難， 。輔助處理軟件作為重要的計算機工具為心理學、醫(yī)學等其他相關領域的同類研究提供了重要的輔助工具，具有很強的應用價值。在腦網(wǎng)絡構建分析平臺的開發(fā)上，目前在國內(nèi)外仍屬空白。據(jù)項目組了解，目前尚沒有成熟的腦網(wǎng)絡輔助構建分析軟件發(fā)布。在此基礎上，項目組自主開發(fā)了基于 Matlab 平臺的開源腦網(wǎng)絡構建分析輔助平臺- Brain Network Cons

14、truction & Analysis Platform。目前beta 版本已經(jīng)于神經(jīng)影像工具開源平臺 NITRC 發(fā)布（/projects/cabn/） 。1.21.2 本文的研究內(nèi)容本文的研究內(nèi)容 完成了靜息態(tài)功能腦網(wǎng)絡構建與分析平臺的整體架構的設計。平臺整體包括靜息態(tài)腦網(wǎng)絡的構建，靜息態(tài)腦網(wǎng)絡的分析，腦網(wǎng)絡的模塊化這三個模塊。完成了靜息態(tài)腦網(wǎng)絡構建模塊的開發(fā)，模塊完成靜息態(tài)腦網(wǎng)絡的構建功能，包括數(shù)據(jù)整合，腦區(qū)之間建立聯(lián)系，腦區(qū)之間聯(lián)系強弱的排序，稀疏度的選擇四步。平臺還提供腦網(wǎng)絡構建的批處理過程。完成了靜息態(tài)腦網(wǎng)絡的分析模塊。該模塊的功能是對

15、腦網(wǎng)絡的分析指標進行計算并且提供多種檢驗方式。目前已經(jīng)實現(xiàn)有最短路徑，聚合系數(shù)，度，中間中心度等七個分析指標的計算以及非參數(shù)檢驗。在后續(xù)的研究中將實現(xiàn)其他分析指標的計算并提供 T 檢驗和方差檢驗等。完成了腦網(wǎng)絡的模塊劃分。該模塊對腦網(wǎng)絡進行模塊劃分，并實現(xiàn)了參與系數(shù)的計算。完成了中英文使用說明書的編寫。并將平臺發(fā)布在神經(jīng)影像工具開源平臺 NITRC。1.31.3 本文的章節(jié)安排本文的章節(jié)安排本文要是對靜息態(tài)功能腦網(wǎng)絡構建與分析平臺的設計與實現(xiàn)進行說明。本文首先對靜息態(tài)腦功能網(wǎng)絡的國內(nèi)外研究現(xiàn)狀進行分析，說明腦網(wǎng)絡的研究室當前的研究熱點并具有很強的現(xiàn)實意義。其次，本文對腦網(wǎng)絡研究中的幾個重要的概

16、念：腦網(wǎng)絡，節(jié)點的定義，邊的定義，腦網(wǎng)絡的幾個屬性（例如：集合系數(shù)，最短路徑，度，中間中心度等）做了詳細的介紹，并且給出腦網(wǎng)絡屬性的計算方法。最重要的是，本文對靜息態(tài)功能腦網(wǎng)絡構建與分析平臺進行詳細的介紹，包含了平臺的設計原則，總體架構等。最后，本文以一個示例介紹了平臺的所有功能模塊，詳細介紹了每個模塊具體實現(xiàn)的功能。本文還在附錄中給出了平臺的中、英文使用說明書，部分重要的代碼以及如何在神經(jīng)影像工具開源平臺 NITRC 上下載使用靜息態(tài)功能腦網(wǎng)絡構建與分析平臺。 本文正文共分為五章對對靜息態(tài)功能腦網(wǎng)絡構建與分析平臺的設計與實現(xiàn)進行說明。第一章緒論描述對目前國內(nèi)外的研究現(xiàn)狀，選題的目的，文章的主

17、要研究內(nèi)容，文章的章節(jié)。第二章腦網(wǎng)絡的構建與分析描述平臺設計的理論部分。主要對腦網(wǎng)絡的定義，節(jié)點的定義，邊的定義，腦網(wǎng)絡中幾個屬性的定義以及屬性的計算算法進行描述。第三章靜息態(tài)功能腦網(wǎng)絡構建分析平臺的設計描述平臺的介紹，平臺的設計原則，以及平臺的架構。在第三章中以一個簡單的實例來說明平臺所要實現(xiàn)的全部功能。第四章平臺代碼實現(xiàn)及示例中以一個具體的實例說明平臺的功能。在第四章中，從實例的數(shù)據(jù)收集，到平臺各部分功能的具體實現(xiàn)都進行了詳細的說明。而且在附錄一中給出了平臺實現(xiàn)的部分重要代碼。第五章結論與展望中對靜息態(tài)功能腦網(wǎng)絡構建與分析平臺目前取得的成績進行總結，對平臺未來要實現(xiàn)的功能及作用進行描述，對

18、課題組遇到的困難進行陳述，對腦網(wǎng)絡的研究在將來醫(yī)學等各個領域的作用進行展望。本文在附錄二中給出了靜息態(tài)功能腦網(wǎng)絡構建與分析平臺的中、英文使用說明書；附錄三中給出了在 beta 版本已經(jīng)于神經(jīng)影像工具開源平臺 NITRC 上下載安裝使用靜息態(tài)功能腦網(wǎng)絡構建與分析平臺的具體操作方法。2 2 腦網(wǎng)絡的構建與分析腦網(wǎng)絡的構建與分析2.12.1 腦網(wǎng)絡的概念腦網(wǎng)絡的概念 人腦與計算機的區(qū)別在于計算機只會依據(jù)人工事先設定好的程序執(zhí)行任務而不能自主的思考并針對具體的事件提出解決辦法。人腦是怎樣的一個思維的過程這一直是人們研究的焦點。人們急迫的想了解人腦是怎樣的構造以及人在思考時腦部有什么變化。目前人們對人腦

