一个图谱映射到功能网络yeo7或17的解决方案

本方案具备一定的局限性。

是以brainstorm的默认图谱为依据来进行构建的。进行的是按照brainstorm的标准的皮层标签来重构的。

首先，你需要配置matlab的brainstorm这个插件，然后，对于默认的Default anatomy，是有比较多的模板和皮层分区的。其支持的内容如下：

你可以使用对应的空间标准。

添加MNI为标准的Parcellation。

有些下载可能需要VPN。

可以和大多数标准进行统一。

如果研究只使用就是皮层标签级别的对齐的话。

包括ebrains的Julich-Brains（细胞类型的图谱）的siibra。其大脑模板有Colin27的模板。

siibra具备一定的图谱搜索和对应的功能，但是其支持的图谱相对有限。

Ebrains支持的脑模板标准。

操作过程

在默认的Default anatomy

我们首先要确定使用的MNI的某个模板。

下载，如我使用的是BrainICBM152

第二步骤，添加你需要的进行转换的Parcellation。

第三步，使用CAT12，或者下面的可以生成Cortex的都可以。当然freesurfer可以用于个体的模板生成，且功能强大。但是这个操作界面和流程较为简单。

当我们下载了Parcellation之后，就可以生成

我们主要使用较小的cortex_15002V。

当我们把这个文件导出到matlab时，我们就会得到一个结构为下面的文件。

注意如果直接导出格式是mesh，什么的就只会有mesh和vertices.

导出到matlab。

我们可以看到有下面的结构。

上面的Verices是和Faces是可视化支持的。

Atlas，可以来获取对应的Scouts

此处我下载的有上述这些模板的

通过下面的程序，我们可以对这个不同模板进行图谱到功能网络的加权概率映射.

首先直观的看，肯定使用较为细分的图谱Schaefer_600_7net进行功能网络映射具备较高精度。

我们使用Vertics的匹配范围并判定其label的所属来判断最终属于什么功能网络分区。

需要三个函数

matlab 复制代码

function map = atlas_to_yeo7(atlas_scouts, schaefer600_7net)
% 将任意 atlas 映射到 Yeo 7-network
% 通过 Schaefer_600_7net 的顶点重叠实现
%
% atlas_scouts          : 任意 atlas 的 Scouts
% schaefer600_7net      : Schaefer_600_7net Scouts
%
% map(i) 包含：
%   roi_index
%   roi_label
%   roi_region
%   network_names
%   network_id
%   network_weights

    nROI  = length(atlas_scouts);
    nSCH  = length(schaefer600_7net);

    % ---------- 提取 Schaefer 顶点 ----------
    SCH_vertices = cell(nSCH,1);
    SCH_netname  = cell(nSCH,1);
    SCH_netid    = zeros(nSCH,1);

    for j = 1:nSCH
        SCH_vertices{j} = schaefer600_7net(j).Vertices(:);
        [SCH_netname{j}, SCH_netid(j)] = parse_yeo7_label(schaefer600_7net(j).Label);
    end

    % ---------- 主循环 ----------
    map = struct([]);

    for i = 1:nROI
        vA = atlas_scouts(i).Vertices(:);
        rA = atlas_scouts(i).Region;

        overlap_net = zeros(7,1);

        for j = 1:nSCH
            % 左右半球约束（非常重要）
            if rA(1) ~= schaefer600_7net(j).Region(1)
                continue;
            end

            % 顶点重叠
            ov = numel(intersect(vA, SCH_vertices{j}));
            if ov > 0
                overlap_net(SCH_netid(j)) = overlap_net(SCH_netid(j)) + ov;
            end
        end

        % 归一化
        if sum(overlap_net) > 0
            overlap_net = overlap_net / sum(overlap_net);
        end

        idx = find(overlap_net > 0.05);   % 5% 阈值（可调）

        map(i).roi_index   = i;
        map(i).roi_label   = atlas_scouts(i).Label;
        map(i).roi_region  = atlas_scouts(i).Region;

        map(i).network_id      = idx;
        map(i).network_names   = yeo7_id_to_name(idx);
        map(i).network_weights = overlap_net(idx);
    end
end

matlab 复制代码

function [name, id] = parse_yeo7_label(label)
% 从 Schaefer Label 中解析 Yeo 7-network

    if contains(label, 'Vis')
        name = 'Vis';        id = 1;
    elseif contains(label, 'SomMot')
        name = 'SomMot';     id = 2;
    elseif contains(label, 'DorsAttn')
        name = 'DorsAttn';   id = 3;
    elseif contains(label, 'SalVentAttn')
        name = 'SalVentAttn';id = 4;
    elseif contains(label, 'Limbic')
        name = 'Limbic';     id = 5;
    elseif contains(label, 'Cont')
        name = 'Cont';       id = 6;
    elseif contains(label, 'Default')
        name = 'Default';    id = 7;
    else
        error('Unknown Yeo network in label: %s', label);
    end
end

matlab 复制代码

function names = yeo7_id_to_name(ids)
    dict = {'Vis','SomMot','DorsAttn','SalVentAttn','Limbic','Cont','Default'};
    names = dict(ids);
end

调用

matlab 复制代码

%加载模板数据atlas_struct.mat
%加载格式如下面的
% 最简单的方式 - 将数据加载到工作区
load('filename.mat')

% 指定完整路径
load('C:\path\to\your\data\filename.mat')

% 路径的别称aaaa

Desikan_Killiany = aaaa.Atlas(4).Scouts;
Brainnetome = aaaa.Atlas(7).Scouts;

Schaefer_600_7net = aaaa.Atlas(20).Scouts;



map_Brainnetome_yeo7 = atlas_to_yeo7(Brainnetome, Schaefer_600_7net);

可以得到加权roi映射到功能网络的数据