问题标签 [neuroscience]

我想知道获得大脑图像的最佳方法，该图像显示 68 个自由冲浪者 Desikan-Killiany 地图集区域中的每个区域的特定值或颜色（在 fsaverage 模板上）。我的输入就是这 68 个值。

制作自定义 freesurferLUT文件并加载 freesurfer 似乎是一种方法，但有什么更直接的方法吗？另外，我想知道是否容易显示皮质区域的边界轮廓和标签？

我有两个大小完全不同的矩阵 MRI 扫描（141x172x110 和 176x208x176）。我需要将较大的矩阵 B 映射到较小的 A。矩阵 A 的值是大脑的区域 - 地图集，矩阵 B 的值是大脑物质的类型。我需要弄清楚 B 中的每个索引来自大脑的哪个区域。在两个矩阵中，每个索引都是 1 平方毫米的空间区域。每个矩阵都以每个矩阵的中间索引（每个维度的中位数）为中心，因此重叠两个矩阵将与每个索引的边界产生一些重叠。我想像欧几里得距离或多数投票这样的解决方案是可行的，但不知道从哪里开始。有任何想法吗？

我有一组 fMRI 图像。一组的维度为 90 x 60 x 12 x 350，体素维度为 1 x 1 x 1 mm（350 个体积）。另一组的尺寸为 80 x 35 x 12 x 350，体素尺寸为 0.2 x 0.2 x 0.5 mm。我正在使用其中一张图像作为参考图像进行注册。由于分辨率不同，注册失败（调情）。所以我必须先下采样或上采样。我尝试了以下方法：

调情 -in input_image \ -ref good_size_image \ -out output_image \ -applyxfm \ -init /usr/share/fsl/5.0/etc/flirtsch/ident.mat

这不起作用，不适用于下采样，也不适用于上采样。

我应该如何进行正确的下采样/上采样？

我最近一直在研究神经网络。它们很棒，但至少可以说有点晦涩难懂。我对大量使用集成和激发神经元模型的液态机器特别感兴趣。不过，这完全逃脱了我。这里有一些问题：

1. 泄漏集成和激发神经元的完美神经元配置是什么： https ://en.wikipedia.org/wiki/Biological_neuron_model#Leaky_integrate-and-fire ？IE 如果泄漏的整合和激发神经元是人工的，不受生物限制的限制。

2. 然后它会适合典型的人工神经元结构还是会保留其泄漏性？

3. 简单地说，泄漏的集成和激发神经元是如何工作的？它如何适合液态机器（如果你碰巧知道我知道有点晦涩）。

如果您知道这些问题的答案，请随时回复！

谢谢！

我将数据存储在有关神经元记录的结构中。神经元尖峰存储在一个逻辑数组中，其中尖峰为 1，无尖峰为 0。

我要做的是使用高斯滤波器将这些尖峰转换为平滑曲线信号。

我有以下平滑功能：

我只是想知道如何从类似于上述逻辑阵列的尖峰中产生神经信号？

PS：我很迷茫，我的答案无法在这里发布。

所以我有一个名为“all_sds”的矩阵，大小为 5x5x54，其中 5x5 矩阵围绕对角线对称，54 代表主题的数量。数字 5 代表一个变量，因此 5x5 部分基本上是每个变量相互关联的对称矩阵；总共有 10 个比较。我使用以下代码制作了一个 54x10 矩阵来存储每个参与者的这 10 个比较值，其中 nSub = 54，num_comparisons = 10，nROI = 5：

然后，我使用以下代码获得了一个 10x2 矩阵，其中包含数字 1-5 的可能组合值。

我想要做的是用“all_sds”中的适当值填充矩阵“sub_sds”，因此第一个主题变量1xvariable2比较值将进入“sub_sds”变量的row1 col1，第一个主题variable1xvariable3比较值将进入row1 col2等。我创建了变量“comps”，因为我认为我可以使用它的值索引到“all_sds”，但我现在意识到我不知道如何正确地做到这一点。我一直在使用嵌套循环进行值分配，这就是我所得到的。

显然我不知道如何使用另一个矩阵索引到一个矩阵中......加上它在一个循环中，所以我很困惑。任何人都可以指出我如何做到这一点的正确方向吗？非常感谢。

http://spark.apache.org/docs/latest/mllib-feature-extraction.html#word2vec

在word2vec的spark实现上，当迭代次数或数据分区数大于1时，由于某种原因，余弦相似度大于1。

据我所知，余弦相似度应始终约为 -1 < cos < 1。有人知道为什么吗？

我必须绘制大脑区域的连接网络。我想获得类似于图 1的东西。

我能够将点放在 3D 空间中，并通过使用 python 和 mayavi 将它们与边缘链接。代码在这里：

您可以在此处查看代码的输出，如图 2 所示：

（不要考虑顶部的箭头和曲线，因为它们只是尝试创建一种方向）

如何创建 3D 大脑渲染以获得类似于图 1的内容：

我正在使用一个名为 bedpostx 的 fsl 工具，它用于将扩散模型拟合到我的（预处理的）数据中。问题是这个过程现在已经运行了超过 24 小时。我想通过可怜的人并行化来加速这个过程。为此，我应该在多个终端中运行 bedpostx_single_slice.sh，将其应用于一批切片。我不断收到错误。这是我在终端中启动的命令：

第一个输入是包含我的数据的目录，37 是我要分析的第 i 个切片。这是我得到的错误：

不幸的是，关于这个工具的文档并不多，而且我在编程方面还很陌生。

如果有帮助，下面是bedpostx_single_slice.sh 的脚本：

我已经为 OCR 实现了 NN。我的程序有相当高的成功识别率，但最近（两个月前）它的性能下降了约 23%。分析数据后，我注意到图像中出现了一些新的不规则性（额外的扭曲、噪声）。换句话说，我的 nn 需要学习一些新数据，但也需要确保它不会忘记旧数据。为了实现它，我在新旧数据的混合上训练了 NN，我尝试的非常棘手的功能是防止权重变化太大（最初我将变化限制在不超过 3%，但后来接受了 15%）。为了帮助 NN 不“忘记”旧数据，还能做些什么？