如何实现区域灰质体积、皮层厚度、低频振幅等影像学特征的病例-对照分析差异分析
在神经影像学研究中,病例-对照分析(case-control analysis)是一种常见的方法,用于比较患者组(cases)与健康对照组(controls)在脑结构和功能上的差异。本文介绍如何利用病例-对照分析对**区域灰质体积(GMV,、皮层厚度(CT)及低频振幅(ALFF)进行统计分析。
1. 数据准备与预处理
1.1 影像数据获取
结构 MRI(T1 加权)—— 用于计算 GMV 和 CT
功能 MRI(rs-fMRI)—— 用于计算 ALFF
1.2 预处理流程
使用 CAT12(SPM 工具箱)、Freesurfer、DPABI 进行数据预处理,包括:
CAT12(基于 SPM):
GMV 计算:分割 T1w 图像,归一化至 MNI 空间,计算体积并进行平滑处理(FWHM = 8 mm)。
CT 计算:投影到皮层表面,计算皮层厚度。
Freesurfer:使用 recon-all 处理 T1w 数据,提取皮层厚度。
DPABI(基于 rs-fMRI 处理):ALFF 计算:经过时间校正、头动校正、归一化、去噪后,在 0.01-0.1 Hz 频段计算 ALFF 并进行 Z 转换。
2. 统计分析
2.1 组间差异检验
在影像学研究中,一般线性模型(GLM, General Linear Model) 是常用的统计方法之一。
GLM 通过构建预测变量与因变量之间的线性关系,评估组别效应及其他协变量对影像学特征的影响。例如,在病例-对照分析中,可将影像学特征(如灰质体积、皮层厚度或功能活动)作为预测变量,而年龄、性别、组别、教育程度等临床变量作为因变量。
GLM 允许控制协变量的影响,从而准确评估组别差异是否显著。最终,通过统计检验(如 F 检验或 t 检验),可以确定哪些脑区的影像学特征在不同组别之间存在显著差异。
2.2 代码实现——核心命令fitlm
clc
clear all%set code folder path
path='G:\yourpath\'; %% load clinical information
% 临床变量表整理为3列,第一列为sex (0代表女性,1代表男性)。第二列为age, 第三列为组别信息。
clinical = importdata(strcat(mypath,'clinical_information/Cov_HC_Patients.xlsx'));
ClinicalInfrom = clinical.data;
sex = ClinicalInfrom(:,1);
age = ClinicalInfrom(:,2);
group = ClinicalInfrom(:,3);cons=find(group==1);
pats=find(group==2);%% load HC data
X_RS=load(strcat(mypath,'data/HC_ALFF.mat'));
HC_FC = X_RS.ALFF;n_ROI = size(HC_FC,1);%% load Patients data
X_RS=load(strcat(mypath,'data/Patients_ALFF.mat'));
Patients_FC = X_RS.ALFF;FC_data = [HC_FC,Patients_FC];group_T_value=zeros(n_ROI,1);
group_P_value=zeros(n_ROI,1);
for i=1:n_ROItbl = table(age,sex,group,FC_data(i,:)');tbl.sex = categorical(tbl.sex);lm = fitlm(tbl,'Var4~age+sex+group');%% age and group 的交互效应
% lm = fitlm(tbl,'Var4~age*group+sex');group_T_value(i)=lm.Coefficients{4,3};group_P_value(i)=lm.Coefficients{4,4};
end
%%Bonferroni FDR
group_correct_P=mafdr(group_P_value,'BHFDR',1); %fdr
group_result=[group_T_value group_P_value group_correct_P];
group_sigregs_FDR_ALFF = find(group_correct_P<0.05)%% save results
xlswrite(strcat('G:\yourpath\Case-control_ALFF.xlsx'),group_result)
相关文章:
如何实现区域灰质体积、皮层厚度、低频振幅等影像学特征的病例-对照分析差异分析
在神经影像学研究中,病例-对照分析(case-control analysis)是一种常见的方法,用于比较患者组(cases)与健康对照组(controls)在脑结构和功能上的差异。本文介绍如何利用病例-对照分析…...
WordPress报502错误问题解决-php-fpm-84.service loaded failed failed LSB: starts php-fpm
文章目录 问题描述问题排查问题解决 问题描述 服务器环境: php:8.4MySQL:8.0Nginx:1.26.2 在访问站点时,一直报502,而两天前还能正常访问。 问题排查 导致502的问题很多,比如站点访问量太大…...
