| brainGraph-package | brainGraph的默认选项 | ||
| aal116 | 大脑图谱数据的坐标 | ||
| aal2.120 | 大脑图谱数据的坐标 | ||
| aal2.94 | 大脑图谱数据的坐标 | ||
| aal90 | 大脑图谱数据的坐标 | ||
| analysis_random_graphs | 用随机图对脑MRI数据进行分析 | ||
| anova.bg_GLM | 从filename_landmarks对象中提取模型拟合统计信息 | ||
| aop | 个体网络贡献的估算方法 | ||
| apply_thresholds | 阈值附加矩阵集 | ||
| as_atlas | Atlas辅助函数 | ||
| as_brainGraphList | 创建脑图列表 | ||
| Atlas Helpers | Atlas辅助函数 | ||
| Attributes | 设置MRI分析中常见的图形、顶点和边属性 | ||
| bg_to_mediate | 以脑图测度为中介变量的中介分析 | ||
| Bootstrapping | 全局图测度的自举 | ||
| Brain Atlases | 大脑图谱数据的坐标 | ||
| brainGraph | brainGraph的默认选项 | ||
| brainGraph-methods | 脑图通用方法 | ||
| brainGraph-options | brainGraph的默认选项 | ||
| brainGraphList | 创建脑图列表 | ||
| brainGraph_boot | 全局图测度的自举 | ||
| brainGraph_GLM | 在图的每个顶点拟合一般线性模型 | ||
| brainGraph_GLM_design | 为线性模型分析创建设计矩阵 | ||
| brainGraph_mediate | 以脑图测度为中介变量的中介分析 | ||
| brainGraph_permute | 图测度群差的置换检验 | ||
| brainnetome | 大脑图谱数据的坐标 | ||
| brainsuite | 大脑图谱数据的坐标 | ||
| case.names.bg_GLM | 从filename_landmarks对象中提取基本信息 | ||
| case.names.brainGraph_resids | 结构协方差网络中的线性模型残差 | ||
| case.names.mtpc | 多阈值排列校正 | ||
| case.names.NBS | 基于网络的脑MRI数据统计 | ||
| centr_betw_comm | 计算可通信性之间的中心性 | ||
| centr_lev | 计算顶点的中心度 | ||
| check_sID | 测试对象是否是数字的字符向量 | ||
| coef.bg_GLM | 从filename_landmarks对象中提取模型拟合统计信息 | ||
| coeff_determ | 从filename_landmarks对象中提取模型拟合统计信息 | ||
| coeff_table | 从filename_landmarks对象中提取模型拟合统计信息 | ||
| coeff_var | 计算变异系数 | ||
| coeff_var.default | 计算变异系数 | ||
| colMax | 矩阵/数组实用函数 | ||
| colMaxAbs | 矩阵/数组实用函数 | ||
| colMin | 矩阵/数组实用函数 | ||
| communicability | 计算可通信性 | ||
| confint.bg_GLM | 从filename_landmarks对象中提取模型拟合统计信息 | ||
| contract_brainGraph | 基于脑叶和半球的收缩图顶点 | ||
| cooks.distance.bg_GLM | filename_landmarks对象的影响度量 | ||
| cor.diff.test | 计算相关系数差异的p值 | ||
| corr.matrix | 计算相关矩阵和阈值 | ||
| Count Edges | 计算大脑图形的边数 | ||
| count_homologous | 计算大脑图形的边数 | ||
| count_inter | 计算大脑图形的边数 | ||
| covratio.bg_GLM | filename_landmarks对象的影响度量 | ||
| craddock200 | 大脑图谱数据的坐标 | ||
| create_atlas | Atlas辅助函数 | ||
| create_mats | 为纤维束成像或功能磁共振成像数据创建连接矩阵 | ||
| Creating_Graphs | 创建brainGraph对象 | ||
| Creating_Graphs_GLM | 创建具有GLM特定属性的图表列表 | ||
