静息态 fMRI 功能连接矩阵、脑网络与超图分析。
Resting-state fMRI · Functional connectivity · Connectome · Hypergraph · Python API + GUI
中文 · English · 使用文档 · 全部 API · 数据下载指南
需要 Python 3.11–3.13。
pip install -U brainfc
brainfc serve启动后点击 打开真实样例 即可体验，无需准备数据或填写参数。
选择数据 → 确认方案 → 开始处理。
上传自己的数据，界面会自动读取文件信息，提示需要确认的参数。
准备同一次研究中匹配的静息态 4D BOLD、3D T1 和 BOLD 采集 JSON。TR、切片时间与方向优先从文件读取；缺失或冲突时提示确认。
from brainfc import preprocess_fmri
run = preprocess_fmri("bold.nii.gz", "t1w.nii.gz", "results/preprocessed")先打开 results/preprocessed/qc.html 检查脑提取、配准、组织分割和头动，再继续：
from brainfc import load_preprocessed
run = load_preprocessed("results/preprocessed")
result = run.extract(qc_reviewed=True)
result.save("results/connectome")| 顺序 | 实际处理 | 调用入口与默认设置 |
|---|---|---|
| 1. 输入检查 | DICOM 转换（如需）；检查维度、TR、切片时间、空间几何 | scan_dicom() / convert_dicom_python() / inspect_raw()；不猜切片顺序 |
| 2. 时间与头动 | FFT 层间时间校正、逐帧刚体头动估计 | preprocess_fmri()；参考时间 0.5 × TR，ANTs BOLDRigid |
| 3. T1 与标准化 | N4、脑提取、Atropos 组织分割；BOLD→T1 刚体配准，T1→MNI SyN | 同一函数自动完成；MNI152NLin6Asym、2 mm，合成变换后逐帧一次最终空间插值 |
| 4. 混杂与质控 | 提取运动矩阵、WM/CSF、FD/DVARS；可选平滑；生成配准报告 | 默认不平滑、不删除开头帧；检查 qc.html 后才进入提取 |
| 5. ROI 与功能连接 | ROI 均值 → 初始帧剔除 → 联合去趋势、滤波、混杂回归与删帧 → 相关 | run.extract()；Schaefer100、0.01–0.1 Hz、运动矩阵 + WM/CSF、Pearson；FD 删帧默认关闭 |
| 6. 脑网络与导出 | 保存完整正负矩阵与 Fisher-z；可进一步构图或构建超图 | result.save() / result.analyze_network()；网络构建参数与显示筛选分别设置 |
完整方法与参数说明：逐步算法、函数对应、全部预处理参数、可复现示例、质控判据和处理记录。显式传入 Config() 时滤波默认关闭，不会继承 run.extract() 的带通默认值；网页滤波也以确认页为准。
支持已有 conda 环境，无需 MATLAB 或 Docker。当前未实现场图/反向相位编码畸变校正；默认设置属于 BrainFC 方案，不是各数据集的统一标准，也不声称与 SPM/DPABI 数值等价。
适用于上游已完成所需去噪的 ROI 信号。TSV 首行为脑区名，每行一个时间点，只保留信号列。
from brainfc import Config, extract_connectome
result = extract_connectome(
"roi_timeseries.tsv",
config=Config(detrend=False, standardize=False),
)
fc = result.connectivity # ROI × ROI，完整的有符号相关矩阵
z = result.fisher_z # 单独保存的 Fisher-z 矩阵
result.save("results/roi-001")无表头文本用 Config(table_header=False)；NPY/NPZ/MAT 等入口见 格式说明。没有脑区坐标时仍可计算和绘制矩阵。
以 MNI152NLin6Asym 空间的 BOLD 和 Schaefer 100 图谱为例。替换为自己的扫描文件与逐帧混杂表。
from brainfc import Config, extract_connectome, fetch_atlas
atlas = fetch_atlas("schaefer100") # 首次下载，之后复用缓存
result = extract_connectome(
"sub-01_space-MNI152NLin6Asym_desc-preproc_bold.nii.gz",
atlas=atlas["atlas"],