19、的物理結構有一定的了解。通過腦連接組研究的不斷推進人們對腦功能研究也有一些了解。腦功能不是單個的神經(jīng)元或單個腦區(qū)獨立完成的，而是通過這些神經(jīng)元或腦區(qū)通過突觸相互連接形成一個高度復雜的腦網(wǎng)絡繼而完成的。大腦在任務態(tài)下或靜息態(tài)下都不是一成不變的，它是一個不斷重組與變化的動態(tài)網(wǎng)絡。隨著腦網(wǎng)絡研究的不斷發(fā)展，研究表明大腦進行動態(tài)信息加工和認知表達的生理基礎是腦網(wǎng)絡。現(xiàn)實世界中社會網(wǎng)絡，信息網(wǎng)絡，生物網(wǎng)絡和技術網(wǎng)絡等許多復雜系統(tǒng)都可以表示成圖或網(wǎng)絡。在這些復雜系統(tǒng)中定義不同的節(jié)點并通過節(jié)點間的某種關系連接各個節(jié)點形成邊，這樣這些復雜系統(tǒng)就形成復雜的網(wǎng)絡。隨著對這些復雜系統(tǒng)的研究一套完整的復雜網(wǎng)絡理論應運

20、而生。復雜網(wǎng)絡理論為研究腦網(wǎng)絡提供了一個嶄新的思路。大腦也可以通過定義節(jié)點和邊形成一個腦網(wǎng)絡。腦網(wǎng)絡的研究主要依靠腦成像技術和數(shù)據(jù)采集技術及方法。腦網(wǎng)絡的研究意義是為現(xiàn)實醫(yī)學提供依據(jù)，因此對腦網(wǎng)絡屬性的分析也尤為重要。利用復雜網(wǎng)絡基本原理以及統(tǒng)計物理學等方法進行屬性分析，以期發(fā)現(xiàn)網(wǎng)絡基本屬性及節(jié)點間潛在的拓撲關系。2.22.2 腦網(wǎng)絡的構建方法腦網(wǎng)絡的構建方法 在腦網(wǎng)絡的研究中最重要的兩個研究重點是節(jié)點的定義以及邊的定義。目前，學界對節(jié)點和邊的定義沒有一個明確的規(guī)定。 節(jié)點的定義。節(jié)點是腦網(wǎng)絡研究的最小單元，它要作為一個獨立的個體就像構成物質(zhì)的原子一樣。節(jié)點既要有相對于外部的獨立性又要有內(nèi)部的

21、一致性。在不同的研究領域節(jié)點的定義是有差別的。例如，隨神經(jīng)系統(tǒng)而言，可以定義每個神經(jīng)元為獨立的節(jié)點，神經(jīng)元之間的突出為邊。腦電圖（Electroencephalogram，EEG）是通過醫(yī)學儀器腦電圖描記儀將人體腦部自身產(chǎn)生的微弱生物電放大記錄而得到的曲線圖。利用EEG 可以記錄頭皮電極所傳遞的電信號。那么對于 EEG 數(shù)據(jù)而言，將每個電極定義為網(wǎng)絡節(jié)點。 在本文中每一個大腦區(qū)域定義為一個節(jié)點。如，按照 Automated Anatomical Labeling 模板分成 90 個腦區(qū)作為感興趣區(qū)（ROI，Regions of Interest）,每一個區(qū)域定義為一個節(jié)點。 邊的定義。同節(jié)點的

22、定義相同，邊的定義也有很多種，例如有向還是無向，有權還是無權，連接的定義等。 邊的分類有很多種，從功能角度看邊的定義有功能連接（Functional Connectivity）及有效連接（Effective Connectivity） 。在本文中節(jié)點之間的邊表示不同腦區(qū)之間的平均時間序列的相關性。邊的定義屬于功能連接，平臺中使用到得方法有 Pearson、Spearman、Pearson 偏相關和 Spearman偏相關。2.32.3 腦網(wǎng)絡分析指標腦網(wǎng)絡分析指標腦網(wǎng)絡分析的指標也就是腦網(wǎng)絡所含有的屬性，腦網(wǎng)絡分析的指標有很多種，如下表 2-1 所示。表 1 中給出了屬性的名稱，常用的符號以及

23、屬性的描述。在下列的屬性中平臺已經(jīng)實現(xiàn)了最短路徑長度，聚合系數(shù)，度，中間中心度，協(xié)調(diào)系數(shù)，全局效率和局部效率的計算。在平臺后續(xù)的完善中將實現(xiàn)其他指標的計算。表 2-1 腦網(wǎng)絡分析指標指標名稱常用符號指標描述節(jié)點屬性度ki直接連接在一個節(jié)點的邊的個數(shù)效率ei衡量一個節(jié)點與其他節(jié)點通信的效率中間中心度Bi一個節(jié)點超過網(wǎng)絡中其他節(jié)點的信息流的影響聚合系數(shù)Ci一個節(jié)點周圍節(jié)點之間相互通信的程度參與系數(shù)Pi一個節(jié)點在自己的模塊中和其他模塊保持通信能力的能力標準化 pi Pinor模塊數(shù)量糾正后系數(shù)的標準化全局屬性聚合系數(shù)Cp網(wǎng)絡本地聚類的程度標準化特征路徑長度Lp網(wǎng)絡整體路由效率的程度全局效率Eglob