| destrieux | 大脑图谱数据的坐标 | ||
| destrieux.scgm | 大脑图谱数据的坐标 | ||
| deviance.bg_GLM | 从filename_landmarks对象中提取模型拟合统计信息 | ||
| df.residual.bg_GLM | 从filename_landmarks对象中提取模型拟合统计信息 | ||
| df.residual.mtpc | 多阈值排列校正 | ||
| df.residual.NBS | 基于网络的脑MRI数据统计 | ||
| dfbeta.bg_GLM | filename_landmarks对象的影响度量 | ||
| dfbetas.bg_GLM | filename_landmarks对象的影响度量 | ||
| dffits.bg_GLM | filename_landmarks对象的影响度量 | ||
| diag_sq | 矩阵/数组实用函数 | ||
| dk | 大脑图谱数据的坐标 | ||
| dk.scgm | 大脑图谱数据的坐标 | ||
| dkt | 大脑图谱数据的坐标 | ||
| dkt.scgm | 大脑图谱数据的坐标 | ||
| dosenbach160 | 大脑图谱数据的坐标 | ||
| edge_asymmetry | 基于边计数计算不对称指数 | ||
| edge_spatial_dist | 计算边和顶点的欧氏距离 | ||
| efficiency | 计算图形全局、局部或节点效率 | ||
| Extract.brainGraphList | 创建脑图列表 | ||
| Extract.brainGraph_resids | 结构协方差网络中的线性模型残差 | ||
| Extract.corr_mats | 计算相关矩阵和阈值 | ||
| extractAIC.bg_GLM | filename_landmarks对象的模型选择 | ||
| fastLmBG | 使设计矩阵适合一个或多个结果 | ||
| fastLmBG_3d | 使设计矩阵适合一个或多个结果 | ||
| fastLmBG_3dY | 使设计矩阵适合一个或多个结果 | ||
| fastLmBG_3dY_1p | 使设计矩阵适合一个或多个结果 | ||
| fastLmBG_f | 使设计矩阵适合一个或多个结果 | ||
| fastLmBG_t | 使设计矩阵适合一个或多个结果 | ||
| fitted.bg_GLM | 从filename_landmarks对象中提取模型拟合统计信息 | ||
| formula.bg_GLM | 从filename_landmarks对象中提取基本信息 | ||
| formula.mtpc | 多阈值排列校正 | ||
| formula.NBS | 基于网络的脑MRI数据统计 | ||
| gateway_coeff | 关口系数、参与系数、中等程度内z分 | ||
| get.resid | 结构协方差网络中的线性模型残差 | ||
| get_thresholds | 矩阵/数组实用函数 | ||
| GLM | 在图的每个顶点拟合一般线性模型 | ||
| GLM basic info | 从filename_landmarks对象中提取基本信息 | ||
| GLM design | 为线性模型分析创建设计矩阵 | ||
| GLM fits | 使设计矩阵适合一个或多个结果 | ||
| GLM influence measures | filename_landmarks对象的影响度量 | ||
| GLM model selection | filename_landmarks对象的模型选择 | ||
| GLM statistics | 从filename_landmarks对象中提取模型拟合统计信息 | ||
| gordon333 | 大脑图谱数据的坐标 | ||
| Graph Data Tables | 创建一个带有全局图和顶点度量的数据表 | ||
| Graph Distances | 计算边和顶点的欧氏距离 | ||
| graph_attr_dt | 创建一个带有全局图和顶点度量的数据表 | ||
| groups.brainGraphList | 脑图通用方法 | ||
| groups.brainGraph_resids | 结构协方差网络中的线性模型残差 | ||
| groups.corr_mats | 脑图通用方法 | ||
| guess_atlas | Atlas辅助函数 | ||
| hatvalues.bg_GLM | filename_landmarks对象的影响度量 | ||
| hcp_mmp1.0 | 大脑图谱数据的坐标 | ||
| hoa112 | 大脑图谱数据的坐标 | ||
| hubness | 计算顶点亮度 | ||
| import_scn | 为结构连接性分析导入数据 | ||
