XiaoMi-AI文件搜索系统
World File Search SystemFischl
多模式脑行为跨年龄组的不对称概括
Battaglini，M.，Gentile，G.，Luchetti，L.，Giorgio，A.，Vrenken，H. M.，Rocca，M。A.，Preziosa，P.，Gallo，A.，…De Stefano，N。（2019年）。寿命规范性数据有关大脑体积变化的速率。衰老的神经生物学，81，30 - 37。https：//doi.org/10.1016/j.neurobiolaging.2019。05.010 Cam-Can Consortium，Samu，D.，Campbell，K。L.，Tsvetanov，K。A.，Shafto，M。A.，＆Tyler，L。K.（2017）。随着年龄的增长而保留的认知功能取决于网络响应中的域依赖性变化。自然通讯，8（1），14743。https：//doi.org/10.1038/ NComms14743 Chan，M。Y.，Park，D。C.，Savalia，N。K.，Petersen，S。E.和Wig，G。S.（2014）。减少了整个健康成人寿命中大脑系统的分离。美国国家科学院的会议记录，111（46），E4997 - E5006。Cox，R。W.（1996）。afni：用于分析和可视化功能磁共振神经图像的软件。计算机和生物医学研究，29（3），162 - 173。Dale，A.，Fischl，B。，＆Sereno，M。I.（1999）。基于表面的皮质分析：I。分割和表面重建。Neuroimage，9（2），179 - 194。https：//doi.org/10.1006/nimg.1998.0395 Destrieux，C.，Fischl，B.，Dale，A。，＆Halgren，A。，＆Halgren，E。（2010）。使用标准解剖学名称的人皮层回旋和硫酸自动曲柄。Neuroimage，53（1），1 - 15。（2016）。Soc。Dhollander，T。和Connelly，A。一种新型的迭代方法，可以从仅单壳（ + b = 0）差异MRI数据中获得多组织CSD的益处。24 int。宏伟。共振。Med，24，3010。Esteban，O.，Markiewicz，C。J.，Blair，R。W.，Moodie，C.A.fmriprep：用于功能性MRI的强大预处理管道。自然方法，16（1），111 - 116。Fan，L.，Li，H.，Zhuo，J.，Zhang，Y.，Wang，J.，Chen，L.，Yang，Z.，Chu，C.，Xie，S。，＆Laird，A。R.（2016）。 人类Brainetome Atlas：基于连接架构的新大脑图集。 大脑皮层，26（8），3508 - 3526。 Fischl，B。和Dale，A。M.（2000）。 通过磁共振图像测量人脑皮质的厚度。 美国国家科学院的会议录，97（20），11050 - 11055。 Fischl，B.，Liu，A。和Dale，A。M.（2001）。 自动流动手术：构建人类大脑皮层的几何准确和拓扑上正确的模型。 IEEE医学成像，20（1），70 - 80。 Fischl，B.，Salat，D.H.，Busa，E.，Albert，M.，Dieterich，M.，Haselgrove，C.，van der Kouwe，A.，Killiany，R.，Kennedy，D.，Klaveness，S.，Montillo，S.，Montillo，A.，Makris，A. 整个大脑分割：人脑中神经解剖结构的自动标记。 Neuron，33，341 - 355。 磁共振图像的独立序列分段。 （1999）。Fan，L.，Li，H.，Zhuo，J.，Zhang，Y.，Wang，J.，Chen，L.，Yang，Z.，Chu，C.，Xie，S。，＆Laird，A。R.（2016）。人类Brainetome Atlas：基于连接架构的新大脑图集。大脑皮层，26（8），3508 - 3526。Fischl，B。和Dale，A。M.（2000）。通过磁共振图像测量人脑皮质的厚度。美国国家科学院的会议录，97（20），11050 - 11055。