论文阅读笔记：Resting state fMRI: A rev

functional connectivity(FC)分析方法

seed-based analysis

本质上seed-based analysis是一种model-based的方法。
自定义seed/region of interest（ROI），以自定义点为准在整个大脑找出与之线性相关的区域。

• 优点：解释力较强，简单易懂。
• 不足：由于ROIs的设定完全依赖于做分析的人，难以看出整个大脑的FC

independent component analysis (ICA)

相较于seed-based analysis是有model作为依据，ICA是属于data-driven的分析方式。

 **group-level分析:dual regression（双回归）(没大明白，fMRI书详细解释 p380)**

1. group分析，确认能够明确group共有的成分
2. 由group数据得出每个被试，各成分（空间）的时间变动
3. 以时间变动对元数据进行回归分析，求得变动对各voxel的影响
由此分析可以得出每个被试的统计值map，可以用于进行组间分析等。

• 优点：数据驱动型分析，既可以分析组间对比，也可以分析组内其他因素状态下的对比
• 不足：分析手法需要一定经验

graph theory analysis

用于构建人脑复杂网络功能的数学模型，在rs-fMRI的研究中，主要解释nodes和edges

• nodes：节点
• edges：nodes之间的有意结合（？）

主要数据结果：

1. average path length：代表一个网络的整体交流效率

2. clustering coefficient：examines the local interconnection ability of the network. a，b的比例

   a：the number of connections between the direct neighbours of node i

   b：the maximum number of possible connections between the neighbours of node i.

3. degree of node: 越高就代表这个node在某特定网络的信息流中不可缺少

4. centrality measures：

5. the level of modularity

seed-based analysis所针对的是分析者设定的ROI与其相关区域之间的关联强度，graph theory则强调某一ROI在整个大脑或者在某特定功能的网络中的“空间”（topological）特性。主要体现于整体（integration）和分离（segregation）两方面。

• Integration
  • global efficiency：global 层面一个网络传递信息的熟练程度
  • average path length：连接两个nodes间edges的最短数量（？没大明白）
• Segregation
  • local efficiency：the information flow in a local network
  • clustering coefficient：degree to which nodes in a network tend to cluster together
  • centrality：nodes在整个网络中的重要性

工具

• SPM
• DPARSF
• REST
• MELODIC tool of FSL
• CONN connectivity toolbox

networks

网络很乱，尤其是salience network，不知道到底是干啥的。

Salience network

Auditory network

Basal ganglia network

Visual network

Visuospatial network

Default mode network

Language network

Executive network and executive control network

Precuneus network

The sensorimotor network