mwegrzyn / fmri_python_SS2019

Kurs zu fMRT-Datenanalyse mit Python (Sommersemester 2019). Eigenständige Erstellung von MRT-Viewern und DIY-Analyse von fMRT-Zeitverläufen und Aktivierungskarten mit Python.

Kurs zu fMRT-Datenanalyse mit Python (Sommersemester 2019)

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)

Inhaltsverzeichnis

• 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:
    • Percent Signal Change
    • Drift Modellieren
    • Time und Dispersion Derivatives
• "First-Level" Analyse
• ROI Analyse
• Decoding, RSA, Reverse Correlation

Notebooks ausführen

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-forge

oder, 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 nistats

Starten Sie dann die Umgebung

conda activate fmri
jupyter notebook

Kontakt

Fragen und Anmerkungen bitte an [e-mail]