Fischl，B.，Liu，A。和Dale，A。M.（2001）。 自动流动手术：构建人类大脑皮层的几何准确和拓扑上正确的模型。 IEEE医学成像，20（1），70 - 80。 Fischl，B.，Salat，D.H.，Busa，E.，Albert，M.，Dieterich，M.，Haselgrove，C.，van der Kouwe，A.，Killiany，R.，Kennedy，D.，Klaveness，S.，Montillo，S.，Montillo，A.，Makris，A. 整个大脑分割：人脑中神经解剖结构的自动标记。 Neuron，33，341 - 355。 磁共振图像的独立序列分段。 （1999）。Fischl，B.，Liu，A。和Dale，A。M.（2001）。自动流动手术：构建人类大脑皮层的几何准确和拓扑上正确的模型。IEEE医学成像，20（1），70 - 80。Fischl，B.，Salat，D.H.，Busa，E.，Albert，M.，Dieterich，M.，Haselgrove，C.，van der Kouwe，A.，Killiany，R.，Kennedy，D.，Klaveness，S.，Montillo，S.，Montillo，A.，Makris，A.整个大脑分割：人脑中神经解剖结构的自动标记。Neuron，33，341 - 355。磁共振图像的独立序列分段。（1999）。Fischl，B.，Salat，D.H.，van der Kouwe，A.J.W.，Makris，N.，Ségonne，F.，Quinn，B.T。，＆Dale，A.M。（2004）。 Neuroimage，23（Suppl 1），S69 - S84。 https://doi.org/10.1016/j.neuroimage.2004.07.016 Fischl，B.，Sereno，M.I。，＆Dale，＆Dale，A. 基于表面的分析：II：通货膨胀，变平和基于表面的坐标系。 Neuro-图像，9（2），195 - 207。https：//doi.org/10.1006/nimg.1998.0396 Gao，M.，Wong，C.H。Y.，Huang，Huang，H.，Shao，Shao，Shao，R. 基于连接的模型可以预测老年人的速度。 Neuroimage，223，117290。https：//doi.org/ 10.1016/j.neuroimage.2020.117290 Gao，S.，Greene，A.S.，Constable，R.T。，＆Scheinost，D。（2019）。 组合多个连接组可改善表型度量的预测建模。 Neuroimage，201，116038。https：//doi.org/10.1016/j。 Neuroimage.2019.116038Fischl，B.，Salat，D.H.，van der Kouwe，A.J.W.，Makris，N.，Ségonne，F.，Quinn，B.T。，＆Dale，A.M。（2004）。Neuroimage，23（Suppl 1），S69 - S84。https://doi.org/10.1016/j.neuroimage.2004.07.016 Fischl，B.，Sereno，M.I。，＆Dale，＆Dale，A.基于表面的分析：II：通货膨胀，变平和基于表面的坐标系。Neuro-图像，9（2），195 - 207。https：//doi.org/10.1006/nimg.1998.0396 Gao，M.，Wong，C.H。Y.，Huang，Huang，H.，Shao，Shao，Shao，R.基于连接的模型可以预测老年人的速度。Neuroimage，223，117290。https：//doi.org/ 10.1016/j.neuroimage.2020.117290 Gao，S.，Greene，A.S.，Constable，R.T。，＆Scheinost，D。（2019）。组合多个连接组可改善表型度量的预测建模。Neuroimage，201，116038。https：//doi.org/10.1016/j。Neuroimage.2019.116038
基于电导的结构性大脑连通性
