文章来源于微信公众号（茗创科技），欢迎有兴趣的朋友搜索关注。
NBS-Predict软件介绍
（1）NBS-Predict的运行环境：需要MATLAB 2016b或更高版本的MATLAB。
免安装的MATLAB在公众号后台回复关键词‘matlab’即可获得。
（2）NBS-Predict的下载安装：
下载地址：https://github.com/eminSerin/NBS-Predict
下载并解压名为 NBS-Predict-master.zip 的压缩包；打开 matlab 窗口，进入文件菜单下的 set path（设置路径）；先点击默认清空路径，后单击 Add with Subfolders（添加并包含子文件夹），选择解压后的 NBS-Predict-master 文件夹，单击保存。
(3)NBS-Predict的打开：在命令框输入‘start_NBSPredict’，回车。弹出 NBS-Predict 界面即添加成功。
NBS-Predict的使用
一、准备工作：
初次使用或者不使用先前分析结果时，需要在 Create a new Workspace name 处新建一个文件夹，用来存储此次分析的结果文件。
①在 Workspace name 处输入此次工作区的文件夹名字，点击 Create；
②弹出一个界面，选择此次文件夹保存的位置。
③选择完毕后点击 Create，变绿即为创建成功。
④点击‘Start’，弹出NBS-Predict界面，正式开始分析。
注意：如果已经建立文件夹，使用以上方法会报错，提示已存在文件夹。
此时应点击Load，选择保存结果文件夹。选择后点击‘Start’，弹出NBS-Predict界面，正式开始分析。
二、分析设置界面
1.Data（数据面板）
（1）Correlation Matrices
在此处选择储存被试的功能连接的数据；格式为.mat或者.csv，对角线上的值必须为0。
Select时选择保存被试数据的文件夹。（注意是文件夹，而非文件）
（2）Brain Regions (nodes)
在此处选择储存指定大脑区域的文件，格式为.mat或者.csv。
文件内容共4列，前3列为节点在MNI上的x,y,z坐标，第4列为节点标签。如sampledata文件夹中Classification或Regression文件夹下BrainRegions.csv文件。
注意：文件内不能包含每列名字，第一列也无需写编号，必须为X轴坐标。
Select时选择相应文件。
2.Models
（1）Design Matrix ：指定统计分析变量（可理解为组分析的变量），格式为.mat或者.csv，根据实验设计或需求编写。和Brain Regions一样，设计矩阵内不能包含每列名字，第一列也无需写编号。
（2）Contrast：指定对比矩阵，根据实验设计或需求编写。
（3）ML Models：指定机器学习算法，分为SVM Classification(支持向量机分类)；Logisitic Regression（逻辑回归）；Linear Discriminant Analysis（线性判别分析）；SVM Regression（支持向量机回归）；Linear Regression（线性回归）。
一般选择默认选项 Auto (optimize models)自动（优化模型）。
如何设计Design Matrix及Contrast？
①当进行分类分析时：
Design Matrix设计可参考sampledata文件夹内Classification文件夹下design.mat示例或如下图。
当组1>组2时，Contrast设置为[1,-1]；
当组1<组2时，Contrast设置为[-1,1]。
注意：NBS-Predict不支持多变量分类（如：不支持对三个及以上的变量或水平分类），如果需要对多变量/水平进行分析，应相应设置多个Design Matrix及多个Contrast，进行多次运行。
当有三组，每组五个被试时，应设计三个Design Matrix，如下所示：
当组1>组2、组3时，Contrast设置为[1,-1]；
当组1<组2、组3时，Contrast设置为[-1,1]；
其他情况以此类推。
最后将三次预测结果的准确性平均得到的值作为最终结果。
②当进行回归分析时：
只有一组目标变量时，Design Matrix如下图所示：
Contrast设置为[0,1]；
如果还存在其他额外变量，Design Matrix如下图所示：
此时Contrast设置为[0,1,0,0]；
（NBS-Predict可以预测连续变量及分类变量）
3.Advanced Options
（此处参数都可根据实际情况调整，对比结果等）
（1）K-Fold：设置k次交叉验证过程的折叠数。折叠次数至少为2次。一般使用默认值即可。
（2）Repeated CV:重复CV程序的次数。
（3）P-value:选择边缘时使用的阈值，定义时应考虑输入网络的大小，一般使用默认值0.01即可，可根据实际情况调整。
（4）Seed：指定随机数字生成器，需要使其再随机化时输入-1。
（5）CPU Cores：使用处理器的几核来分析。
点击RUN，开始运行。
三、结果的查看及保存
运行完毕后会自动跳出界面
同时在matlab的当前路径下会生成一个Results文件夹，点进去会有当下日期的文件夹，内包含运行结果。
载入后包含以下字段：
NBSPredict.parameter包含此次分析时设置的参数；
NBSPredict.data记录输入数据的信息；
NBSPredict.results储存分析结果；
bestEstimator显示最优分析。
关于NBS-Predict，想了解更多的小伙伴可阅读茗创相关文章：
注：可在公众号后台回复“NBS-Predict”，获取NBS-Predict软件包及官方手册哦。
网友评论