Neurosynth教程

Neurosynth是一个可以大规模自动合成功能磁共振数据的平台，可以从成千上万篇已发表fMRI 研究中合成出这样的图像：

对 922 项奖励研究进行自动meta分析

详细内容可以关注公众号【脑影手册】

数据库中有：

1. 从14371 项研究中报告的 507891 个激活词；
2. 交互的，可下载的meta分析的1334 个术语；
3. 150,000 多个大脑位置的功能连接和共激活图谱。

注： 示例均基于version7

解释数据

coordinates.tsv.gz

• coordinates.tsv.gz 结尾的文件包含 Neurosynth 数据库不同版本的坐标。每一行代表一个坐标（一共507891行）。这些文件以制表符分隔并压缩，可以用 pandas.read_table() 加载这些压缩文件。
  
  其中id表示研究，x,y,z表示坐标

  metadata.tsv.gz

• 以 metadata.tsv.gz 结尾的文件包含 Neurosynth 数据库不同版本的元数据。每一行代表一项研究（id）（一共14371行），文件中id的顺序和- coordinates.tsv.gz 相对应。但由于一项研究有多个坐标，所以行数不一样。
  
  features.npz

• 以 features.npz 结尾的文件包含不同类型词汇表 “vocabulary ”的特征值。以压缩的稀疏矩阵形式存储，以减小文件大小。npz文件是一个numpy格式的将多个数组存在一起的压缩文件，每个数组以字典的形式保存，
  import numpy as np
data = np.load(）# 加载npz文件
  print(data.files)#查看文件有[‘indices’, ‘indptr’, ‘format’, ‘shape’, ‘data’]数组
  indices：0,1,…,14370重复100次 [14371001 ]
  ‘indptr’ ：0 14371 28742 43113 等 [1011]
  ‘shape’ ：14371，100
  ‘data’：[1434100*1]
  相关的特征存储在以 vocabulary.txt 结尾的文件中。

  vocabulary.txt

• vocabulary.txt 一共一百个特征
  每一行与 features.npz 的列相对应
  
  metadata.json

• metadata.json 文件包含同名文件的附加信息,即从截至 2018 年 7 月 Neurosynth 数据库中14371 篇文章的摘要中用 LDA 提取的 100 个主题集，生成关于features.npz 和 vocabulary.txt 文件。

  keys.tsv

• 以keys.tsv结尾的文件包含了主题模型中每个主题的前 100 个top词汇。在总结主题时，这些顶级词汇可能会很有用。

  vocab-terms

• 这个词汇表指的是使用向量器从摘要中提取的术语(如 “语言”、“情感”、“记忆 ”等)。当前版本的术语词汇表可在 Neurosynth 网站上查阅。vocab-terms_source-abstract_type-tfidf_features.npz文件每行表示研究，每列表示不同术语的权重，为tf-idf值。

  vocab-LDA[50|100|200|400]

• vocab-LDA[50|100|200|400]`： 这些词汇是对文章使用 潜狄利克特分配主题模型（LDA）拟合出的。
  LDA 主题模型以跨 “主题 ”的概率分布来描述文本，而 “主题 ”又是跨词汇的概率分布。 有关 LDA 在 fMRI 研究中的更多信息，请参阅 Poldrack et al. (2012)。
  这四个词汇表分别指 50、100、200 和 400 个主题的不同主题模型。

注: 用于注释 Neurosynth 数据库的原始文本是文章摘要、没有进行分享，可以使用以下工具从 PubMed 轻松下载nimare.extract.download_abstracts.

重建特征数据（14371*3228）

如果要将特征数据重构为类似电子表格的格式，则需要将 features.npz、metadata.tsv.gz 和 vocab-terms.txt 文件合并。

Python代码：

import numpy as np
import pandas as pd
from scipy import sparse

feature_data_sparse = sparse.load_npz("data-neurosynth_version-7_vocab-terms_source-abstract_type-tfidf_features.npz")
feature_data = feature_data_sparse.todense()
metadata_df = pd.read_table("data-neurosynth_version-7_metadata.tsv.gz")
ids = metadata_df["id"].tolist()
feature_names = np.genfromtxt("data-neurosynth_version-7_vocab-terms_vocabulary.txt", dtype=str, delimiter="\t").tolist()

feature_df = pd.DataFrame(index=ids, columns=feature_names, data=feature_data)

输出结果示例图：