faskowit/app-fmri-2-mat

app-fmri-2-mat

该镜像工具用于处理fMRIPrep输出的功能磁共振成像（fMRI）数据，通过干扰回归策略结合脑分区模板，生成时间序列或相关矩阵，支持脑科学研究中的后续分析。

核心功能

• 处理输入文件：bold.nii.gz（功能成像数据）、mask.nii.gz（掩码）、confounds.tsv（干扰变量）、parcellation.nii.gz（脑分区模板）
• 支持多种干扰回归策略：36p、9p、6p、aCompCor、24aCompCor等
• 生成分区节点的时间序列（可保存为hd5文件）和/或N×N相关矩阵
• 允许自定义参数调整：如平滑核、高低通滤波、spike阈值等

使用场景

• 脑科学研究中对预处理后的fMRI数据进行功能连接分析
• 需要将fMRI数据转换为时间序列或相关矩阵的学术场景
• 在brainlife.io平台或本地环境运行

配置说明

依赖环境

• Python3及以下库：nibable、pandas、nilearn、h5py
• 可选：singularity（容器运行）、jq（JSON处理）

参数说明

必填参数

• -fmri：功能成像文件路径（bold.nii.gz）
• -mask：掩码文件路径（mask.nii.gz）
• -parc：脑分区模板路径（与bold同空间）
• -conf：干扰变量文件路径（fmriprep输出的tsv格式）

可选参数

• -out：输出前缀（默认：output_）
• -tr：重复时间（未提供时自动猜测）
• -discard：丢弃开头的volumes数量（默认：0）
• -space：分区重采样空间（选项：data/labels，默认：data）
• -strategy：干扰回归策略（默认：36p）
• -savets：保存时间序列为hd5文件（flag）
• -nomat：不生成相关矩阵（flag）
• -regressextra/-makematextra：高级参数（如调整平滑核 -regressextra -fwhm 2）

部署示例

本地运行（模拟brainlife.io方式）

1. 克隆仓库：git clone https://github.com/...（替换为实际仓库地址）
2. 创建config.json：

json
{  
  "fmri": "/path/to/bold.nii.gz",  
  "parc": "/path/to/parcellation.nii.gz",  
  "confounds": "/path/to/confounds.tsv",  
  "mask": "/path/to/mask.nii.gz",  
  "tr": "2.3",  
  "savets": "true",  
  "inspace": "data",  
  "strategy": "36p"  
}  

3. 执行：./main

Docker运行示例

bash
docker run -v /local/data:/data docker.xuanyuan.run/faskowit/app-fmri-2-mat \
  -fmri /data/bold.nii.gz \  
  -mask /data/mask.nii.gz \  
  -parc /data/parcellation.nii.gz \  
  -conf /data/confounds.tsv \  
  -tr 2.3 \  
  -savets  

输出说明

所有输出文件将生成在当前工作目录下的output_makemat和output_regress目录中。

版权与致谢

• 版权：MIT License（Josh Faskowitz & brainlife.io）
• 依赖：nilearn库、fliem的代码（https://github.com/fliem/sea_zrh_rs%EF%BC%89
• 资助：NSF、NIH等机构（详见原描述）

注意：使用时请引用相关文献（如Avesani et al. 2019）。