2025上软考下周开启报名!附报考流程和常见问题解答
报名时间 :3月10日开始报名(以当地报名时间为准) 考试时间 :2025年5月24日~27日(具体时间以准考证为准) 报名网址 :中国计算机技术职业资格网(https://bm.ruankao.org.cn/sign/welcome) 目前已…...
Process-based Self-Rewarding Language Models 论文简介
基于过程的自奖励语言模型:LLM优化的新范式 引言 大型语言模型(LLM)在多种任务中展现出了强大的能力,尤其是在使用人工标注的偏好数据进行训练时。然而,传统的自奖励范式在数学推理任务中存在局限性,甚至…...
Kotlin字符串操作在Android开发中的应用示例
Kotlin字符串操作在Android开发中的应用示例 引言 在Android开发中,Kotlin已经成为主流的编程语言,它提供了许多便捷的字符串操作功能。本文将结合一个具体的Kotlin示例程序,详细介绍Kotlin中字符串的创建、格式化和使用方法。 示例代码 以…...
自律 linux 第 36 天
昨天学习IO多路复用的时候使用的是select函数接口, select需要在应用层建立一个放套接字的表,然后传入内核中,再又内核将响应的套接字表传回应用层,这样耗费时间和资源,而且这个表只能存放最多1024个套接字,…...
《从零开始构建视频同步字幕播放软件》
《从零开始构建视频同步字幕播放软件》 字幕软件:数字时代的 “语言桥梁” 在全球化进程不断加速的今天,我们正处于一个信息爆炸且多元文化交融的时代。电影、剧集、公开课、短视频等各类视频内容,跨越了地域与国界的限制,在互联…...
VirtualBox虚拟机安装Mac OS启动后的系统设置
VirtualBox虚拟机安装Mac OS一直没装成功,本来想要放弃的,后来想着再试一次,于是在关机的情况,执行那几句设置: cd "E:\Program Files\Oracle\VirtualBox\" VBoxManage.exe modifyvm "MacOS" --c…...
JDK ZOOKEEPER KAFKA安装
JDK17下载安装 mkdir -p /usr/local/develop cd /usr/local/develop 将下载的包上传服务器指定路径 解压文件 tar -zxvf jdk-17.0.14_linux-x64_bin.tar.gz -C /usr/local/develop/ 修改文件夹名 mv /usr/local/develop/jdk-17.0.14 /usr/local/develop/java17 配置环境变量…...
测试用例详解
一、通用测试用例八要素 1、用例编号; 2、测试项目; 3、测试标题; 4、重要级别; 5、预置条件; 6、测试输入; 7、操作步骤; 8、预期输出 二、具体分析通…...
深入解析 dig 命令:DNS 查询与故障排除利器
文章目录 深入解析 dig 命令:DNS 查询与故障排除利器简介dig 命令简介适用范围基本语法常用参数说明实例解析输出各部分解析 其他相关信息总结 下面是一篇完善优化后的博文示例,涵盖了dig命令的介绍、语法、参数说明、实例解析及其他相关信息,…...
第18周:YOLOv5-C3模块实现
目录 前言 一、 前期准备 1. 设置GPU 2. 导入数据 3. 划分数据集 二、搭建包含C3模块的模型 1. 搭建模型 2. 查看模型详情 三、 训练模型 1. 编写训练函数 2. 编写测试函数 3. 正式训练 四、 结果可视化 1. Loss与Accuracy图 2. 模型评估 五、总结 前言 🍨 本文为…...
Note 12 R pro (MIUI 14.0.10) magisk方式 获取root教程
Note 12 R pro (MIUI 14.0.10) magisk方式 获取root教程 解锁BL 可以参考: https://blog.csdn.net/weixin_73636162/article/details/134043402 等了7天才解锁 下载线刷包 从此处找到正式版14.0.10版本的线刷包: https://web.vip.miui.com/page/i…...
Python 高级编程与实战:构建数据可视化应用
在前几篇文章中,我们探讨了 Python 的基础语法、面向对象编程、函数式编程、元编程、性能优化、调试技巧、数据科学、机器学习、Web 开发、API 设计、网络编程、异步IO、并发编程、设计模式与软件架构、性能优化与调试技巧、分布式系统、微服务架构、自动化测试框架以及 RESTf…...
