基于Gretna计算小世界网络属性等图论指标 | 您所在的位置:网站首页 › 做t加0用什么指标计算 › 基于Gretna计算小世界网络属性等图论指标 |
科研路上的简单笔记,希望能够供自己以后使用,也希望为科研民工们提供一些参考。 1 GRETNA安装 (1)GRETNA下载地址:https://www.nitrc.org/projects/gretna ,下载的包里面是有manual (2)将下载的压缩包解压后添加到 Matlab 路径中(Add with subfolders); (3)GRETNA 依赖 SPM12,因此需要同时安装好 SPM12; (4)在 Matlab 命令行窗口输入 gretna 打开图形界面。 (1)模块 1 用于对静息态 fMRI 数据进行预处理和计算(静态或动态)功能连接矩阵; (2)模块 2 根据(功能或结构)连接矩阵计算图论指标; (3)模块 3 对图论指标或功能连接矩阵进行统计分析; (4)模块 4 包括对图论指标进行可视化和生成结构连接矩阵的零分布。 2 脑网络图论指标计算 全局特性从上往下依次是:小世界网络、全局效率、富人俱乐部、同配性、同步性以及层级性。 节点特性从上往下依次是:聚类系数、最短路径、节点效率、节点的局部效率、点度中心性、中介中心性、社区指数、参与系数。 小世界网络比常规网络具有更短的特征路径长度(高聚类和长路径长度),但比随机网络具有更大的局部互联性(低聚类系数和短路径长度)。小世界度量支持专门化/模块化和集成/分布式信息处理,并以相对较低的布线成本最大化信息传输的效率。具体比如:社交网络中的任意两个人都可以通过另外5个人联系起来。 全局效率衡量的是网络中并行信息传递的全局效率。网络的局部效率衡量的是当给定节点被移除时,它的邻节点之间的通信效率。 富人俱乐部结构是大脑网络的一个重要拓扑特性,表明枢纽节点之间的连接比非枢纽节点更密集,从而形成一个高度互联的俱乐部。 Assortativity 反映了节点将具有相似边数的节点连接起来的趋势。 Synchronization 同步测量所有节点以相同波形波动的可能性有多大。 Hierarchy 层级系数用于识别网络中是否存在层级组织。 聚类系数:给定节点的聚类系数衡量其邻域相互连接的可能性。 最短路径长度:给定节点的最短路径长度量化了该节点与网络中所有其他节点之间的平均距离或路由效率。 节点效率:给定节点的节点效率表征了该节点在网络中并行信息传递的效率 本地效率:给定节点的本地效率衡量的是当该节点被移除时,其邻节点之间的通信效率。 给定节点的节点度反映了其在功能网络中的信息通信能力。 步骤 第一步点击“add”,输入连接矩阵(sFC),点击“Group ID”为每个矩阵输入组索引,各组的结果就会输出到不同的文件夹中。 第二步点击Output Directory 选择结果输出路径 第三步点击添加或移除你需要计算的网络属性 第四步调整参数,可以根据文献选择合适的参数,Thresholding sequence-[0.05:0.01:0.5](这个稀疏度的选择可以参考文献);network type-选择的是Binary二值网络;随机网络数用默认100。调整完参数之后就可以点击右下角的“RUN”开始。 Queque用几个核跑(一般4、5) 3. 结果 1、小世界网络 aCP:每个被试(矩阵)的聚类系数的曲线下面积 aGamma:每个被试(矩阵)的γ的曲线下面积 aLambda:每个被试(矩阵)λ的的曲线下面积 aLp:每个被试(矩阵)的最短路径长度的曲线下面积 aSigma:每个被试(矩阵)的σ的曲线下面积 含有All的文件包含每个被试每个稀疏度阈值下的值,每一行一个被试,每一列是一个稀疏度阈值 2、全局效率 aEg:每个被试(矩阵)的全局效率的曲线下面积 aEloc:每个被试(矩阵)的局部效率的曲线下面积 含有All的文件包含每个被试每个稀疏度阈值下的值,每1行是1个被试,每1列是1个稀疏度阈值 3. Rich-Club 4. Clustering Coefficient
5. Shortest Path Length 6. Efficiency
7. Local Efficiency
8. Degree Centrality
结果分别存在相应文件夹名下 其他以此类推........ |
CopyRight 2018-2019 实验室设备网 版权所有 |