24、衡量如何有效的通過整個網(wǎng)絡傳播信息局部效率Eloc衡量如何高效的傳播信息通過節(jié)點的直接相鄰節(jié)點協(xié)調(diào)系數(shù)r計算一個節(jié)點的度和這個節(jié)點鄰接的所有接電腦的度的平均值的關系在當前的研究中有十二個全局屬性被計算：小世界參數(shù)（聚合系數(shù)，特征路徑長度，聚合系數(shù)規(guī)范化，標準化特征路徑長度和 small-worldness） ，網(wǎng)絡效率（全局效率和局部效率） ，協(xié)調(diào)系數(shù)，層次，同步化，模塊度和模塊數(shù)量。一個網(wǎng)絡的小世界參數(shù)（聚合系數(shù)和特征路徑長度）由 Watts and Strogatz 最先提出。簡單的說，一個網(wǎng)絡的聚合系數(shù)是所有節(jié)點的聚合系數(shù)的平局值和本地所有互聯(lián)網(wǎng)絡的量化。一個網(wǎng)絡的特征路徑長度是連接一個

25、節(jié)點到另一個節(jié)點所需的最短路徑的長度，所有節(jié)點這種長度的平均值。特征路徑長度是一個整體網(wǎng)絡路由效率的指標。1、最短路徑平均路徑長度也稱為特征路徑長度或平均最短路徑長度，指的是一個網(wǎng)絡中兩點之間最短路徑長度（或稱距離）的平均值。從一個節(jié)點 si 出發(fā)，經(jīng)過與它相連的節(jié)點，逐步“走”到另一個節(jié)點 sj 所經(jīng)過的路途，稱為兩點間的路徑。其中最短的路徑也稱為兩點間的距離，記 dist(i,j)。而平均路徑長度定義為： (公式 1)ijcjidistNNist),() 1(2d這其中 N 是節(jié)點數(shù)目，并定義節(jié)點到自身的最短路徑長度為 0。如果不計算到自身的距離，那么平均路徑長度的定義就變成： （公式 2

26、）ijcjidistNNdist),() 1(2 2、聚合系數(shù)聚 合系數(shù)(clustering coefficient)：假設某個節(jié)點有 k 個邊，則這 k 條邊連接的節(jié)點（k 個）之間最多可能存在的邊的個數(shù)為 k(k-1)/2，用實際存在的邊數(shù)除以最多可能存在的邊數(shù)得到的分數(shù)值，定義為這個節(jié)點的聚合系數(shù)。所有節(jié)點的聚合系數(shù)的均值定義為網(wǎng)絡的聚合系數(shù)。聚合系數(shù)是網(wǎng)絡的局部特征，反映了相鄰兩個人之間朋友圈子的重合度，即該節(jié)點的朋友之間也是朋友的程度。3、全局效率和局部效率效率是具有很高可信度的指標，它從如何描述大腦網(wǎng)絡信息流的角度進行分析，可以處理斷開或者滿陣線的圖形。其中，全局效率的衡量如何有

27、效的通過整個網(wǎng)絡傳播信息。局部效率是衡量如何高效的傳播信息通過節(jié)點的直接相鄰節(jié)點。對于一個有 N 個節(jié)點和 K 條邊的網(wǎng)絡 G，網(wǎng)絡 G 的全局效率的計算方式為： （公式 3）GjiijglobdNNGE1) 1(1)(其中 dij是網(wǎng)絡 G 中節(jié)點 i 和節(jié)點 j 之間的最短路徑。 網(wǎng)絡 G 的局部效率的計算方式為： （公式 4）GiigloblocGENGE)(1)(其中 Eglob(Gi)是網(wǎng)絡 G 的全局效率。節(jié)點 i 的相鄰節(jié)點構成子圖。 4、協(xié)調(diào)系數(shù) 度的關聯(lián)性是用來計算一個節(jié)點的度和這個節(jié)點鄰接的所有節(jié)點的度的平均值的關系。一個正面的 r 值大于 0 意味著連接的節(jié)點將要連接其他

28、很多連接的節(jié)點，這是一個協(xié)調(diào)網(wǎng)絡的典型特點。相對的，一個負面的 r 值小于 0 表示一個網(wǎng)絡高效連接的節(jié)點連接外圍的節(jié)點要比它們之間的連接多，這是非協(xié)調(diào)網(wǎng)絡的主要特征。一般的，對于一個 K 條邊的網(wǎng)絡，度的關聯(lián)度（協(xié)調(diào)系數(shù)）的計算方法為： （公式 5-112122121()211()()22iiiiBiiiiiiiiKj kKjkrKjkKjk1）或 （公式 5-iiiiiiiiiiiiiiiiWkjHkjHkjHkjHr21221211 )(21)(21 )(212） 其中，ji 和 ki是第 i 條邊的結束端頂點的度，且 i=1,K；wi 和 H 是第 i 條邊的權重和所有 K 條邊的權重

29、和。在目前的研究中對六個局部屬性進行計算，他們分別是：度，聚合系數(shù)，中介，效率，參與系數(shù)，標準化的參與系數(shù)。5、度是指直接連接到一個節(jié)點的連接數(shù)，通常第 i 個節(jié)點的度被定義為： or （公式 6）Biijj GkaGjijWiwk 其中，aij(wij)是在二值網(wǎng)絡（加權網(wǎng)絡）下二值矩陣（加權矩陣）中的第（i，j）個元素。度是一種用以衡量一個節(jié)點與網(wǎng)絡中剩余節(jié)點的連接的簡單計算。7、中間中心度 一個節(jié)點的中間中心度描述一個節(jié)點超過網(wǎng)絡中其他節(jié)點的信息流的影響。 節(jié)點 i 的中間中心度的計算方法為： （公式 7）( )mnim i n Gmnib 其中，mn是從一個節(jié)點 m 到節(jié)點 n 的最短

