基于我们先前提出的组信息指导独立成分分析方法（Group information guided independent component analysis），我们开发了GIG-ICA脑功能网络分析软件，并在此公开发布以供脑科学领域的研究人员使用。该软件基于 Matlab 交互式开发环境，可对多被试的脑功能核磁共振数据进行分析，可估计在多个被试间具有对应性的个体被试的脑功能网络和相关的时间序列并进行可视化，这些测度可用于后续的统计分析、聚类和分类等。

GIG-ICA 脑功能网络分析软件包括以下模块：

1)    脑功能影像数据分析： 集成了 GIG-ICA 方法， 可以同时优化多个被试成分间的对应性和个体被试不同成分间的独立性， 并且得到在被试间具有对应性的个体脑功能网络。

2)    结果可视化： 对估计出的个体受试者的脑功能网络和相关测度进行可视化。

软件主界面（左图）以及结果示意图（右图）如下所示：

点我下载GIG-ICA脑功能网络分析软件包!

参考文献：

1. [1] Du, Y. H., E. A. Allen, H. He, J. Sui, L. Wu and V. D. Calhoun (2016). "Artifact removal in the context of group ICA: A comparison of single-subject and group approaches." Hum Brain Mapp 37(3): 1005-1025.

2. [2] Du, Y. H. and Y. Fan (2013). "Group information guided ICA for fMRI data analysis." Neuroimage 69: 157-197.

3. [3] Du, Y. H., G. D. Pearlson, J. Y. Liu, J. Sui, Q. B. Yu, H. He, E. Castro and V. D. Calhoun (2015). "A group ICA based framework for evaluating resting fMRI markers when disease categories are unclear: application to schizophrenia, bipolar, and schizoaffective disorders." Neuroimage 122: 272-280.

智能医学图像分析实验室

2022年1月21日