∗用于制备本文的相应作者 * *数据部分是从阿尔茨海默氏病神经膜计划（ADNI）数据库（ADNI.LONI.USC.EDU）获得的。因此，ADNI中的调查人员为ADNI和/或提供数据的设计和实施做出了贡献，但没有参与本报告的分析或撰写。可以在以下网址找到ADNI调查人员的完整列表：http：//adni.loni.usc.edu/wp- content/uploads/如何应用/adni确认列表.pdf电子邮件地址：afraupascual@mgh.harvard.harvard.edu（aina frau-pascual） dvaradarajan@mgh.harvard.edu（divya varadarajan），ayendiki@mgh.harvard.edu（anastasia yendiki），dsalat@mgh.harvard.edu（david h.h. salat） （Iman Aganj）
幼儿脑量的轨迹与孕产妇教育有关
Aitchison，J。（1982）。组成数据的统计分析。皇家统计学会杂志：B系列（统计方法论），44（2），139 - 177。Barnea-Goraly，N.，Menon，V.，Eckert，M.，Tamm，L.，Bammer，R.，Karchemskiy，A. 童年和青春期的白质开发：一项横截面扩散张量成像研究。 大脑皮层，15（12），1848 - 1854年。 Bernal-Rusiel，J。L.，Greve，D。N.，Reuter，M.，Fischl，B.，Sabuncu，M。R.，＆Alzheimer's Diseation neurotimanting Initiative。 （2013）。 具有线性混合效应模型的纵向神经图像数据的统计分析。 neu-roimage，66，249 - 260。 Bernal-Rusiel，J。L.，Reuter，M.，Greve，D.N.，Fischl，B.，Sabuncu，M。R.，＆Alzheimer's Disision神经影像学计划。 （2013）。 时空线性混合效应模型，用于纵向神经图像数据的质量分析。 Neuroimage，81，358 - 370。 Blakemore，S.-J。和Choudhury，S。（2006）。 青少年大脑的发展：对执行功能和社会认知的影响。 儿童心理学与精神病学杂志，47（3 - 4），296 - 312。 Bradley，R。H.和Corwyn，R。F.（2002）。 社会经济地位和儿童发展。 心理学年度评论，53（1），371 - 399。 Bray，S.，Krongold，M.，Cooper，C。和Lebel，C。（2015年）。 年龄对整个儿童和青春期白色和灰质体积模式的协同作用。 Campbell，F。A.和Ramey，C。T.（1994）。Barnea-Goraly，N.，Menon，V.，Eckert，M.，Tamm，L.，Bammer，R.，Karchemskiy，A.童年和青春期的白质开发：一项横截面扩散张量成像研究。大脑皮层，15（12），1848 - 1854年。Bernal-Rusiel，J。L.，Greve，D。N.，Reuter，M.，Fischl，B.，Sabuncu，M。R.，＆Alzheimer's Diseation neurotimanting Initiative。（2013）。具有线性混合效应模型的纵向神经图像数据的统计分析。neu-roimage，66，249 - 260。Bernal-Rusiel，J。L.，Reuter，M.，Greve，D.N.，Fischl，B.，Sabuncu，M。R.，＆Alzheimer's Disision神经影像学计划。 （2013）。 时空线性混合效应模型，用于纵向神经图像数据的质量分析。 Neuroimage，81，358 - 370。 Blakemore，S.-J。和Choudhury，S。（2006）。 青少年大脑的发展：对执行功能和社会认知的影响。 儿童心理学与精神病学杂志，47（3 - 4），296 - 312。 Bradley，R。H.和Corwyn，R。F.（2002）。 社会经济地位和儿童发展。 心理学年度评论，53（1），371 - 399。 