30、路徑的數(shù)量的和（路徑都是以最短路徑） ，mn(i)是從節(jié)點 m 到節(jié)點 n， ，并且通過節(jié)點 n 的最短路徑的數(shù)量。8、參與系數(shù) 參與系數(shù)是用來描述一個索引節(jié)點保持它所在的模塊和其他模塊之間通信的能力。 一個功能腦網(wǎng)絡模塊度的的參與系數(shù)是 p，則它的模塊化索引 Q 可以定義為： （公式 8-1）21( )2MNBsssldQpLL或 （公式 8-2）21( )2MNWssswWQpWW其中，NM是模塊的數(shù)量，L(W)是網(wǎng)絡中連接數(shù)量的和（權重的和） ，ls(Ws)是在模塊 s中節(jié)點之間的連接數(shù)量（連接權重的和） ，ds(Ws) 是模塊 s 中節(jié)點的 kiB(kiW)的和。模塊的量化在實際網(wǎng)絡中

31、模塊內(nèi)連接的數(shù)量（權重）和隨機網(wǎng)絡中模塊內(nèi)連接的數(shù)量（權重）是不同的，在隨機網(wǎng)絡中連接是隨機的。模塊識別的目的是找到一個特殊的 p 值，通過它產(chǎn)生一個最大的網(wǎng)絡模塊度 Qmax。 基于確定了一個模塊的結構，節(jié)點 i 的參與系數(shù) Pi可以定義為： （公式 9）211MNisisikPk 其中，NM是模塊的數(shù)量，kis是模塊 s 中節(jié)點 i 到其他節(jié)點的度，ki是節(jié)點 i 的度。Pi接近于 1 表示節(jié)點 i 在所有的模塊中度有一個平均的分配。如果節(jié)點 i 在模塊內(nèi)沒有連接則 PI為 0。值得注意的是，一個給定節(jié)點的參與系數(shù)的上限被模塊劃分的數(shù)量所限制。例如，對于一網(wǎng)絡將其劃分為四塊，則最大的參與系

32、數(shù)0.75。為了彌補這一遺憾，在現(xiàn)在的研究中我們還要計算標準化的參與系數(shù)。2.42.4 小結小結本章給出腦網(wǎng)絡的概念，節(jié)點的定義以及邊的定義。用列表的形式給出了腦網(wǎng)絡的分析指標。明確了分析指標的常用表示符號及其含義。最后本章給出了部分腦網(wǎng)絡分析指標的算法。3 3 靜息態(tài)功能腦網(wǎng)絡構建分析平臺的設計靜息態(tài)功能腦網(wǎng)絡構建分析平臺的設計3.13.1 平臺介紹平臺介紹 靜息態(tài)功能腦網(wǎng)絡構建分析平臺是基于 Matlab 開發(fā)的一個用于科學研究的腦網(wǎng)絡研究工具，它可以幫助研究人員從不同的層次以快速，簡單，靈活的方式可視化的構建腦功能網(wǎng)絡并對其進行分析。靜息態(tài)功能腦網(wǎng)絡構建分析平臺的入口參數(shù)是 Dparsf

33、軟件的出口參數(shù)。 靜息態(tài)功能腦網(wǎng)絡構建分析平臺分為三個大的模塊，分別為：一是靜息態(tài)功能腦網(wǎng)絡構建，功能腦網(wǎng)絡的構建分為四步依次是數(shù)據(jù)的整合即預處理，功能腦網(wǎng)絡的構建，腦區(qū)之間聯(lián)系強弱的排序，稀疏度的選擇設定；二是靜息態(tài)功能腦網(wǎng)絡屬性的分析，平臺中涉及到得屬性計算有最短路徑長度，全局效率，局部效率，聚合稀疏等全局效率，度，中間中心度等局部屬性，并且融合了 T 檢驗，WS 檢驗及方差分析等統(tǒng)計檢驗計算。三是腦功能網(wǎng)絡的模塊劃分，其中涉及到了參與系數(shù)，模塊內(nèi)度，模塊度等。目前靜息態(tài)功能腦網(wǎng)絡構建分析平臺的 beta 版本 Brain Network Construction & Analys

34、is Platform 已經(jīng)于神經(jīng)影像工具開源平臺 NITRC 發(fā)布（/projects/cabn/） 。圖 3-1 平臺在 NITRC 的發(fā)布頁面3.23.2 設計原則設計原則為了使本系統(tǒng)功能齊全完備，操作簡便，最大限度的提高運行、維護的質(zhì)量，從而滿足實際需要，在設計開發(fā)過程中遵循了如下原則：1、可靠性原則：系統(tǒng)運行的可靠性要求很高，軟件系統(tǒng)的可靠性直接關系到設計自身的聲譽和生存發(fā)展競爭能力。軟件可靠性意味著該軟件在測試運行過程中避免可能發(fā)生故障的能力，且一旦發(fā)生故障后，具有解脫和排除故障的能力。 2、易操作原則：要求設計的系統(tǒng)功能齊全，接口友好，操作簡

35、單而又功能齊全，必要的地方進行提示，使得用戶能夠熟練的使用和操作。3、健壯性：健壯性又稱魯棒性，是指系統(tǒng)對于規(guī)范要求以外的輸入能夠判斷出這個輸入不符合規(guī)范要求，并能有合理的處理方式。系統(tǒng)健壯性是一個比較模糊的概念，但是卻是非常重要的軟件外部量度標準。4、先進性和兼容性：充分考慮到最新技術發(fā)展與趨向，能夠考慮到將來的需求以及發(fā)展，兼容現(xiàn)有的運用系統(tǒng)，有效利用現(xiàn)有的信息資源，節(jié)約投資，并在設計中采用標準的主流的技術平臺工具。5、可修改性：要求以科學的方法設計系統(tǒng)，使之有良好的結構和完備的文檔，系統(tǒng)性能易于調(diào)整。6、源程序可讀性原則：為了便于其它設計，維護人員讀懂代碼或以后的代碼修改，軟件升級維護，

