资源分享 | 脑影像数据分析工具汇总
主要的MRI工具
SPM：统计参数映射（SPM）是指构建和评估用于测试有关功能成像数据的假设的空间扩展统计过程。SPM软件包专为分析脑成像数据序列而设计。这些序列可以是来自不同群组的一系列图像，也可以是来自同一被试的时间序列。当前版本专为分析fMRI、PET、SPECT、EEG和MEG而设计。
FreeSurfer：用于处理、分析和可视化人脑MR图像的开源神经成像工具包。由Martinos生物医学成像中心的计算神经成像实验室开发。FreeSurfer为结构和功能MRI提供完整的处理流，包括线性和非线性配准、皮层和皮层下分割、表面重建、组形态测量统计分析、弥散MRI、PET分析等工具。它也是Human Connectome Project选择的结构MRI分析软件。
FSL：FSL是用于fMRI、MRI和DTI脑成像数据的综合分析工具库。它可以在Apple和PC（Linux和Windows）上运行，并且非常易于安装。大多数工具既可以从命令行运行，也可以作为GUI（“点击式”图形用户界面）运行。
分类 | 工具包名称 | 功能 | 资源网址（含教程、脚本） |
fMRI | FEAT | 基于模型的分析，例如，用于任务态FMRI | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FEAT |
MELODIC | 基于ICA的无模型分析，例如，用于静息态FMRI | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/MELODIC | |
FABBER | 双回波(ASL/BOLD)灌注FMRI | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FABBER | |
BASIL | 来自灌注ASL FMRI的定量静息灌注分析 | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/BASIL | |
sMRI | fsl_anat | 通用解剖管道脚本，调用以下大多数工具以提供“一站式”综合结构分析 | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/fsl_anat |
BET | 脑提取工具，从整个头部的图像中删除非脑组织。 | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/BET | |
FAST | 组织类型分割 | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FAST | |
FIRST | 皮层下结构的分割 | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FIRST | |
FLIRT和FNIRT | 线性和非线性配准 | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FLIRT https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FNIRT | |
FSLVBM | 多被试灰质密度的体素分析 | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FSLVBM | |
SIENA和SIENAX | 结构变化的纵向和横截面分析 | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/SIENA | |
dMRI | FDT | 弥散MRI预处理、张量拟合和纤维束成像 | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FDT |
TBSS | 多被试弥散MRI数据集的体素分析 | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/TBSS | |
EDDY | 改进了弥散MRI数据集的涡流和头动校正 | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/eddy | |
TOPUP | 改进了弥散MRI数据集的失真校正 | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/topup | |
灌注MRI | BASIL | 使用动脉自旋标记的灌注量化 | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/BASIL |
统计 | Randomise | 基于置换检验的统计推断，包括 TFCE | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/Randomise |
PALM | 基于置换检验的统计推断，包括多变量和表面数据的处理 | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/PALM | |
Dual Regression | 从组ICA生成特定于被试的地图 | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/DualRegression | |
其他工具 | FSLeyes | 3D/4D图像、时间序列和表面查看器 | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FSLeyes |
Nets | 与网络/连接分析相关的各种工具 | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/Nets | |
FDR | 错误发现率阈值 | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FDR | |