Bray，S.，Krongold，M.，Cooper，C。和Lebel，C。（2015年）。 年龄对整个儿童和青春期白色和灰质体积模式的协同作用。 Campbell，F。A.和Ramey，C。T.（1994）。Bernal-Rusiel，J。L.，Reuter，M.，Greve，D.N.，Fischl，B.，Sabuncu，M。R.，＆Alzheimer's Disision神经影像学计划。（2013）。时空线性混合效应模型，用于纵向神经图像数据的质量分析。Neuroimage，81，358 - 370。Blakemore，S.-J。和Choudhury，S。（2006）。青少年大脑的发展：对执行功能和社会认知的影响。儿童心理学与精神病学杂志，47（3 - 4），296 - 312。Bradley，R。H.和Corwyn，R。F.（2002）。 社会经济地位和儿童发展。 心理学年度评论，53（1），371 - 399。 Bray，S.，Krongold，M.，Cooper，C。和Lebel，C。（2015年）。 年龄对整个儿童和青春期白色和灰质体积模式的协同作用。 Campbell，F。A.和Ramey，C。T.（1994）。Bradley，R。H.和Corwyn，R。F.（2002）。社会经济地位和儿童发展。心理学年度评论，53（1），371 - 399。Bray，S.，Krongold，M.，Cooper，C。和Lebel，C。（2015年）。年龄对整个儿童和青春期白色和灰质体积模式的协同作用。Campbell，F。A.和Ramey，C。T.（1994）。Campbell，F。A.和Ramey，C。T.（1994）。Eneuro，2（4），Eneuro.0003 - Eneu15.2015。Bruchhage，M.M.，Ngo，G.-C.，Schneider，N.，D'Sa，V。，＆Deoni，S。C.（2020）。功能连通性与婴儿和早期儿童认知发展的相关性。大脑结构和功能，225（2），669 - 681。早期干预对智力和学术成就的影响：对低收入家庭的儿童的后续研究。儿童发展，65（2），684 - 698。Chakraborty，S。和Zhang，X。（2021）。在高维度中用于距离和基于内核的指标的新框架。电子统计杂志，15（2），5455 - 5522。Chen，E。Z.和Li，H。（2016）。分析纵向微生物组组成数据的两部分混合效应模型。生物信息学，32（17），2611 - 2617。Chen，Y.，Dubey，P.，Müller，H.-G.，Bruchhage，M.，Wang，J.-L。，＆Deoni，S。（2021）。 对早期神经发育中的稀疏纵向数据进行建模。 Neuroimage，237，118079。 dai，X.，Hadjipantelis，P.，Wang，J.-L.，Deoni，S.C。L.，＆Müller，H.-G。 （2019）。 白质成熟与整个幼儿的认知发展之间的纵向关联。 人脑图，40（14），4130 - 4145。 Dai，X.，Lin，Z。，＆Müller，H.-G。 （2021）。 建模Riemannian歧管上的稀疏纵向数据。 Biometrics，77（4），1328 - 1341。Chen，Y.，Dubey，P.，Müller，H.-G.，Bruchhage，M.，Wang，J.-L。，＆Deoni，S。（2021）。对早期神经发育中的稀疏纵向数据进行建模。Neuroimage，237，118079。dai，X.，Hadjipantelis，P.，Wang，J.-L.，Deoni，S.C。L.，＆Müller，H.-G。 （2019）。白质成熟与整个幼儿的认知发展之间的纵向关联。人脑图，40（14），4130 - 4145。Dai，X.，Lin，Z。，＆Müller，H.-G。 （2021）。 建模Riemannian歧管上的稀疏纵向数据。 Biometrics，77（4），1328 - 1341。Dai，X.，Lin，Z。，＆Müller，H.-G。 （2021）。建模Riemannian歧管上的稀疏纵向数据。Biometrics，77（4），1328 - 1341。
儿童时期的多模态神经相关性...