36、既可能做好代碼注釋工作。7、優(yōu)化原則：為了達到優(yōu)化的目的，合理的運用繼承調(diào)用，自定義用戶對象，事件，函數(shù)，減少不必要的重復性代碼，使程序簡潔明了，也方便了將來的維護。8、安全性原則：設計必須充分考慮軟件和互聯(lián)網(wǎng)可能遇到的各種故障、病毒等危害，因此，它必須提供備份機制和防病毒技術，提供系統(tǒng)高容錯功能。3.33.3 總體架構總體架構 腦網(wǎng)絡構建與分析的最初數(shù)據(jù)來源是在通過靜息態(tài)功能磁共振成像（fMRI）形成的圖像（如圖 3-2(a)和 3-2（b） ）中提取數(shù)據(jù)。 （a）大腦頸向圖 （b）大腦冠向圖 圖 3-2 從圖像中提取的數(shù)據(jù)要經(jīng)過現(xiàn)有軟件 Dparsf 的處理，例如去除頭動等。Dparsf全

37、稱為 Data Processing Assistsnt for Resting-State fMRI. Dparsf 在 2009 年由北京師范大學認知神經(jīng)科學與學習嚴超贛編寫完成。后經(jīng)董章曄，張寒等人維護。它是一個基于SPM 和 ERST 在 Matlab 上運行的軟件。在使用 Dparsf 時只要設置好參數(shù)，Dparsf 將可進行預處理（選取時間點，重新調(diào)整，規(guī)范，光滑）數(shù)據(jù)，給出 ReHo,ALFF 和 fALFF的結果。它可以產(chǎn)生排除頭動的數(shù)據(jù)，并產(chǎn)生一組圖片。在分析小世界屬性時可以提取 AAL 或 ROI 的時間點的提取。Dparsf 可以一次做多個 ROI 的 RSFC，得到多個

38、相關腦。Dparsf 流程靈活，支持在個體空間進行分析處理，支持用戶自己對圖像方向調(diào)整等。經(jīng)過 Dparsf 軟件處理得到的數(shù)據(jù)是靜息態(tài)功能腦網(wǎng)絡構建分析平臺的入口參數(shù)。下面以一個具體的實例說明在網(wǎng)絡的構建與分析過程中數(shù)據(jù)的變化和最終的結果：數(shù)據(jù)所在的每一個 mat 文件中都含有 90 個名為 AAL*TC 的 mat 文件，每一個名為 AAL*TC 的 mat 文件中都是 2381 的矩陣，如下圖 3-3 所示。圖 3-3 Dparsf 的出口參數(shù)即平臺的入口參數(shù)其中的含義為我們選取的是 90 個腦區(qū)，238 表示的是時間點。靜息態(tài)功能腦網(wǎng)絡構建分析平臺分為三個大的模塊，分別為：靜息態(tài)功能腦

39、網(wǎng)絡構建模塊，該模塊用于構建靜息態(tài)功能腦網(wǎng)絡；靜息態(tài)功能腦網(wǎng)絡屬性的分析模塊，該模塊用于多個腦網(wǎng)絡分析指標的計算并提供非參數(shù)檢驗，方差檢驗，T 檢驗等多種檢驗方式；腦功能網(wǎng)絡的模塊劃分模塊，該模塊用于模塊劃分，并計算參與系數(shù)，模塊度等屬性。靜息態(tài)功能腦網(wǎng)絡構建分析平臺的總體架構如圖 3-4 示。 圖 3-4 靜息態(tài)功能腦網(wǎng)絡構建分析平臺總體架構3.3.1 功能腦網(wǎng)絡的構建模塊功能腦網(wǎng)絡的構建分為四步依次是數(shù)據(jù)的整合即預處理，功能腦網(wǎng)絡的構建，腦區(qū)之間聯(lián)系強弱的排序，稀疏度的選擇設定。靜息態(tài)功能腦網(wǎng)絡構建分析平臺還提供了功能腦網(wǎng)絡的構建的批處理過程。靜息態(tài)功能腦網(wǎng)絡構建的架構如圖 3-5 所示。

40、功能腦網(wǎng)絡的構建的批處理過程是將腦網(wǎng)絡構建的四步統(tǒng)一為一步，用戶只要填好各個參數(shù)一鍵就可創(chuàng)建腦網(wǎng)絡。其中的數(shù)據(jù)變化和分步創(chuàng)建腦網(wǎng)絡是一樣的。所以在本文中批處理的數(shù)據(jù)變化不再予以展示。圖 3-5 功能腦網(wǎng)絡構建的架構功能腦網(wǎng)絡的構建的第一步是數(shù)據(jù)整合，這是由于由 Dparsf 軟件產(chǎn)生的數(shù)據(jù)所形成的格式不適合直接構建腦區(qū)之間的聯(lián)系。經(jīng)過數(shù)據(jù)整理的數(shù)據(jù)，每一個 mat 文件中都是一個名為 AllTimes 的 23890 的矩陣。功能腦網(wǎng)絡的構建的第二步是創(chuàng)建腦區(qū)之間的聯(lián)系。創(chuàng)建腦區(qū)之間聯(lián)系時用到Pearson、Spearman、Pearson 偏相關和 Spearman 偏相關四種方法。經(jīng)過創(chuàng)建

