北师大BrainNet Viewer软件使用心得与原创实用ROI提取toolkit分享

近期因为要绘制人脑连接结构的网络连接图，所以接触到了北师大研发的BrainNet Viewer软件，download地址为：http://www.nitrc.org/projects/bnv/

该软件为我们提供了多种图形组合方式，具体的功能可以参见manual，这里我只谈一下我自己的使用感受。

首先是软件启动，比较简单，都是基于matlab开发的，只需要添加路径后在command window中输入'BrainNet'即可。

打开软件后，可以根据我们的选择加载需要的图像，这里我选择全部加载的图像。

1.surface file：这个会自动跳转到系统为大家提供的12个现有surface数据下，我们也可以用同样的方法来绘制自己的surface（感觉意义不大）。

2.Data file(node)：这里是输入节点定义信息，我选择使用提供的example中的AAL90节点定义模板，这个模板很棒，直接为我们提供了Lookup table。

3.Data file(edge)：这里是输入连接数据信息，也就是edge信息，我选择使用我自己通过PANDA软件生成的确定性determinstric结构连接信息中的FA,FN,Length矩阵进行构建。

4.Volume file：这里输入的是ROI的信息，我们可以将ROI通过他提供的算法映射到surface上，也可以进行ROI绘制。（投射时出现116的问题是因为软件提供的example中的aal.nii是116个分区，也就是AAL116的ROI信息，并非AAL90的信息）。

收入完成后点击OK继续，进行不同的设置，具体设置细节可以参见manual。

因为我对扣带回区域感兴趣，所以我打算研究扣带回结构和其他结构之间的连接关系，这里我就选择提取扣带回（对应于ALL中的Label 31~36）。

这里，我们就需要使用我为大家提供的toolkit来进行ROI连接矩阵的提取，具体代码如下：

%Name:CIN_network_extraction_toolkit
%Function:Extraction CIN(lable 31:36 in AAL 90 atlas set)to show the
%construction
%Author :Changle Zhang e-mail:[email protected]
clc;clear all;close all;
cd ('E://Anhuishi/00001/Network/Deterministic');            %进入存储目录，后期可以根据需要修改0000i以及确定不确定等

%FA=load ('00001_dti_FACT_35_02_1_0_Matrix_FA_AAL_Contract_90_2MM_90.txt'); %打开FA
%FA=load ('00001_dti_FACT_35_02_1_0_Matrix_FN_AAL_Contract_90_2MM_90.txt');
%%打开FN
FA=load('00001_dti_FACT_35_02_1_0_Matrix_Length_AAL_Contract_90_2MM_90.txt');
%%打开Length
%Upper_Left
for i=1:30                      
    for j=1:30
        FA(i,j)=0;
    end
end
%Upper_Right
for i = 1:30
    for j = 37:90
        FA(i,j)=0;
    end
end
%Lower_Left
for i=37:90                      
    for j=1:30
        FA(i,j)=0;
    end
end
%Lower_Right
for i=37:90                      
    for j=37:90
        FA(i,j)=0;
    end
end
%save('FA_AAL.txt','FA','-ascii');                           %进行保存
%save('FN_AAL.txt','FA','-ascii');                           %进行保存
save('Length_AAL.txt','FA','-ascii');                       %进行保存

通过这个toolkit可以很好地实现ROI分割，我计划将自己用到的所有实用toolkit做成GUI的形式提供给BrainNet Viewer的软件制作团队，这样可以方便后续的研究人员。希望大家可以喜欢这个toolkit。

这里附上我的处理结果，明天去和老师汇报~