neuromaps的学习笔记

neuromaps是一款2022年8月刚发布的工具，文章发表在nature method杂志上。近期同事推荐给了我，于是我尝试用了下。
首先的话，neuromaps是一款主要用于脑区之间进行比较的工具，使用的是基于空模型的非参数方法-置换检验。

单个被试对比

patient_1 = 'Volumn_org/ALFF_FunVoluWIglobalC/zALFF001.nii'
healath_1 = 'Volumn_org/ALFF_FunVoluWIglobalC/zALFF002.nii'

from neuromaps import images
patient = images.load_nifti(patient_1) # tupple, include L & R
health = images.load_nifti(health_1)  # tupple, include L & R
from neuromaps import transforms
patient_surf = transforms.mni152_to_fsaverage(patient, '10k')
health_surf = transforms.mni152_to_fsaverage(health, '10k')

from neuromaps.stats import compare_images
value = compare_images(patient_surf, health_surf, metric='pearsonr') # r=0.28

from neuromaps import nulls, stats
rotated = nulls.alexander_bloch(patient_surf, atlas='fsaverage', density='10k', n_perm=100, seed=1234)
corr, pvalue = stats.compare_images(patient_surf, health_surf, nulls=rotated)
# corr=0.28, p=0.0099

注意点：
1.由nii转换来的surf，是tupple结构，包含L&R， 当然也可以通过等于号把这两个单独提取出来。
2.neuromaps读取的gii文件，有一个属性叫add_gifti_data_array可以添加另一半。
对于单个gii文件，读取如下：

from neuromaps import images
file_l = glob('FunSurfLH/ALFF_FunSurfWIglobalC/zALFF.gii')
file_r = glob('FunSurfRH/ALFF_FunSurfWIglobalC/zALFF.gii')
from neuromaps.images import load_gifti
L = load_gifti(file_l)
R = load_gifti(file_r)
both = (L, R)

感觉还不错，可能的应用方向在于比较两个被试的相似性。