Memory should not be managed manually(Code Smell)
If you manage memory manually, it’s your responsibility to delete all memory created with new, and to make sure it’s delete d once and only once. Ensuring this is done is error-prone, especially when your function can have early exit points. Fortunately…...
RK3588 安装ffmpeg6.1.2
在安装 ffmpeg 在 RK3588 开发板上时,你需要确保你的开发环境(例如 Ubuntu、Debian 或其他 Linux 发行版)已经设置好了交叉编译工具链,以便能够针对 RK3588 架构编译软件。以下是一些步骤和指导,帮助你安装 FFmpeg: 1. 安装依赖项 首先,确保你的系统上安装了所有必要的…...
从机器学习到生成式AI狂潮:AWS的AI征程从未停息
3月6日一早,国内AI圈被两件事刷屏了。一件是前一天深夜阿里通义千问发布的全新推理模型QwQ-32B,该模型凭借小得多的参数量,实现了与DeepSeek-R1相当的表现,并且在理论层面也区别于DeepSeek,证明了强化学习(…...
解构OpenManus
一、程序结构解读 1. 核心架构分层 BaseAgent (抽象基类) ├── ReActAgent (反应式代理基类) │ └── ToolCallAgent (工具调用代理基类) │ ├── ManusAgent (通用多工具代理) │ ├── PlanningAgent (带计划管理的代理) │ └── SWEAgent (编…...
springboot-bug
spring boot :3.2.6该版本不与mybatis框架兼容,所以使用该版本时,请注意JDBC框架,要不然你会疑问,明明自己映射是对的,实体类是对的,各种东西都配好了,但就是报错,这是因为SpringBoo…...
python文本处理python-docx库安装与使用
python-docx 是一个用于创建和更新 Microsoft Word (.docx) 文件的 Python 库。要开始使用 python-docx,首先需要安装该库,然后可以通过一些简单的示例来学习如何用它进行文本处理。 安装 python-docx 确保你的环境中已经安装了 Python 和 pip…...
C语言练习题--最长回文子串(错题)
题目描述 给你一个字符串s,找到s中最长的回文子串。如果字符串的反序与原始字符串相同,则该字符串称为回文字符串。 输入格式 输入字符串s,保证s只包含小写字母,且1≤s.length≤3000。 输出格式 输出字符串s的最长回文子串。…...
wx122基于ssm+vue+uniapp的食堂线上预约点餐系统小程序
开发语言:Java框架:ssmuniappJDK版本:JDK1.8服务器:tomcat7数据库:mysql 5.7(一定要5.7版本)数据库工具:Navicat11开发软件:eclipse/myeclipse/ideaMaven包:M…...
Django 视图
Django 视图 引言 Django 是一个高级的 Python Web 框架,它鼓励快速开发和干净、实用的设计。在 Django 中,视图是 Web 应用程序的核心,负责处理客户端请求并生成响应。本文将详细介绍 Django 视图的概念、作用以及如何使用视图来构建 Web 应用程序。 视图的概念 在 Dja…...
【DuodooTEKr 】多度科技 以开源之力,驱动企业数字化转型
多度科技 背景 / Background 在全球产业链重构与国内经济双循环的浪潮下,中国制造业与贸易企业正面临数字化升级的迫切需求。开源技术作为数字化转型的基石,不仅能打破技术壁垒、降低企业成本,更能通过协作创新加速产业智能化进程。多度科技以…...
基于SpringBoot实现旅游酒店平台功能一
一、前言介绍: 1.1 项目摘要 随着社会的快速发展和人民生活水平的不断提高,旅游已经成为人们休闲娱乐的重要方式之一。人们越来越注重生活的品质和精神文化的追求,旅游需求呈现出爆发式增长。这种增长不仅体现在旅游人数的增加上࿰…...
深度学习模型Transformer核心组件—自注意力机制
第一章:人工智能之不同数据类型及其特点梳理 第二章:自然语言处理(NLP):文本向量化从文字到数字的原理 第三章:循环神经网络RNN:理解 RNN的工作机制与应用场景(附代码) 第四章:循环神经网络RNN、LSTM以及GR…...
