本文首发在陈锐博客上（https://7988888.xyz），此文章中所有链接均通过博客进行访问。
说是写东西这事，有一段 时间没写了，原因还是有一些，最主要的是还是自己懒了。同时，创作写文这件事也不是那么容易的，是需要知识的积累的，有时候还得有创作的灵感。我相信大家在写论文的时候尤其有这种感觉。公众号的坚持，是我个人一直在努力的东西。在2022年，我可能没有那么多的原创内容，更多的是带给大家一些前沿最新的相关资讯，同时我也将精力会放在知识星球上，在这上面我会分享一些优质的教程资料和学习资料，以及提供一些问题问答，还会根据大家的需求进行资料迭代。

好了，回到今天的正题来，今天这篇文章也是 一位客户启发的，她在询问我有关于功能连接中有哪些工具箱能实现这个功能。我搜索了一下，发现还是有很多工具箱能实现的。今天就给大家总结一下
什么是功能连接？
说起功能连接，在很多脑成像分析中，都有涉及，像我之前分享的近红外的功能连接等 ，在脑电。近红外和核磁技术中，都能做。在谈这个概念的时候，我推荐大家首先去参阅一下这些文献
Bastos André M., Schoffelen Jan-Mathijs.A Tutorial Review of Functional Connectivity Analysis Methods and Their Interpretational Pitfalls. Frontiers in Systems Neuroscience (2016 )https://www.frontiersin.org/article/10.3389/fnsys.2015.00175 .DOI.10.3389/fnsys.2015.00175  
Damoiseaux, J.S., Greicius, M.D. Greater than the sum of its parts: a review of studies combining structural connectivity and resting-state functional connectivity.Brain Struct Funct213,525–533 (2009). https://doi.org/10.1007/s00429-009-0208-6
Martijn P. van den Heuvel, Hilleke E. Hulshoff Pol,Exploring the brain network: A review on resting-state fMRI functional connectivity,European Neuropsychopharmacology,Volume 20, Issue 8,2010,Pages 519-534,ISSN 0924-977X,https://doi.org/10.1016/j.euroneuro.2010.03.008.
这三篇文献主要是综述性的文章，介绍了主要的概念和前人所做的工作。类似的文献还有很多，也是很值得一读。
在这里，我只是很简单的介绍一下功能连接的概念，最容易的理解是脑功能连接是指脑皮质区域间在神经生理活动上的相互关联连接。在文献3中的描述是功能连接被定义为解剖分离的大脑区域的神经元激活模式的时间依赖性相关。
这种方法属于高级分析的方法之一，在现在的文献中常常被引用。
功能连接的分类方法
在文献1中，它系统的总结了功能连接常用度量的分类方法和描述了每种 方法的主要目的。
图中描述的基于模型的方法对两个信号之间可能发生的交互类型做出了线性假设
从图中可以看出，最开始的第一步是区分有定向和非定向的分类，不同的方向也对应着不同的处理方法 。在文献1中还 介绍到了处理这些方法的常用指标定义及原理，Synchronization相位同步、The Coherence Coefficient相干系数、相位差谱的相干性与斜率（Coherency and the Slope of the Phase Difference Spectrum）、相位斜率指数（Phase Slope Index）、相干性虚部（Imaginary Part of Coherency）、锁相值（Phase Locking Value）、相滞指数（PLI）和配对相位一致性（PPC）、尖峰场相干性（Spike-Field Coherence）、用Granger因果关系的定向交互量化频域
Granger因果关系不仅适用于时域中的功能连接分析，还适用于频域中的功能连接分析。
上图使用参数或非参数方法计算格兰杰因果关系的数据处理
说了那么多，功能连接的确是很复杂的方法。但是现在已经有很多的工具箱支持它的实现，最重要的是你能去克服它并了解理解它的概念和原理。
以下工具箱均来自网络和官网搜索，仅供参考。教程内容可参考各自的官网手册。
EEGLAB中的SIFT插件
网址：https://github.com/sccn/SIFT
简介：SIFT is an EEGLAB-compatible toolbox for analysis and visualization of multivariate causality and information flow between sources of electrophysiological (EEG/ECoG/MEG) activity.
它是基于EEGLAB下的插件，可在上面的网址中进行下载code，能进行以下的 方法实现。
HERMES工具箱
网址：https://hermes.med.ucm.es/
简介：HERramientas de MEdida de la Sincronización同步评估工具，它是基于MATLAB平台下 的工具箱，比较出名，它的GUI界面也是非常直接给力，清晰明了的工具箱，功能连接和有效连接都可以做。
BrainStorm工具箱
网址：https://neuroimage.usc.edu/brainstorm/Tutorials/Connectivity
简介：它属于包罗万象的工具箱了，能实现的功能非常多，功能连接只是它其中很小的一部分。感兴趣的可以去官网看看教程，非常多的教程内容。
BSmart工具箱
网址：https://brain-smart.org/
简介：The backbone of the BSMART project is Multivariate AutoRegressive (MAR) analysis that has been long developed for statistical quantification of brain connectivity on different time scales. Based upon a MAR model, a plethora of spectral quantities such as auto power, partial power, coherence, partial coherence, multiple coherence and Granger causality can be immediately derived.有文献发表，缺点是没人维护更新好像。
还有其它的很成熟的工具箱也可以实现。
Python-MNE:https://mne.tools/mne-connectivity/stable/auto_examples/mne_inverse_label_connectivity.html
Fieldtrip:https://www.fieldtriptoolbox.org/tutorial/networkanalysis/

谢谢大家观看，如有帮助，来个喜欢或者关注吧！

本文作者：陈锐
有任何疑问及建议，扫描以下公众号二维码添加交流：

继续阅读
阅读原文