Mm | 混合模型阈值 | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/Mm | |
Cluster | 各种基于集群的分析，包括基于GRF的集群推断 | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/Cluster | |
Fslutils | 杂项命令行程序（包括 fslmaths和fslstats） | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/Fslutils | |
Atlases | FSL中包含的各种地图集 | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/Atlases | |
SUSAN | 非线性图像降噪 | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/SUSAN | |
FUGUE | 基于场图的EPI失真校正 | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FUGUE | |
MCFLIRT | 头动校正 | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/MCFLIRT | |
FLOBS | 灵活的血流动力学基函数 | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/FLOBS | |
Miscvis | 制作概览图的程序 | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/Miscvis | |
lesion_filling | 用非病变强度填充病变遮罩的工具 | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/lesion_filling | |
POSSUM | FMRI/MRI图像模拟器 | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/POSSUM | |
Atlasquery | 用于报告掩膜或单个坐标图集标签的工具 | https://fsl.fmrib.ox.ac.uk/fsl/fslwiki/Atlasquery |
AFNI：AFNI（Analysis of Functional Neuro Images）是一个领先的软件工具包，包含C、Python、R程序和shell脚本，主要用于分析和显示多种MRI模式，如解剖、功能MRI(fMRI) 和弥散加权(DW)数据。可以免费获得，该软件几乎可以在任何带有X11和Motif显示器的Unix系统上运行。其中，SUMA是一个将基于皮层表面的功能成像分析添加到AFNI工具包中的程序，允许查看3D皮层表面模型。借助SUMA，AFNI可以同时实时渲染4种模式的功能性成像数据：层、图形（时间序列）、体素和表面。还可以根据白质DTI模型以及其他物体进行束状图重构。
ANTs：ANTs（Advanced Normalization Tools）能够计算高维映射以捕获大脑结构和功能的统计数据，允许人们组织、可视化和统计探索大型生物医学图像集。ANTs被普遍认为是最先进的图像配准和分割工具包。与ANTsR搭配使用，ANTsR是一种支持标准化多模态图像分析的新兴工具。
Nipype：Nipype是NiPy旗下一个基于Python的开源社区开发项目，它为现有的神经成像软件提供统一的接口，并在单个工作流中促进这些软件包之间的交互。Nipype提供了一个促进不同包（例如，SPM、FSL、FreeSurfer、AFNI、Slicer、ANTS）中的算法进行交互式探索的环境，简化了包内和包之间的工作流设计，并减少了使用不同包所需的学习曲线。Nipype正在创建一个协作平台，用于以高级语言开发神经影像软件，并致力于解决现有管道系统存在的局限性。
Dipy：是Python中的标准3D/4D+成像库。包含空间归一化、信号处理、机器学习、统计分析和医学图像可视化的通用方法。此外，它还包含弥散、灌注和结构成像。
MRtrix3：MRtrix3提供了一套工具来执行各种类型的弥散MRI分析，从各种形式的纤维束成像到组水平分析。MRtrix3是由该领域的专家团队开发和维护，它的设计考虑到了一致性、性能和稳定性，并且是开源免费提供的。
EEG和MEG工具
MNE：用于探索、可视化和分析人类神经生理数据（如MEG、EEG、sEEG、ECoG、NIRS等）的开源Python工具包。它包括用于数据输入/输出、预处理、可视化、源估计、时频分析、连通性分析、机器学习和统计模块。Wonambi：用于分析EEG、ECoG和其他电生理功能的软件包。允许在GUI中可视化数据和睡眠阶段评分，提供纺锤波和慢波自动检测器。
NeuroKit：用于统计和处理神经生理信号（EEG，EDA，ECG，EMG...）的Python工具箱。
EEGLab：EEGLAB是一个交互式Matlab工具箱，用于处理连续和事件相关的EEG、MEG和其他电生理数据，包括独立成分分析(ICA)、时域/频域分析、伪迹拒绝、事件相关统计以及可视化平均和单个试次数据。EEGLAB提供交互式图形用户界面(GUI)，允许用户使用独立成分分析(ICA)、 时/频域分析(TFA)以及标准平均方法来灵活交互式地处理高密度EEG数据和其他动态大脑数据。
NutMEG：NutMEG（Neurodynamic Utility Toolbox for Magnetoencephalo-and Electroencephalo-Graphy）是一个非常实用的MEG/EEG分析工具箱，由UCSF 生物磁成像实验室开发，用于重建神经激活的时空动态并将它们叠加到结构MR图像上。该工具箱在MATLAB下与SPM8结合运行，可在Linux/UNIX、Mac OS X，以及Windows系统上使用。
