CONN (funktionell anslutningsverktygslåda)
 CONN (funktionell anslutningsverktygslåda)
| |
| Utvecklare | Gabrieli Lab. McGovern Institutet för hjärnforskning. MIT |
|---|---|
| Stabil frisättning | 2021 |
| Operativ system | Microsoft Windows Linux Mac OS X |
| Typ | Neuroimaging dataanalys |
| Licens | MIT-licens |
| Hemsida |
|
CONN är en Matlab -baserad plattformsoberoende bildbehandlingsprogramvara för beräkning, visning och analys av funktionell anslutning i fMRI ( functional Magnetic Resonance Imaging ) i vilotillstånd och under uppgift.
CONN är tillgänglig som en SPM- verktygslåda, såväl som förkompilerade binärfiler för MacOS/Windows/Linux-miljöer, och den är fritt tillgänglig för icke-kommersiell användning.
Funktionalitet
CONN inkluderar ett användarvänligt gränssnitt för att hantera alla aspekter av funktionella anslutningsanalyser, inklusive förbearbetning av funktionella och anatomiska volymer, eliminering av föremålsrörelser och fysiologiskt brus, avvikande skrubbning, uppskattning av flera anslutnings- och nätverksmått och hypotestestning på populationsnivå . Dessutom kan bearbetningspipelinen också automatiseras med batchskript.
Förbearbetning och denoising
CONN-förbearbetningspipeline inkluderar steg utformade för att uppskatta och korrigera effekter som härrör från motivets rörelse inom skannern (omjustering), korrigera rumsliga distorsioner på grund av inhomogeniteter i magnetfältet (korrigering av distorsion av känslighet), korrigera för temporal felinriktning över skivor (korrigering av skivtid), identifiera potentiella extrembilder inom varje skanningssession (outlier-identifiering), klassificera olika vävnadstyper från varje individs anatomi (segmentering), eller anpassa funktionella och anatomiska data över olika ämnen (funktionell eller anatomisk normalisering). Dessutom kan BOLD-signalen vid vit substans och ventriklar användas för att karakterisera potentiella rörelse- och fysiologiska bruskällor, och den kombinerade effekten av dessa och andra bruskällor kan tas bort från funktionsdata för att förbättra robustheten hos funktionella anslutningsåtgärder.
Uppskattning av funktionell anslutning
CONN beräknar flera mått på funktionell anslutning, inklusive Fisher-transformerade Pearson-korrelationskoefficienter mellan BOLD-tidsserierna från olika intresseområden (ROI), såväl som med varje voxel i hjärnan. Den kan också uppskatta uppgiftsrelaterad modulering av funktionell anslutningsstyrka inom skannern med hjälp av viktad allmän linjär modell såväl som generaliserade psykofysiologiska interaktionsmodeller . Förutom egenskaper för enskilda anslutningar kan egenskaper hos större anslutningsnätverk också analyseras med grafteoretiska mått, oberoende komponentanalyser och andra mått på nätverksnivå.
Gruppanalyser
CONN stöder statistiska slutsatser av funktionella anslutningsegenskaper hos en population från de observerade egenskaperna hos enskilda försökspersoner i ett mindre urval med hjälp av ett multivariat ramverk för generell linjär modell och statistik för sannolikhetsförhållande . Analyser som kombinerar funktionella anslutningsmått från flera ROI:er eller voxlar innehåller också ytterligare flera jämförelsekorrigeringar som False Discovery Rate , parametriska metoder baserade på teorin om kontinuerliga slumpmässiga fält och icke-parametrisk klusternivåstatistik.
Historia
CONN är skriven av Alfonso Nieto-Castanon . Det har fått stöd av Gabrieli Lab och Ev Lab vid MIT , Guenther Lab vid Boston University och PEN Lab vid Northeastern University . Den första releasen av CONN var 2011 och det har hittills kommit ungefär en stor ny release varje år.
Påverkan
Sedan lanseringen har CONN laddats ner över 100 000 gånger och den har citerats i över 3 500 publikationer. Den ingår i den NIH- finansierade Neuroimaging Informatics Tools and Resources Clearinghouse (NITRC) listan över topp-10 verktyg och resurser inom neuroimaging, och NITRC-forumet har hittills indexerat över 10 000 inlägg om mjukvarustöd från CONNs utvecklare och community.