以下內容一定漏洞百出[求饒.jpg]...作為渣渣小白，一點一點摸索怎么使用BCT工具包，目前只會計算幾個參數，原理神馬的也沒太明白呢。接下來的任務就是從原理公式入手，再對逐個參數的計算代碼進行理解...所以內容會不斷改進和補充。有錯誤請盡管指出，感謝~

一、計算聚類系數、特征路徑長度、小世界參數

大概思路：功能連接矩陣 ---> 去除虛假連接的矩陣 ---> 加權矩陣 ---> 計算圖論參數

1. 功能連接矩陣 ---> 去除虛假連接的矩陣

首先，拿出你計算過功能連接的矩陣，再根據計算功能連接的指標說明進行“篩選”。比如我是用HERMES工具包中的correlation指標進行功能連接計算，這個指標取[-1,1]，-1代表兩兩關系相反，0代表沒有關聯，1代表關聯性最強。所以我保留功能連接矩陣中的(0,1)的值。代碼如下：

A = load('E:\...\A.mat'); % 加載功能連接矩陣A，此處路徑省略性標注 matrix = A.data; for i=1:32 % 32通道，矩陣是32*32for j=1:32if matrix(i,j) <= 0matrix(i,j) = 0;endif matrix(i,j) >= 1matrix(i,j) = 0;endend end save(['E:\...\A','.mat'],'matrix');

2. 去除虛假連接的矩陣 ---> 加權矩陣

調用BCT自帶的weight_conversion.m，這個函數可以把矩陣“加權”。“權重”可以是二進制的、0~1范圍的、長度值的。

還要調用BCT自帶的計算聚類系數的函數，這里我調用的是“無向加權”相應的函數代碼。即clustering_coef_wu.m。

調用上面兩個函數進行聚類系數計算的代碼如下：

%% 把功能連接矩陣變為加權矩陣，這里我轉變成了binarize的權 A = load('E:\...\open1.mat'); % 加載去除虛假連接后的矩陣 W = weight_conversion(A.matrix, 'binarize'); % 兩個參數，weight_conversion.m代碼里有說明 save(['E:\...\open1','.mat'],'W'); % 保存加權矩陣%% 用加權矩陣計算聚類系數 B = load('E:\...\open1.mat'); % 加載上面算好的加權矩陣 C = clustering_coef_wu(B.W); % 聚類系數，32*1 C_real = mean(C); % 最終的聚類系數取平均。先了解圖論基本公式。

PS：（1）BCT工具包里自帶的函數名稱解釋見?MATLAB復雜網絡工具箱--Brain Connectivity Toolbox (BCT)函數簡介_nice_evil的博客-CSDN博客_brain connectivity toolbox

（2）沒有BCT工具包的可以私聊

（3）圖論的基本公式見基于圖論的復雜腦網絡分析中的常用指標_悅影科技的博客-CSDN博客_圖論分析

（4）BCT里的函數代碼有非常詳細的注釋、輸入輸出參數都是什么等說明。這里沒有拷貝那些代碼，所以可能看著不是十分明白易懂。還是得多看看里面自帶的代碼，就會好很多。

3.?加權矩陣 ---> 計算圖論參數

1）計算聚類系數就看上一步的代碼后半段，調用一下clustering_coef_wu.m就行了

2）計算特征路徑長度，首先要把加權矩陣再轉化為距離矩陣[捂臉笑]。這個調用BCT里的distance_bin.m或distance_wei.m都行，我上一步加權矩陣用的是二進制的，所以這一步調用distance_bin.m。然后，再調用CHARPATH.m。代碼如下：

A = load('E:\...\open1.mat'); % 加載無向加權矩陣 D=distance_bin(A.W); % 調用distance_bin.m得到距離矩陣[lambda,efficiency,ecc,radius,diameter] = charpath(D,0,1); % 調用CHARPATH.m計算特征路徑長度L_real = lambda; % 特征路徑長度就是第一個拉姆達...其他四個結果參數先不看

4. 計算小世界系數

經過計算，可以在工作區看到C_real = 0.6848，L_real = 1.6492。

小世界系數=(C_real/C_rand)/(L_real/L_rand)，所以還得計算一個隨機網絡的C_rand和L_rand。

隨機網絡的生成可以調用BCT工具包里的randmio()相關的函數。我把功能連接矩陣輸入進這個函數，產生了一個隨機的功能連接矩陣，然后再對這個矩陣進行去除虛假連接、轉為加權矩陣，再計算圖論參數（重復上面步驟罷了）C_rand和L_rand。

總結

以上是生活随笔為你收集整理的复杂脑网络之图论参数计算（BCT工具包）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。