41、腦區(qū)之間的聯(lián)系 person, partialspareman 和 partialperson 三種方法都生成 P 值和 R 值，spareman方法生成 R 值。存放 P 指或 R 值的 mat 文件中都是 9090 的矩陣，行和列都是表示從 1 到 90 的 90 個腦區(qū)，其中存儲的數(shù)據(jù)就是兩個腦區(qū)之間的關聯(lián)度。存儲 P 值或 R值的每一個 mat 文件如下圖 3-6 所示。功能腦網(wǎng)絡的構建的第三步是腦區(qū)之間的聯(lián)系的強弱排序，經(jīng)過創(chuàng)建腦區(qū)之間的聯(lián)系腦區(qū)之間的聯(lián)系的強弱排序所生成的每一個 mat 文件中都是一個 40053 的矩陣。其中第一列和第二列都是腦區(qū)的編號，第三列是前面兩個腦區(qū)之間聯(lián)

42、系的強弱值。功能腦網(wǎng)絡的構建的第四步是稀疏度的選擇，經(jīng)過稀疏度的選擇后原來的每一個mat 文件均自動生成一個文件夾，文件夾中含有若干文件。兩個腦區(qū)之間有聯(lián)系則第三列為 1，反之則為 0。這里判定兩個腦區(qū)之間是否有聯(lián)系要看，兩個腦區(qū)之間的聯(lián)系系數(shù)是否達到一個閥值，若達到則為有聯(lián)系，反之則為無聯(lián)系。在靜息態(tài)功能腦網(wǎng)絡的構建與分析平臺中只顯示有聯(lián)系的腦區(qū)。如果是按照比例選擇稀疏度（假設選擇 10%至 20%，步長為 1%） ，則每一個文件夾內(nèi)每個文件后面的數(shù)字代表其所選的百分比 n。每一個文件中都是一個（4005n%）3 的矩陣，如下圖 3-6 所示。其中第一列和第二列是腦區(qū)的編號，第三列的 1 表

43、示這兩個腦區(qū)之間有聯(lián)系。圖 3-6 按百分比選擇稀疏度 10%時的 mat 文件如果是按照條數(shù)選擇稀疏度（假如選擇條數(shù)為 10 到 34，步長為 1） ，則每一個文件夾內(nèi)每個文件后面的數(shù)字代表其所選的條數(shù) n。每一個文件中都是一個 n3 的矩陣，如下圖 3-7 所示。其中第一列和第二列是腦區(qū)的編號，第三列的 1 表示這兩個腦區(qū)之間有聯(lián)系。圖 3-7 按條數(shù)選擇稀疏度為 10 時的 mat 文件經(jīng)過以上四步完成腦網(wǎng)絡的構建形成的數(shù)據(jù)可以通過北京師范大學認知神經(jīng)科學與學習國家重點實驗室夏明瑞開發(fā)的腦網(wǎng)絡可視化工具 brainnet (/projects/bnv

44、/) 畫出靜息態(tài)功能腦網(wǎng)絡（如圖 3-8 所示）圖 3-8 例對照組所建全腦區(qū)域級靜息態(tài)功能腦網(wǎng)絡其中，結點大小表示連接數(shù)量，結點顏色表示對應模塊3.3.2 功能腦網(wǎng)絡的分析模塊功能腦網(wǎng)絡的分析中涉及到得屬性計算有最短路徑長度，全局效率，局部效率，聚合稀疏等全局效率，度，中間中心度等局部屬性，并且融合了 T 檢驗，WS 檢驗及方差分析等統(tǒng)計檢驗計算。其中 T 檢驗，WS 檢驗及方差分析部分還沒有實現(xiàn)，在以后的系統(tǒng)完善中將逐步實現(xiàn)這些功能。功能腦網(wǎng)絡的分析的架構如圖 3-9 示。圖 3-9 功能腦網(wǎng)絡分析的架構 根據(jù)在功能腦網(wǎng)絡分析的模塊中計算所得的各屬性值可以對腦網(wǎng)絡進行分析，并畫出分析比較的

45、圖像。如圖 3-10，3-11，3-12 圖 3-10 稀疏度空間 8%-34%下小世界屬性指標組間分析。(a)特征路徑長度(b)聚合系數(shù)圖 3-11 連續(xù)稀疏度閾值空間下，全局屬性組間顯著性差異分析。(a)特征路徑長度(b)聚合系數(shù)(c)模塊度(d)關聯(lián)度圖 3-12 靜息態(tài)功能腦網(wǎng)絡節(jié)點度示意圖。其中，不同區(qū)域的顏色表示在網(wǎng)絡中該節(jié)點的度的值 3.3.3 腦功能網(wǎng)絡的模塊劃分模塊腦功能網(wǎng)絡的模塊劃分中涉及到了參與系數(shù)，模塊內(nèi)度，模塊度等。其中模塊內(nèi)度，模塊度部分還沒有實現(xiàn)，在以后的系統(tǒng)完善中將逐步實現(xiàn)這些功能。腦功能網(wǎng)絡的模塊劃的架構如圖 3-13 所示。圖 3-13 腦功能模塊劃分的架構

46、圖腦功能網(wǎng)絡的模塊劃分中，本文將以將腦網(wǎng)絡劃分為 6 個模塊為例進行說明。腦網(wǎng)絡 6 個模塊的劃分如圖 3-14 所示。模塊劃分圖通過軟件 gephi（/）畫成。該軟件是一個交互式可視化的勘探各種網(wǎng)絡和復雜系統(tǒng)的動態(tài)和分層圖的平臺。圖 3-14 (a)課題組對全腦進行模塊劃分，共劃分視覺等 6 個模塊。(b)模塊劃分 ratio 圖，反映了模塊內(nèi)外的連接關系在平臺上求出模塊化時的各屬性值，現(xiàn)在以參與系數(shù)為例說明。平臺計算所得的參與系數(shù)存放在一個矩陣為 903 的 mat 文件中。其中，第一列的數(shù)據(jù)時腦區(qū)的編號，第二列是第一列中腦區(qū)對應所在的模塊編號，第三列是腦區(qū)的

