功能磁共振成像 fMRIflows是完全自主的单变量和多变量fMRI处理管道的集合。 这包括解剖和功能上的预处理，信号混杂的估计以及在受试者和小组水平上的单变量和多变量分析。 显而易见， fMRIflows受到和其他开源项目的极大启发，并从它们的思想和解决方案中大力借鉴。 但是尽管可以被描述为“玻璃”盒子软件，但fMRIflows更像是鞋盒。 易于打开，易于理解，内部简单易用，可轻松更换和更改内部组件。 这完全是由于fMRIflows所有源代码都存储在笔记本中。 如果您正在出版物中使用fMRIflows ，请与作者 fMRIflows联系，以获取有关如何引用此工具箱的更多信息，因为该出版物目前正在准备提交。 安装及使用 使用容器 使用fMRIflows的最佳方法是直接在相应的容器（ 或 ）中运行它。 可以使用docker pull miykael/fmriflows命令从Docker

典型相关分析matlab实现代码代码质量和样式 单元测试和覆盖 如何引用 贡献者 SPM12预处理管道说明 依存关系 确保安装以下工具箱并将其添加到matlab路径。 有关说明，请参见以下链接： 依存关系 二手版本 20 ??? 或者 4.？ v7487 不适用 为简单起见，已将subfun工具工具箱添加到该子subfun文件夹中。 一般说明 这套功能将从读取和解压缩数据。 然后它将执行： 切片定时校正 空间预处理（重新对齐，对MNI空间进行归一化）， 平滑 主题级别的GLM和 组一级的GLM为SPM（即汇总统计方法）。 这必须针对每个任务独立运行。 所有参数最好都应该在getOptions.m文件中进行更改。 它还可以通过在非规范化图像上为每个受试者运行GLM来准备数据以运行MVPA分析，并为要在MVPA中使用的每种条件获取一个beta图像。 核心功能位于子功能文件夹subfun 假设 目前，此管道进行了一些假设： 假设虚拟扫描已从BIDS数据集中删除，并且可以直接跳至预处理， 假定给定任务的元数据与正在运行此管道的第一个主题的第一次运行的元数据相同， 它假定该组是在主题字段（例如s

BIDScoin：将您的影像数据硬币到BIDS BIDScoin是一种用户友好python工具包，可将（“硬币”）源级（原始）神经影像数据集转换为按照Brain Imaging数据结构（又称为标准）组织的 / / 数据集。 。然后，BIDScoin依靠复杂或模棱两可的程序逻辑来识别成像模态，而是使用映射方法来识别原始源数据并将其转换为BIDS数据。通过从MRI头文件（DICOM或PAR / REC；例如ProtocolName ）中读取信息来识别源数据的不同运行，并且研究人员可以事先指定或交互地指定有关这些运行应如何转换为BIDS的映射信息- -引入通常只存在于他或她的脑海中的缺失的知识！ 由于可以使用轻松编辑所有映射信息，因此BIDScoin不需要任何编程知识即可使用它。 BIDScoin由的开发。 BIDScoin功能 [x] DICOM源数据 [x] PAR / REC源数

convert_source 将源DICOM ， PAR REC或NIFTI图像数据转换为BIDS目录布局。 用作输入的YAML配置文件规定了用于查找和重命名文件的搜索词。 有关示例，请参阅config/config.default.yml或config/config.example.yml 。 需要dcm2niix和pydicom 。 usage: study_proc [-h] [-s STUDY_DIR] [-o OUT_DIR] [-c CONFIG.yml] [--no-gzip] [--compress INT] [--zero-pad INT] [--append-dwi-info] [--verbose] [--version] [--path-env PATH_VAR] Convert sou