CarTool：CarTool侧重于分析大脑电场的空间属性，并对场地形随时间、实验条件或被试群体的变化进行定量评估。它不仅可以进行场强度和场相似性的全局度量、时域分段、频域地形分析、地形统计分析，以及基于分布式逆解的源成像，而且还特别设计用于可视化数据和分析结果，允许快速操作和3D图像可视化。CarTool可以全面、综合、明确地解释多通道EEG和诱发电位。
FOOOF：是一种快速、高效的分析工具，用于神经功率谱的参数估计。可用于测量电生理数据的周期性和非周期性特性，包括EEG、MEG、ECoG和LFP数据。使用FOOOF测量假定振荡的好处是，功率谱中的峰值以其特定的中心频率、功率和带宽为特征，而不需要预先定义特定的感兴趣频带和控制非周期性成分。FOOOF还可以测量信号的这种非周期性成分，允许测量和比较被试内和被试间的1/f类分形信号。
Spectral Connectivity：是一个python软件包，使用多锥傅里叶变换计算频域大脑的连通性，如相干性、频谱格兰杰因果关系和相位滞后指数，可以有效地从多电极记录中总结大脑区域水平的相干性。它旨在一次处理多个时间序列，能够缓存频繁计算的量，例如交叉谱矩阵和最小相位分解，以便使用相同处理步骤的连通性测量可以更快地计算出来。它解耦了时频变换和连通性测量，如果你已经有计算傅立叶系数的首选方法（即小波变换），则可以使用它来代替。
PACTools：用于估计神经时间序列中的相位幅值耦合(PAC)的工具。
Tensor PAC：Tensor PAC是一个开源Python工具箱，使用张量和并行计算来获得相位幅值耦合(PAC)。它允许将现有的测量PAC和随机分布的方法结合起来，使用Einstein求和，其中PAC的实现是为了支持多维数组（即张量）。这种类型的实现可以大大降低计算成本。
SEREEGA：SEREEGA(Simualating Event-Related EEG Activity)是一个基于MATLAB的开源工具箱，用于生成模拟的、事件相关的EEG数据。SEREEGA旨在作为一种工具，以已知的真实情况生成的数据来评估神经科学和信号处理方法，例如盲源分离、源定位、连通性测量、脑机接口分类器精度等等。
PyEEG：一个用于EEG特征提取的开源Python模块，可实现神经时间序列的信息论和复杂性的相关测量。网址：https://github.com/forrestbao/pyeeg
ECoGTools：一组用于分析ECoG数据的工具包。网址：https://github.com/choldgraf/ecogtools
restingIAF：用于在MATLAB中估计单个alpha频率峰值的工具。网址：https://github.com/corcorana/restingIAF
ADAM：ADAM(Amsterdam Decoding and Modeling)是对M/EEG数据进行编码和解码模型分析的工具箱。网址：https://github.com/fahrenfort/ADAM
UNFOLD：UNFOLD是一个用于重叠EEG信号的反卷积和(非)线性建模工具箱。网址：https://github.com/unfoldtoolbox/unfold
ept-TFCE：该matlab工具箱专为对已预处理的M/EEG数据进行统计分析而设计，使用的基本方法是“无阈值聚类增强”技术，然后进行置换来计算差异的显著性。网址：https://github.com/Mensen/ept_TFCE-matlab
ERP Reliability Analysis(ERA)：用于计算ERP数据可靠性估计的工具箱，它使用广义理论作为评估ERP数据的心理测量可靠性的方法。可靠性(和一些概括性)估计可以针对任意数量的事件、组或场合进行计算。此外，还将确定试次数目对测量结果可靠性的影响，并根据测量的稳定性提供包含ERP数据的推荐截止值。该工具箱还可以估计心理测量内部一致性的差异得分。网址：https://github.com/peclayson/ERA_Toolbox
OpenMEEG：低频生物电磁的c++包，可用于解决EEG和MEG领域的正演问题。网址：https://github.com/openmeeg/openmeeg
NeuroDSP：NeuroDSP是VoytekLab开发的工具，可用于计算广泛的神经时间序列测量的软件包，包括一系列时域测量，例如波形形状分析。此外，还可以使用带通、高通、低通或陷波滤波器过滤数据；检测神经信号中的突发振荡；查找和分析时间序列中的节奏和循环模式；计算谱域特征，例如功率谱；估计振荡活动的瞬时测量值；模拟时间序列，包括周期性和非周期性信号成分；绘图等。网址：https://neurodsp-tools.github.io/neurodsp/
EEGUtils：EEGUtils是一个用于处理、操作和绘制EEG数据的软件包。包括从各种文件格式（如Biosemi、Brain Vision Analyzer和EEGLAB）导入数据的功能、预处理中的许多典型步骤（滤波、参考、伪迹拒绝）、更高级的处理技术（时频分析、ICA）以及该领域常见的几种类型的图（ERP图、时频图、脑地形图）。网址：https://craddm.github.io/eegUtils/
EEG.jl：在Julia中处理EEG文件。网址：https://eegjl.readthedocs.io/en/latest/
此外，可用于EEG/MEG分析的工具包还有SPM（详见本文开头）、FieldTrip和BrainStorm（关于SPM、FieldTrip和BrainStorm的介绍和相关网址，也可详见文末其他部分，点击下划线内容即可阅读）。
fNIRS工具
关于近红外（fNIRS）相关工具可见往期推文史上最全 | fNIRS相关软件推荐（含下载资源）。其他
参考文献（上下滑动查看）：
Donoghue, T., Haller, M., Peterson, E.J. et al. Parameterizing neural power spectra into periodic and aperiodic components. Nat Neurosci 23, 1655–1665 (2020).