成分。分数越高表示症状严重程度越高 (即越差)。误差线表示自举估计的置信区间。 (c) 与 LC1 相关的显著表面积、厚度、体积载荷（自举重采样和 FDR 校正 q<0.05 后）。 (d) 与 LC1 相关的显著 RSFC 载荷（自举重采样和 FDR 校正 q<0.05 后）。RSFC 载荷经过阈值处理，因此仅显示具有显著自举 Z 分数的网络内或网络间块。网络块遵循与 17 个 Yeo 网络 (Schaefer et al., 2018; Yeo et al., 2011) 和皮层下区域 (Fischl et al., 2002) 相关的颜色。弦图总结了网络内和网络间显著的 RSFC 载荷。有关更详细的网络可视化，另请参见图 1a。DorsAttn，背侧注意力； RSFC，静息状态功能连接；SalVentAttn，显著性/腹侧注意；SomMot，躯体感觉运动；TempPar，颞顶叶。
HOA - 毛细管 - 脑结构分段 - pdf
简介本手册的目的是介绍对成像数据的可靠和准确的神经解剖学分割的程序。这些过程使用3D Slicer软件平台，其中已经开发了特定的分割模块。该模块基于基于MRI的体积形态学或体积的创始人（Caviness。等，1999）。 体积形态计量学始于1987年的形态分析中心（CMA）马萨诸塞州综合医院（MGH），后来用于验证自由度自动化体积方法学（Fischl等，2002，2004）。 原始的基于MRI的体积分析的CMA方法使用了一个名为CardViews的自定义设计的软件平台。 为卡片视图开发的工具和程序，这些工具和过程融合了半自动化和手动编辑，已作为特定的神经分组模块改编为3D切片机环境。 该模块设计为与本手册中描述的程序一起使用，以执行皮层大脑结构的半自动化和手动编辑。 基于MRI的体积分割的神经解剖学和计算原理术语分割一词在神经解剖学和基于MRI的计算处理中具有不同的含义。 分割通常是构成构成感兴趣区域（ROI）的一组元素（例如细胞或体素）的划分，并分配了识别标签向该区域。 在神经解剖学中，分割涉及直接可视化大脑区域的描述和鉴定，这些区域使用结构性的生物学标准标记。等，1999）。体积形态计量学始于1987年的形态分析中心（CMA）马萨诸塞州综合医院（MGH），后来用于验证自由度自动化体积方法学（Fischl等，2002，2004）。原始的基于MRI的体积分析的CMA方法使用了一个名为CardViews的自定义设计的软件平台。为卡片视图开发的工具和程序，这些工具和过程融合了半自动化和手动编辑，已作为特定的神经分组模块改编为3D切片机环境。该模块设计为与本手册中描述的程序一起使用，以执行皮层大脑结构的半自动化和手动编辑。基于MRI的体积分割的神经解剖学和计算原理术语分割一词在神经解剖学和基于MRI的计算处理中具有不同的含义。分割通常是构成构成感兴趣区域（ROI）的一组元素（例如细胞或体素）的划分，并分配了识别标签向该区域。在神经解剖学中，分割涉及直接可视化大脑区域的描述和鉴定，这些区域使用结构性的生物学标准标记。相比之下，在MRI分析中，使用与成像相关的标准在计算机生成的图像上对大脑结构的描述和鉴定进行了识别。基于MRI的分割的最终目标是将图像切入与神经解剖结构相对应的体素的识别分组。
大脑成像文档
其他有关收购，协议，重建，图像处理，IT/信息学的投入：Jesper Andersson，Stuart Clare，Michiel Cottaar，Michiel Cottaar，GwenaëlleDouaud，GwenaëlleDuaud，Eugene Du（Sean Fitzgibbon，Fitzgibbon，Ludovica Gri（Ludovica grii函数） Heidi Johansen-Berg，Paul McCarthy，Duncan Mortimer，Gholamreza Salimi-Khorshidi，Thomas Okell，Thomas Okell，Stamatios Sotiropoulos，Benjamin Tendler，Emmanuel Vallee，Chaoyue Wang，Chaoyue Wang，Matthew Webster（Matthew Webster） Colin Freeman（BDI/BMRC，牛津），史蒂夫·加拉特，莎拉·哈德森，尼尔斯·奥辛曼（Niels Oesingmann）（英国生物库克成像），艾伦·扬（Alan Young），约翰·米勒（John Miller），乔纳森·普莱斯（Jonathan Price）（NDPH，牛津），彼得·韦尔（NDPH），彼得·韦尔（Peter Weale），伊利乌斯·龙乌斯（Iulius Dragnu） Kamil Ugurbil，Essa Yacoub，Steen Moeller，Eddie Auerbach（美国明尼苏达州CMRR，CMRR），克里斯蒂安·贝克曼（Christian Beckmann），荷兰·纳德斯·尼杰梅根（Donders Nijmegen，荷兰），西蒙·考克斯（Simon Cox），西蒙·考克斯（Simon