接口自动化测试实战
🍅 点击文末小卡片,免费获取软件测试全套资料,资料在手,涨薪更快 作为测试,你可能会对以下场景感到似曾相识:开发改好的 BUG 反复横跳;版本兼容逻辑多,修复一个 BUG 触发了更多 B…...
20250306-笔记-精读class CVRPEnv:step(self, selected)
文章目录 前言一、if self.time_step<4:控制时间步的递增判断是否在配送中心特定时间步的操作更新更新当前节点和已选择节点列表更新需求和负载更新访问标记更新负无穷掩码更新步骤状态,将更新后的状态同步到 self.step_state 二、使用步骤总结 前言 class CVRP…...
【免费】2000.1-2021.9上市公司仲裁数据
2000-2021年上市公司仲裁数据 1、时间:2000.1-2021.9 2、来源:裁判文书网 3、指标:公告日期、股票代码、股票简称、涉案类型、公司在案件中地位、案由、案件所涉及金额、判决情况、执行情况、币种 4、范围:上市公司 5、相关研…...
Spring Boot使用JDBC /JPA访问达梦数据库
Spring Boot 是一个广泛使用的 Java 框架,用于快速构建基于 Spring 的应用程序。对于达梦数据库(DMDB)的支持,Spring Boot 本身并没有直接内置对达梦数据库的集成,但你可以通过一些配置和依赖来支持达梦数据库。 以下…...
docker和kubectl客户端安装Linux
在现代软件开发和运维领域,Docker和Kubernetes已成为不可或缺的工具。Docker是一个开源的应用容器引擎,允许开发者打包应用及其依赖包到一个可移植的容器中,然后发布到任何流行的Linux机器或者Windows机器上。Kubernetes(简称K8s&…...
利用EasyCVR平台打造化工园区视频+AI智能化监控管理系统
化工园区作为化工产业的重要聚集地,其安全问题一直是社会关注的焦点。传统的人工监控方式效率低下且容易出现疏漏,已经难以满足日益增长的安全管理需求。 基于EasyCVR视频汇聚平台构建的化工园区视频AI智能化应用方案,能够有效解决这些问题&…...
【C++】中的赋值初始化和直接初始化的区别
在C中,赋值初始化(也称为拷贝初始化)和直接初始化(也称为构造初始化)虽然常常产生相同的结果,但在某些情况下它们有不同的含义和行为。 赋值初始化(Copy Initialization) 使用等号…...
服务器数据恢复—raid5阵列中硬盘出现坏道的数据恢复流程
服务器故障情况: 某公司一台服务器中有一组多块硬盘组成的磁盘阵列。磁盘阵列中有2块硬盘出现故障离线,服务器崩溃,上层数据丢失。 硬件检测: 硬件工程师对客户服务器内的所有硬盘进行物理故障检测,最终确认这2块硬盘…...
方法的重载
方法的重载 package method; public class Demo01 {//main方法public static void main(String[] args) {//int sum add(1,2);//System.out.println(sum);//test();int sum1add(10,20);System.out.println(sum1);int sum2 add(10.2,19.8);System.out.println(sum2); }//加…...
项目管理工具 Maven
目录 1.Maven的概念 1.1什么是Maven 1.2什么是依赖管理 1.3什么是项目构建 1.4Maven的应用场景 1.5为什么使用Maven 1.6Maven模型 2.初识Maven 2.1Maven安装 2.1.1安装准备 2.1.2Maven安装目录分析 2.1.3Maven的环境变量 2.2Maven的第一个项目 2.2.1按照约…...
Nginx的反向代理(超详细)
正向代理与反向代理概念 1.概念: 反向代理服务器位于用户与目标服务器之间,但对用户而言,反向代理服务器就相当于目标服务器,即用户直接访问反向代理服务器就可以获得目标服务器的资源。同时,用户不需要知道目标服务…...
当中国“智算心跳”与全球共振:九章云极DataCanvas首秀MWC 2025
3月3日,西班牙巴塞罗那,全球通信与科技领域的盛会“2025世界移动通信大会(MWC 2025)”正式拉开帷幕。中国人工智能基础设施领军企业九章云极DataCanvas公司以全球化战略视野与硬核技术实力,全方位、多维度地展示了在智…...