Brunet, D. , Murray, M. M. , & Michel, C. M. . (2010). Spatiotemporal analysis of multichannel eeg: cartool. Computational Intelligence and Neuroscience,2011,(2010-11-25), 2011(1), 813870.
Mensen, A. , & Khatami, R. . (2013). Advanced eeg analysis using threshold-free cluster-enhancement and non-parametric statistics. Neuroimage, 67(1), 111-118.
Peter, E., Clayson, Gregory, A., & Miller. (2017). Erp reliability analysis (era) toolbox: an open-source toolbox for analyzing the reliability of event-related brain potentials. International Journal of Psychophysiology.
Dalal, S. S. , Zumer, J. M. , Guggisberg, A. G. , Trumpis, M. , & Nagarajan, S. S. . (2011). Meg/eeg source reconstruction, statistical evaluation, and visualization with nutmeg. Computational Intelligence and Neuroscience, 2011(3), 758973.
Alexandre, Gramfort, Théodore, Papadopoulo, Emmanuel, & OliviMaureen, et al. (2010). Openmeeg: opensource software for quasistatic bioelectromagnetics. Biomedical Engineering Online.
Bao, F. S. , Liu, X. , & Zhang, C. . (2011). Pyeeg: an open source python module for eeg/meg feature extraction. Computational Intelligence and Neuroscience, 2011(2), 406391.
Corcoran, A. W. , Alday, P. M. , Schlesewsky, M. , & Bornkessel-Schlesewsky, I. . (2018). Toward a reliable, automated method of individual alpha frequency (iaf) quantification. Psychophysiology, e13064.
Laurens, R, Krol, Juliane, Pawlitzki, & Fabien, et al. (2018). Sereega: simulating event-related eeg activity. Journal of Neuroscience Methods.
Ehinger, B. V. , & Dimigen, O. . (2018). Unfold: an integrated toolbox for overlap correction, non-linear modeling, and regression-based eeg analysis. Cold Spring Harbor Laboratory.
Swanson, L. W. (2012). Brain Architecture: Understanding the Basic Plan. Oxford University Press.
Nolte, J. (2008). The Human Brain: An Introduction to Its Functional Anatomy (6th ed.). Elsevier.
Siegel, A., & Sapru, H. N. (2011). Essential Neuroscience. Wolters Kluwer Health/LippincoG Williams & Wilkins.
Martin, J. H. (2012). Neuroanatomy Text and Atlas (4th ed.). McGraw-Hill.
Bear, M. F., Connors, B. W., & Paradiso, M. A. (Eds.). (2007). Neuroscience (Vol.2). LippincoG Williams & Wilkins.
Gould, D. J., & Brueckner, J. K. (2007). Sidman’s Neuroanatomy: A Programmed Learning Tool. LippincoG Williams & Wilkins.
小伙伴们点个“在看”，加
更多精彩课程推荐
本文内容仅供参考。
非常欢迎大家留言、转载、收藏或分享~ 本文来自微信公众号“茗创科技”。如需转载，请在“茗创科技”后台回复“转载”，并附上所需转载的文章标题以及您的ID。
MC_Brain
茗创科技工作室
觉得有帮助，欢迎转发收藏或者点个在看哦~
听说点在看的人SCI接收率都提升了18%呢！