Cox），安德鲁·麦金太斯（Andrew McIntosh）梅维斯（Mevis），德国不来梅），安德烈亚斯·巴茨（Andreas Bartsch）（德国海德堡），洛根·威廉姆斯（Logan Williams），艾玛·罗宾逊（Emma Robinson）（英国KCL，英国），安娜·墨菲（Anna Murphy）（英国曼彻斯特大学） （英国诺丁汉大学），Takuya Hayashi（Riken，Kobe，日本），David Thomas，Daniel Alexander，Gary Zhang，Gary Zhang，Enrico Kaden（英国UCL，UCL），Chris Rorden，Chris Rorden（南卡罗来纳大学，美国） Harms，Matt Glasser，Tim Coalson，David Van Essen（美国华盛顿大学，美国）。
BrainForge：用于综合神经影像采集、分析和共享的在线数据分析平台
1. Morita T、Asada M、Naito E。神经影像学研究对理解人类认知大脑功能发展的贡献。Front Hum Neurosci。2016；10：464。doi：10.3389/fnhum.2016.00464 2. Bandettini PA。神经影像学方法有什么新进展？Ann NY Acad Sci。2009；1156：260-293。doi：10.1111/j.1749-6632.2009.04420.x 3. Verner E、Baker BT、Bockholt J 等人。使用 BrainForge 加速神经影像学研究。Gateways 2020，会议改善生物医学研究的数据使用； 2020 年 10 月 21 日。4. Poldrack RA、Baker CI、Durnez J 等人。扫描地平线：迈向透明和可重复的神经影像学研究。Nat Rev Neurosci。2017；18(2):115-126。doi: 10.1038/nrn.2016.167 5. Gorgolewski K、Poldrack R。提高神经影像学研究透明度和可重复性的实用指南。PLOS Biol。2016；14:e1002506。doi: 10.1371/journal.pbio.1002506 6. Baker M。1,500 名科学家揭开可重复性的面纱。Nature。2016；533(7604):452-454。 doi: 10.1038/533452a 7. Scott A、Courtney W、Wood D 等人。COINS：为大型异构数据集构建的创新信息学和神经成像工具套件。Front Neuroinform。2011；5：33。doi: 10.3389/fninf.2011.00033 8. Yoo AB、Jette MA、Grondona M。SLURM：用于资源管理的简单 Linux 实用程序。引自：Feitelson D、Rudolph L、Schwiegelshohn U 编。并行处理的作业调度策略。JSSPP 2003。计算机科学讲义。Springer；2003：44-60。9. Avesani P、McPherson B、Hayashi S 等人。开放扩散数据衍生物、通过衍生物的集成发布和可复制的开放云服务进行脑数据升级。 Sci Data 。2019；6(1)：69。doi：10.1038/s41597-019-0073-y 10. Flywheel。为医疗和研究领域的数字化转型提供动力。2021 年 5 月 14 日访问。flywheel.io 11. Kurtzer GM、Sochat V、Bauer MW。Singularity：用于移动计算的科学容器。PLoS One。2017；12(5)：e0177459。doi：10.1371/journal.pone。0177459 12. Merkel D。Docker：用于一致开发和部署的轻量级 Linux 容器。Linux J 。2014；239：2。13. Ashburner J、Barnes G、Chen CC 等人。SPM12 手册。第 2464 卷。威康信托神经影像中心；2014 年。14. Smith SM、Jenkinson M、Woolrich MW 等人。功能性和结构性 MR 图像分析进展以及作为 FSL 的实现。神经影像。2004 年；23 (Suppl 1)：S208-S219。doi: 10.1016/j.neuroimage.2004.07.051 15. Cox RW。AFNI：用于分析和可视化功能性磁共振神经影像的软件。Comput Biomed Res。1996 年；29(3)：162-173。doi: 10. 1006/cbmr.1996.0014 16. Cox RW、Hyde JS。用于分析和可视化 fMRI 数据的软件工具。NMR Biomed。 1997；10(4–5)：171-178。doi：10.1002/(SICI)1099- 1492(199706/08)10:4/5<171::AID-NBM453>3.0.CO；2-L 17. fMRI 工具箱的 Group ICA (v4.0c)。