脑影像分析软件推荐 | NBS-Predict：基于脑网络的机器学习预测工具包

目录

1.软件界面

2.工具包功能简介

3.软件安装注意事项

---

1.软件界面

2.工具包功能简介

NBS-Predict（Network-based Statistic Predict）工具包是一种用于神经影像数据分析的预测性扩展工具，它结合了网络基础统计（Network-based Statistic, NBS）方法和机器学习技术。这个工具包旨在帮助研究人员识别和验证基于大脑结构或功能连接的生物标志物，并预测结果变量，如疾病诊断。

NBS-Predict工具包提供了以下主要功能：

1. 结合机器学习与图论的分析方法：使用了Network-based Statistic (NBS)方法，结合了机器学习算法和图论，以识别和预测基于神经影像的生物标志物。

2. 交叉验证结构：支持嵌套交叉验证（如果需要超参数优化），以评估模型的泛化能力。

3. 特征选择：实现了基于阈值的特征选择，类似于NBS方法中的Suprathreshold边选择（suprathreshold edge selection），用于检测包含选定边的连通分量。

4. 模型评估：使用选定的特征（边）进行模型训练和测试，并评估模型性能（例如分类准确率）。

5. 超参数优化：可选地，在内部循环中对机器学习算法进行超参数优化，以找到最佳的预测性能参数。

6. 多算法比较：用户可以运行多种机器学习算法，以找到特定数据集上表现最佳的算法。

7. 工作空间管理：允许用户创建、加载和启动工作空间，以组织和执行分析。

8. 数据和模型设置：用户可以设置相关矩阵、大脑区域（节点）、设计矩阵、对比向量和机器学习模型。

9. 高级选项：提供了K折交叉验证、重复交叉验证、P值阈值、随机数种子、排列测试、性能度量、特征缩放和CPU核心选择等高级设置。

10. 结果查看器：提供了结果查看器，用于可视化和评估模型性能，包括加权邻接矩阵、网络图、脑网络查看器和混淆矩阵。

11. 输出文件和历史记录：自动保存包含参数、目录和结果的历史文件和输出文件。

12. 命令行操作：支持通过命令行运行分析和查看结果。

13. 模型提取和预测：允许用户提取训练好的模型，并使用它对新数据进行预测。

14. 测试和模拟功能：提供了测试NBS-PREDICT预测性能的功能，以及在模拟网络数据上评估其性能的模拟工具。

15. 结果绘制：用户可以绘制模拟结果，以评估算法在不同条件下的表现。

具体教程在软件安装包下的 ./docs/MANUAL.pdf中。

3.软件安装注意事项

1.NBS-Predict需要以下软件和工具箱才能正常运行：

    MATLAB (2016b或更高版本）

    统计数据和机器学习工具箱

    并行计算工具箱（可选）

2.将NBS-Predict文件夹添加到 MATLAB 路径中（包含子文件夹）；

3.示例数据：

    可以使用以下链接下载示例数据：

https://www.nitrc.org/docman/view.php/1517/179438/

    该数据集由7个模拟回归和分类问题的综合网络数据组成。

    用于验证安装是否成功。

4.软件包启动

在MATLAB命令行中键入“start_NBSPredict”即可启动。

参考文献：

Serin, E., Zalesky, A., Matory, A., Walter, H., & Kruschwitz, J. D. (2021). NBS-Predict: A Prediction-based Extension of the Network-based Statistic.NeuroImage,118625. https://doi.org/10.1016/j.neuroimage.2021.118625