Nipy

nipy.orgのポータルはここから

NipyはNeuroDebianのSynaptic Package Managerからapt-get installできます。

以下のような使い方をします。

fMRIメタ分析を行っているNeurosynthのサイトから

"semantic", "syntactic"のそれぞれの単語をfeatureとするreverse inference mapをダウンロードします。

http://neurosynth.org/analyses/terms/semantic/

http://neurosynth.org/analyses/terms/syntactic/

のそれぞれのページからsyntactic_pFgA_z_FDR_0.01.nii.gz , semantic_pFgA_z_FDR_0.01.nii.gzを取得し、適当なディレクトリにおきます。

次のPython fileは、両者に共通の脳領域を画像化するプログラムです。

上は、syntactic_pFgA_z_FDR_0.01.nii.gz , semantic_pFgA_z_FDR_0.01.nii.gzのANDを取った

intersection_semantic_syntactic.niiの重要な横断面をXjViewで表示したものです。

以下のスクリプトをintersection_sem_syn.pyとして、iPython上で

run intersection_sem_syn.py

を実行してください。

----------------------------------------------------------

"""

Python script to detect the shared voxels 

between the reverse inference maps of "semantic" and "syntactic "  

Needs syntactic_pFgA_z_FDR_0.01.nii.gz and semantic_pFgA_z_FDR_0.01.nii.gz

Save this file as synsem.py and execute

run  synsem.py

on ipython to create “intersection_semantic_syntactic.nii”.

"""

import numpy as np

from nipy import load_image, save_image #Needs nipy

from nipy.core.api import Image

import os

datalist=['semantic','syntactic']

fname='intersection_semantic_syntactic.nii.gz'

loaded_images=[()]*len(datalist)

image_data=[()]*len(datalist)

all_image_data=[()]*len(datalist)

for i in range(len(datalist)):

   loaded_images[i]= load_image(datalist[i] + '_pFgA_z_FDR_0.01.nii.gz')

   image_data[i]=loaded_images[i].get_data()

   if i==0:

       all_image_data[i]=image_data[i]

   else:

       all_image_data[i]=all_image_data[i-1] * image_data[i]

all_images=Image(all_image_data[i],loaded_images[i].coordmap)

save_image(all_images, fname)

os.system('gzip -cd '+ fname + ' > ' + '' + fname[:-3])

---------------------------------------------------------------------------------------

以上です。Nipyの便利さが分かると思います。

また、A And Not Bのような領域を抽出することも、以上を応用すれば可能です。

たとえば、bodyとmotionをNeurosynthのfeaturesにして、以下のようなスクリプトを実行すると、body_And_Not_motion.nii.gz, motion_And_Not_body.nii.gzなどが生成します。

くわしくは

https://sites.google.com/site/akamatitechlab/research/primer/and_or_of_fimages

#########

import numpy as np

from nipy import load_image, save_image #Needs nipy

from nipy.core.api import Image

import os

# -*- coding: utf-8 -*-

datalist=['body','motion']

B_m_fname=datalist[0] + '_And_Not_' + datalist[1] + '.nii.gz'

M_b_fname=datalist[1] + '_And_Not_' + datalist[0] + '.nii.gz'

first_V = load_image(datalist[0] + '_pFgA_z_FDR_0.01.nii.gz')

ima_first = first_V.get_data()

second_V = load_image(datalist[1] + '_pFgA_z_FDR_0.01.nii.gz')

ima_second = second_V.get_data()

or_ima = ima_first + ima_second

B_m_ima = or_ima + ima_second

M_b_ima = or_ima + ima_first

M_b_ima[M_b_ima>or_ima] = 0

B_m_ima[B_m_ima>or_ima] = 0

save_image(Image(B_m_ima, first_V.coordmap), B_m_fname)

save_image(Image(M_b_ima, first_V.coordmap), M_b_fname)

#########