神经影像和数据科学转化研究中心。2021 年 5 月 6 日访问。https://trendscenter. org/software/gift/ 18. TReNDS 中心。Docker, Inc.访问日期：2022 年 1 月 13 日。https://hub.docker.com/orgs/trendscenter/repositories 19. 神经影像和数据科学转化研究中心。GitHub, Inc. https://github.com/trendscenter/ 20. Gorgolewski K、Burns CD、Madison C 等人。Nipype：一个灵活、轻量且可扩展的 Python 神经影像数据处理框架。Front Neuroinform。2011；5：13。doi：10.3389/fninf.2011.00013 21. GorgolewskiKJ、AuerT、CalhounVD 等人。Thebrainimagingdatastructure，一种组织和描述神经影像实验输出的格式。Sci Data。2016；3(1)：160044。 doi: 10.1038/sdata.2016.44 22. FosterI.Globusonline：通过云服务加速和民主化科学。IEEEInternetComput。2011；15(3)：70-73。doi: 10.1109/MIC。2011.64 23. Allen B、Bresnahan J、Childers L 等人。面向数据科学家的软件即服务。Commun ACM。2012；55(2)：81-88。doi: 10.1145/2076450.2076468 24. Calhoun VD、Adali T、Pearlson GD、Pekar JJ。一种使用独立成分分析从功能性 MRI 数据进行组推断的方法。Hum Brain Mapp。2001；14(3)：140-151。 doi: 10.1002/hbm.1048 25. Allen E、Erhardt E、Damaraju E 等。静息状态网络多变量比较的基线。Front Syst Neurosci。2011；5：2。doi: 10.3389/ fnsys.2011.00002 26. Allen EA、Damaraju E、Plis SM、Erhardt EB、Eichele T、Calhoun VD。跟踪静息状态下的全脑连接动态。大脑皮层。2014；24(3)：663-676。doi: 10.1093/cercor/bhs352 27. Ashburner J、Friston KJ。基于体素的形态测量——方法。神经影像学。2000；11(6)：805-821。 doi: 10.1006/nimg.2000.0582 28. Fischl B. FreeSurfer。神经影像学。2012；62(2):774-781。doi: 10.1016/j.neuroimage.2012.01.021 29. Andersson JLR、Sotiropoulos SN。一种用于校正扩散 MR 成像中的偏共振效应和受试者运动的综合方法。神经影像学。2016；125:1063-1078。doi: 10.1016/j.neuroimage.2015.10.019 30. Andersson JL、Skare S、Ashburner J。如何校正自旋回波平面图像中的磁化率畸变：应用于扩散张量成像。神经影像学。 2003；20(2):870-888。doi: 10.1016/s1053-8119(03)00336-7 31. Andersson JLR、Graham MS、Drobnjak I、Zhang H、Filippini N、Bastiani M。面向扩散 MR 图像运动和失真校正的综合框架：体积运动内。神经影像学。2017；152:450-466。doi: 10.1016/j.neuroimage.2017.02.085 32. CalhounVinceD、MillerR、PearlsonG、Adal 𝚤 T。Thechronnectome：时变连接网络作为fMRIdatadiscovery 的下一个前沿。神经元。2014；84(2):262-274。 doi: 10.1016/j.neuron.2014.10.015 33. Du Y、Fu Z、Sui J 等人。NeuroMark：一种基于自动化和自适应 ICA 的管道，用于识别可重复的 fMRI 脑部疾病标记物。神经影像：临床。2020；28：102375。doi: 10.1016/j.nicl.2020.102375 34. Griffanti L、Zamboni G、Khan A 等人。BIANCA（脑强度异常分类算法）：一种用于自动分割白质高信号的新型工具。神经影像学。2016；141：191-205。doi：10.1016/j.neuroimage.2016.07.018