47、參與系數(shù)。3.43.4 小結小結本章對平臺做了簡要的介紹，說明平臺可以幫助研究人員從不同的層次以快速，簡單，靈活的方式可視化的構建腦功能網(wǎng)絡并對其進行分析。詳細說明了平臺的設計原則，即可靠性原則，易操作原則，健壯性，先進性和兼容性等。最后本章對平臺的架構進行說明，用圖形的形式表明平臺的三個模塊：靜息態(tài)功能腦網(wǎng)絡構建；靜息態(tài)功能腦網(wǎng)絡屬性的分析；腦功能網(wǎng)絡的模塊劃分。4 4 平臺代碼實現(xiàn)及示例平臺代碼實現(xiàn)及示例4.14.1 實驗數(shù)據(jù)采集實驗數(shù)據(jù)采集實驗共收集 60 名被試，其中有 34 名首發(fā)、無用藥、重度抑郁癥患者作為抑郁組，26 名身體健康的志愿者作為對照組。抑郁癥組中被試的年齡從 17 歲

48、到 54 歲不等，平均年齡為 29 歲，對照組中的被試年齡從 17 歲到 63 歲不等，平均年齡為 27 歲。抑郁組中有 14 名男性、20 名女性，對照組中有 11 名男性、15 名女性。所有對照組被試均無精神或神經(jīng)紊亂史并以精神衛(wèi)生篩選表與神經(jīng)癥篩選表為依據(jù)。抑郁組中的所有被試均為重度抑郁癥病人并且都是以美國精神障礙診斷與統(tǒng)計學手冊第四版（DSMIV）為依據(jù)。所有被試均排除以下情況：重大軀體疾病史，特別是可以與大腦組織變化有關的疾?。徊环€(wěn)定的軀體疾病，如重大頭部創(chuàng)傷、重性哮喘等；IQ 低于 70；任何磁共振禁忌情況。所有被都為右利手。實驗前同每位參與者均達成了書面協(xié)議，數(shù)據(jù)采集與預處理同山

49、西醫(yī)科大學第一醫(yī)院合作。所有被試的詳細信息如表 4-1 所示。正常組抑郁組年齡17-63（2768.5）17-54（28.987.8）性別（男/女）14/1514/20利手（右/左）26/034/0HAMD無15-31(22.813.3)表 4-1 顯示的是正常組和抑郁組被試的基本信息，其中各組被試的年齡情況用一個范圍和平均值、方差形式表示。所有抑郁癥患者的漢密爾頓抑郁量表的得分情況也是用范圍和平均值、方差來表示實驗采用fMRI（functional magnetic resonance imaging，功能磁共振）功能圖像采集數(shù)據(jù)，對靜息狀態(tài)下腦功能連接模式進行考證。數(shù)據(jù)的采集工作是在山西醫(yī)

50、科大學第一醫(yī)院進行的，所有的掃描工作由熟悉磁共振操作的放射科醫(yī)生來完成的。在掃描的過程中，要求被試閉眼、放松、不去想特定的事情但要保持清醒不能睡著。掃描參數(shù)設置如下：33 axial slices, repetition time (TR) = 2000 ms, echo time (TE) = 30 ms, thickness/skip = 4/0 mm, field of view (FOV) = 192192 mm, matrix = 6464 mm, flip angle = 90, 248 volumes。 實驗采集到的數(shù)據(jù)要經(jīng)過 Dparsf 軟件的預處理就可以成為平臺的入口參數(shù)。

51、4.24.2 模塊一：功能腦網(wǎng)絡的構建模塊一：功能腦網(wǎng)絡的構建功能腦網(wǎng)絡的構建分為四步依次是數(shù)據(jù)的整合即預處理，功能腦網(wǎng)絡的構建，腦區(qū)之間聯(lián)系強弱的排序，稀疏度的選擇設定。靜息態(tài)功能腦網(wǎng)絡構建分析平臺還提供了功能腦網(wǎng)絡的構建的批處理過程。下面以一個具體的實例說明腦網(wǎng)絡構建的全過程。將經(jīng)過 Dparsf 軟件處理的數(shù)據(jù)放在兩個文件夾中，一個命名為 Conn 代表正常人，另一個命名為 MD 代表抑郁癥病人。經(jīng)過 Dparsf 軟件處理的數(shù)據(jù)所在的每一個 mat 文件中都含有 90 個名為 AAL*TC 的 mat 文件，每一個名為 AAL*TC 的 mat 文件中都是2381 的矩陣。其中的含義為

52、我們選取的是 90 個腦區(qū)，238 表示的是時間點。1、數(shù)據(jù)整理在界面 allCon_Sub_AALTC 中：Input parameters 后面的文本框中填入 Conn（MD）所在的路徑C:UsersniuliminDesktopConn（MD）The stored path for result 后的文本框中填入整理后的數(shù)據(jù)要存儲的路徑C:UsersniuliminDesktopthe result of Conn(MD) firstTreatment type 后面的文本框中填入 Conn（MD）Number of Rols 后面的文本框中填入 90，如圖 4-2 所示。按下 Exec