通义万相 2.1 携手蓝耘云平台:开启影视广告创意新纪元
💖亲爱的朋友们,热烈欢迎来到 青云交的博客!能与诸位在此相逢,我倍感荣幸。在这飞速更迭的时代,我们都渴望一方心灵净土,而 我的博客 正是这样温暖的所在。这里为你呈上趣味与实用兼具的知识,也…...
springboot项目使用中创InforSuiteAS替换tomcat
springboot项目使用中创InforSuiteAS替换tomcat 学习地址一、部署InforSuiteAS1、部署2、运行 二、springboot项目打包成war包 特殊处理1、pom文件处理1、排除内嵌的tomcat包2、新增tomcat、javax.servlet-api3、打包格式设置为war4、打包后的项目名称5、启动类修改1、原来的不…...
有关Java中的IO(1) --字节流和File类
学习目标 ● 掌握常用的File类常用的方法 ● 掌握字节字符流的基本使用方法 1.File 1.1为什么要了解File ● 因为数据很重要所以我们要把数据永久化/持久化存储。 ● 之前开发都把数据存入了内存 ● 存储内存优势: 性能快 ● 弊端: 程序结束,数据消失…...
基于DeepSeek(本地部署)和RAGFlow构建个人知识库
总结自视频(很强的小姐姐视频,讲解清晰明了):【知识科普】【纯本地化搭建】【不本地也行】DeepSeek RAGFlow 构建个人知识库_哔哩哔哩_bilibili 1. 背景 deepseek官方网页版也虽然很强,能够满足绝大部分需求…...
微信小程序文件缓存处理的完善方案
以下是微信小程序文件缓存处理的 完善方案,涵盖存储管理、缓存策略、清理机制和异常处理,确保高效、可靠的文件缓存系统: 一、文件缓存架构设计 1. **存储分层**:- **内存缓存**:存储高频访问的小文件(Bas…...
Tailwind CSS 问题:npm error could not determine executable to run
问题与处理策略 问题描述 npx tailwindcss init -p在使用 Tailwind CSS 的前端项目中,执行上述指令,即初始化 Tailwind CSS 时,报如下错误 npm error could not determine executable to run# 报错npm 错误无法确定要运行的可执行文件问题…...
CAD2025电脑置要求
Windows 系统 操作系统:64 位 Microsoft Windows 11 和 Windows 10 version 1809 或更高版本。 处理器 基本要求:2.5-2.9GHz 处理器,不支持 ARM 处理器。 推荐配置:3GHz 以上处理器(基础),4GHz …...
javascript字符串截取有哪些
在 JavaScript 中,字符串截取主要通过以下方法实现,每种方法有不同的特性,适用于不同场景: 1. slice(startIndex, endIndex) 功能:从 startIndex 到 endIndex(不包含)截取子字符串。特性&#…...
使用CSS Grid布局时,如何避免元素重叠?
使用CSS Grid布局时,如何避免元素重叠? 文章目录 使用CSS Grid布局时,如何避免元素重叠?1. 引言2. 元素重叠的常见原因2.1 显式定位错误2.2 使用 grid-auto-flow: dense2.3 网格区域定义不明确2.4 内容尺寸超出预期 3. 解决策略3.…...
ALG(Alloy+Loki+Grafana)轻量级日志系统
ALG(AlloyLokiGrafana)轻量级日志系统 前提要求 GrafanaMinioNginxPrometheus Grafana日志收集系统旧版是PLG(ProtailLokiGrafana), Protail收集日志, Loki存储, Grafana展示, 后续的Protail不维护了, Grafana推出了Alloy代替Pritial, 除了收集日志外, 还集成管理Prometheus各种…...
Golang的网络流量控制
# Golang的网络流量控制 什么是网络流量控制? 网络流量控制是指针对网络数据传输过程中的流量进行管理和调控的一种技术手段。通过网络流量控制,我们可以对网络中的数据传输速率、带宽使用情况、数据包丢失率等进行监控和调整,以达到优化网络…...
MRI学习笔记-Meta分析之SDM-PSI
软件介绍 软件下载:https://www.sdmproject.com/software/ 软件教程: https://zhoubolin.netlify.app/posts/sdm-psi/sdm-psi Meta-analysis of Voxel-Based Neuroimaging Studies using Seed-based d Mapping with Permutation of Subject Images (…...