In diesem Repository liegen die notebooks für unser Seminar zur Analyse von fMRT-Daten mit Python (https://ekvv.uni-bielefeld.de/kvv_publ/publ/vd?id=150894283)
- Anschauen einer 3D-Datei mit nilearn
- Eigenes Viewer-Tool erstellen
- Daten aus fMRT-Zeitserie extrahieren
- Eine Aktivierungskarte erstellen
- Aktivierungskarten für verschiedene Bedingungen erstellen
- Aktivierung einer Region als Design verwenden (Seed-To-Brain Korrelationen)
- Ein Modell der erwarteten hämodynamischen Antwort erstellen
- Ein Hirnbild der Korrelationen mit dem HRF-Modell erstellen
- "Beta"-Hirnkarten erstellen
- Bonus-Notebooks:
- "First-Level" Analyse
- ROI Analyse
- Decoding, RSA, Reverse Correlation
Die Datenanalyse erfolgt mit Python 3 unter Verwendung von numpy, scipy, pandas, scikit-learn, nilearn, nistats, matplotlib, seaborn und jupyter.
Um die Skripte auszuführen, kann eine virtuelle Umgebung erstellt werden. Installieren Sie hierzu zunächst miniconda
https://conda.io/miniconda.html
Klonen Sie dann dieses GitHub-Repository und erstellen Sie eine neue Umgebung mit der requirements Datei
conda create --name fmri --file requirements.txt -c conda-forgeoder, für die aktuelle Version der Module
conda create --name fmri
conda install --name fmri -c conda-forge nilearn pandas jupyter matplotlib seaborn nibabel numpy scipy scikit-learn statsmodels nistatsStarten Sie dann die Umgebung
conda activate fmri
jupyter notebookFragen und Anmerkungen bitte an martin.wegrzyn@uni-bielefeld.de