53、ution 完成數(shù)據(jù)的整理。圖 4-2 數(shù)據(jù)整理2、創(chuàng)建腦區(qū)之間的聯(lián)系在界面 Create_method 中:Input parameters 后面的文本框中填入經(jīng)過數(shù)據(jù)處理的數(shù)據(jù)所在的文件夾的路徑：C:UsersniuliminDesktopthe result of Conn(MD) firstThe stored path for result 后的文本框中填入創(chuàng)建腦區(qū)聯(lián)系后的文件的存放路徑：C:UsersniuliminDesktopresult of Conn(MD) create 在 select method 中將四種創(chuàng)建方式都選。如圖 4-3 所示。按下 Execution 完

54、成腦區(qū)之間聯(lián)系的創(chuàng)建。圖 4-3 創(chuàng)建腦區(qū)之間的聯(lián)系 person, partialspareman 和 partialperson 三種方法都生成 P 值和 R 值，spareman方法生成 R 值。存放 P 指或 R 值的 mat 文件中都是 9090 的矩陣，行和列都是表示從 1 到 90 的 90 個腦區(qū)，其中存儲的數(shù)據(jù)就是兩個腦區(qū)之間的關聯(lián)度。3、腦區(qū)之間的聯(lián)系的強弱排序 在界面 Order 中：Input parameters 后面的文本框中填入 P 值（R 值）所在的文件夾的路徑：C:UsersniuliminDesktopresult of createpersonP。在此以

55、person 方法下的 P 值為例。The stored path for result 后的文本框中填入對腦區(qū)之間聯(lián)系強弱進行排序后的結果的存放路徑：C:UsersniuliminDesktopresult of orderNumber of Rols 后的文本框中填入 90。在 Order by 中選擇 In descending order（In ascending order）兩種方法只能選一種。如圖 4-4 所示。 圖 4-4 腦區(qū)之間聯(lián)系強弱的排序按下 Execution 完成對腦區(qū)之間的聯(lián)系的強弱的排序。 經(jīng)過腦區(qū)間聯(lián)系強弱的排序所生成的每一個 mat 文件中都是一個 40053

56、 的矩陣。其中第一列和第二列都是腦區(qū)的編號，第三列是前面兩個腦區(qū)之間聯(lián)系的強弱值。4、稀疏度的選擇在界面 Intercepted 中： Input parameters 后面的文本框中填入經(jīng)過排序的文件所在文件夾的路徑：C:UsersniuliminDesktopresult of order The stored path for result 后的文本框中填入經(jīng)過稀疏度選擇后的數(shù)據(jù)存放的路徑：C:UsersniuliminDesktopresult of Intercepted 完成按百分比選擇稀疏度（選取稀疏度從 10%到 20%，步長為 1%）：在 Intercepted by a p

57、ercentage 中：First(%)后的文本框中填入 10；Last(%)后的文本框中填入 20；Step 后的文本框中填入 1完成按條數(shù)選擇稀疏度（選取稀疏度從 10 到 34，步長為 1）在 Intercepted by the number of 中：First 后的文本框中填入 10；Last 后的文本框中填入 34；Step 后的文本框中填入 1在 Intercept 中選擇 perceptage 和 number。如圖 4-5 所示。按下 Execution 完成對稀疏度的選擇。圖 4-5 稀疏度的選擇經(jīng)過稀疏度的選擇后原來的每一個 mat 文件均自動生成一個文件夾，文件夾中含

58、有若干文件。兩個腦區(qū)之間有聯(lián)系則第三列為 1，反之則為 0。這里判定兩個腦區(qū)之間是否有聯(lián)系要看，兩個腦區(qū)之間的聯(lián)系系數(shù)是否達到一個閥值，若達到則為有聯(lián)系，反之則為無聯(lián)系。在靜息態(tài)功能腦網(wǎng)絡的構建與分析平臺中只顯示有聯(lián)系的腦區(qū)。如果是按照比例選擇稀疏度，則每一個文件夾內(nèi)每個文件后面的數(shù)字代表其所選的百分比 n。每一個文件中都是一個（4005n%）3 的矩陣。其中第一列和第二列是腦區(qū)的編號，第三列的 1 表示這兩個腦區(qū)之間有聯(lián)系。如果是按照條數(shù)選擇稀疏度，則每一個文件夾內(nèi)每個文件后面的數(shù)字代表其所選的條數(shù) n。每一個文件中都是一個 n3 的矩陣。其中第一列和第二列是腦區(qū)的編號，第三列的 1 表示這

59、兩個腦區(qū)之間有聯(lián)系。 到此。在靜息態(tài)功能腦網(wǎng)絡的構建就完成了。處了按照以上方法單步運行外，在靜息態(tài)功能腦網(wǎng)絡的構建與分析平臺中提供了靜息態(tài)功能腦網(wǎng)絡的構建的批處理功能，使靜息態(tài)功能腦網(wǎng)絡的構建一步完成。具體方法如下：入口參數(shù)還是經(jīng)過 Deparsf 軟件處理的數(shù)據(jù)，在界面 network_construction 中：Input parameters 后面的文本框中填入 Conn（MD）所在的路徑C:UsersniuliminDesktopConn（MD）The stored path for result 后的文本框中填入靜息態(tài)腦網(wǎng)絡創(chuàng)建成功后數(shù)據(jù)的存放路徑 C:UsersniuliminD

60、esktop result Treatment type 后面的文本框中填入 Conn（MD）Number of Rols 后面的文本框中填入 90create method 中將四種創(chuàng)建方式都選Order 中選擇 In descending order（In ascending order）兩種方法只能選一種。完成按百分比選擇稀疏度（選取稀疏度從 10%到 20%，步長為 1%）：在 Intercepted by a percentage 中：First(%)后的文本框中填入 10；Last(%)后的文本框中填入 20；Step 后的文本框中填入 1完成按條數(shù)選擇稀疏度（選取稀疏度從 10 到 34，步長為 1）在 Intercept