nilearn学习 | 基于字典分解的全脑功能连接体

• 记录人：陈亦新

#导入库函数
from nilearn import datasets
from nilearn.decomposition import DictLearning
from nilearn import plotting
#下载数据集
rest_dataset = datasets.fetch_development_fmri(n_subjects = 20)
# 构建字典分解的实例
dict_learn = DictLearning(n_components=8,smoothing_fwhm=6.,
                         memory="nilearn_cache",memory_level=2,
                         random_state=0)
dict_learn.fit(rest_dataset["func"])
# 可视化字典分解的结果
plotting.plot_prob_atlas(dict_learn.components_img_,view_type="filled_contours",
                         title="Dictionary Learning maps")

可以看到，这个脑部的数据下载下来都是nii.gz的数据，是3D的数据。可视化图中似乎是将将脑部的数据划分成不同的区域。如果我们将n_components调整为2，那么可视化的结果为：

我大胆的猜测，字典分解是一个类似于分类的效果，也可以理解为降维的效果。将脑部区域分成n个部分。