rois=atlas["rois"],
confounds="sub-01_desc-confounds_timeseries.tsv",
config=Config(
preprocessed=True,
data_space="MNI152NLin6Asym",
atlas_space=atlas["space"],
),
)影像须已配准；去噪参数按上游处理记录设置。详见处理方法与参数默认值。
接上例，result 已包含脑区坐标：
result.plot_matrix("matrix.svg")
result.plot_views("eight_views.pdf", threshold=0.4, max_edges=150)
result.view("brain-network.html", open_browser=True)
result.save("results/sub-01")
cleaned_signals = result.timeseries
original_frames = result.sample_indices
quality = result.qcsave() 保存完整结果和离线报告，目标目录须不存在。三维和八视图需要脑区坐标与空间信息。
可直接运行的完整示例 · 批处理示例 · Python 使用指南 · CLI · HTTP API
接上文的 result：
from brainfc.network import AnalysisConfig
from brainfc.network.export import export_result
network = result.analyze_network(AnalysisConfig(
graph_method="density", density=0.1,
hypergraph_method="multiscale", hypergraph_ks=[5, 10],
))
export_result(network, "network-result.zip")界面中点击 进入网络分析，矩阵、坐标和处理记录自动带入。
| 功能 | 可以做什么 |
|---|---|
| Python 原始预处理 | DICOM 转换、层间时间、头动、N4、组织分割、SyN 配准、混杂与质控。 |
| 多格式输入 | 体积影像、CIFTI、配对 GIFTI、ROI 表格与数组；发现 fMRIPrep 单次扫描及配套文件。 |
| 统一计算 | 脑区均值提取；Nilearn 联合处理混杂、去趋势、滤波和删帧；Pearson、Spearman、Ledoit–Wolf 偏相关。 |
| 引导操作 | 按数据类别选择处理路径，自动读取可确认的元数据；数据集预设附官方来源。 |
| 同步探索 | 矩阵定位脑区；三维与八视图共享阈值、连接上限及脑区/连接选择；前方脑区悬停名称。 |
| 可追溯导出 | 原始帧号、ROI 顺序、参数、质量记录、软件版本与输入 SHA-256；保留完整正负连接。 |
| 图与原生超图 | 有符号图、密度/阈值/kNN/生成森林；FC-profile、多尺度、模板与自定义超边，保留原始 ID 和完整成员。 |
| 网络指标与统计 | 正连接路径指标、原生关联矩阵、独立被试两组比较、协变量 OLS/HC3 和 BH-FDR。 |
| 本地运行 | Python、CLI、网页共用核心；数据在本机处理，报告可离线打开。 |
| 完整功能连接矩阵 | 与三维同步的八个视图 |
|---|---|
 |  |
以上结果来自脱敏真实样例 rest01：100 个脑区、145 个时间点。矩阵保留完整 Pearson 相关；三维与八视图共享筛选连接。顶部为产品概念插画。处理与质控 · 隐私核查
查看清晰矢量图 · 下载交互流程图 HTML · 可编辑流程定义 · 逐步方法说明
原始 BOLD + T1、DICOM、已处理影像或 ROI 时序均可进入对应流程。Python 原始 fMRI 全流程包含预处理、质控和功能连接提取。
| 想进一步了解 | 文档入口 |
|---|---|
| 每个函数的签名、参数、返回值和异常 | 完整 API 参考 |
| 该提供哪些输入，如何准备坐标与图谱 | 输入格式 · 数据集指南 |
| 数据集预设如何预填，哪些值需要确认 | 预设与引导流程 |
| 每个输出文件的含义 | 输出格式 |
| 开发、测试与发布 | 贡献指南 · 原始 fMRI 验证记录 |
Copyright © 2026 BrainFC contributors. 代码采用 Apache License 2.0，引用信息见 CITATION.cff。
计算核心基于 NumPy、SciPy、NiBabel、Nilearn 和 scikit-learn；可视化使用 Matplotlib、React 和 Three.js。网络与超图分析由 Hyper-Brain 合入，源码及第三方许可保留；详见来源和迁移说明。流程图使用 archify skill 绘制；第三方许可见 NOTICE 和 完整声明。图谱与数据集遵循各自提供方的许可，本仓库仅提供经授权并核查的 rest01 衍生样例，不分发原始 DICOM 或个体 T1/BOLD 强度图像。