Esta caja de herramientas de Matlab ejecuta un GLM en propiedades de redes teóricas de gráficos en redes cerebrales. El GLM acepta predictores continuos y categóricos entre participantes y predictores categóricos entre participantes. La importancia se determina mediante pruebas de permutación no paramétricas. La caja de herramientas permite la prueba de redes totalmente conectadas y con umbral (basadas en un rango de umbrales).
La caja de herramientas también proporciona una ruta de procesamiento de datos para datos fMRI en estado de reposo. Existen varias opciones para dividir las señales molestas, incluida la señal de materia blanca local y total (Jo et al., 2013), el cálculo de Saad et al. (2013) 's GCOR, y el uso de Chen et al. (2012) Método GNI para determinar si se necesita la división de señal global. Además, Power et al. (2014) está disponible el método de depuración de movimiento.
Caracteristicas
- GLM para propiedades teóricas de grafos
- Secuencia de procesamiento para fMRI en estado de reposo