| IndividualContributions | 个体网络贡献的估算方法 | ||
| influence.bg_GLM | filename_landmarks对象的影响度量 | ||
| inv | 计算设计矩阵的叉积的逆 | ||
| inv.array | 计算设计矩阵的叉积的逆 | ||
| inv.list | 计算设计矩阵的叉积的逆 | ||
| inv.matrix | 计算设计矩阵的叉积的逆 | ||
| inv.qr | 计算设计矩阵的叉积的逆 | ||
| Inverse | 计算设计矩阵的叉积的逆 | ||
| is.brainGraph | 创建brainGraph对象 | ||
| is.brainGraphList | 创建脑图列表 | ||
| is_binary | 矩阵/数组实用函数 | ||
| labels.bg_GLM | 从filename_landmarks对象中提取基本信息 | ||
| labels.mtpc | 多阈值排列校正 | ||
| labels.NBS | 基于网络的脑MRI数据统计 | ||
| logLik.bg_GLM | filename_landmarks对象的模型选择 | ||
| loo | 个体网络贡献的估算方法 | ||
| lpba40 | 大脑图谱数据的坐标 | ||
| make_auc_brainGraph | 计算给定属性密度的AUC | ||
| make_brainGraph | 创建brainGraph对象 | ||
| make_brainGraph.bg_mediate | 创建brainGraph对象 | ||
| make_brainGraph.igraph | 创建brainGraph对象 | ||
| make_brainGraph.matrix | 创建brainGraph对象 | ||
| make_brainGraphList | 创建脑图列表 | ||
| make_brainGraphList.array | 创建脑图列表 | ||
| make_brainGraphList.bg_GLM | 创建具有GLM特定属性的图表列表 | ||
| make_brainGraphList.corr_mats | 创建脑图列表 | ||
| make_brainGraphList.mtpc | 创建具有GLM特定属性的图表列表 | ||
| make_brainGraphList.NBS | 创建具有GLM特定属性的图表列表 | ||
| make_ego_brainGraph | 创建多顶点邻域并集的图 | ||
| make_empty_brainGraph | 创建brainGraph对象 | ||
| make_intersection_brainGraph | 基于逻辑条件创建图的交集 | ||
| Matrix utilities | 矩阵/数组实用函数 | ||
| mean_distance_wt | 计算加权最短路径长度 | ||
| Mediation | 以脑图测度为中介变量的中介分析 | ||
| mtpc | 多阈值排列校正 | ||
| NBS | 基于网络的脑MRI数据统计 | ||
| nobs.bg_GLM | 从filename_landmarks对象中提取基本信息 | ||
| nobs.brainGraphList | 创建脑图列表 | ||
| nobs.brainGraph_resids | 结构协方差网络中的线性模型残差 | ||
| nobs.mtpc | 多阈值排列校正 | ||
| nobs.NBS | 基于网络的脑MRI数据统计 | ||
| nregions | 脑图通用方法 | ||
| nregions.bg_GLM | 从filename_landmarks对象中提取基本信息 | ||
| nregions.brainGraph_resids | 结构协方差网络中的线性模型残差 | ||
| nregions.corr_mats | 计算相关矩阵和阈值 | ||
| nregions.mtpc | 多阈值排列校正 | ||
| nregions.NBS | 基于网络的脑MRI数据统计 | ||
| pad_zeros | 测试对象是否是数字的字符向量 | ||
| partition | GLM非参数置换检验 | ||
| part_coeff | 关口系数、参与系数、中等程度内z分 | ||
| pinv | 计算设计矩阵的叉积的逆 | ||
| plot.bg_GLM | 在图的每个顶点拟合一般线性模型 | ||
| plot.brainGraph | 用特定的空间布局绘制大脑图形 | ||
| plot.brainGraphList | 绘制脑图列表并写入PDF | ||
| plot.brainGraph_boot | 全局图测度的自举 | ||
| plot.brainGraph_GLM | 用基于GLM的分析结果绘制图表 | ||
| plot.brainGraph_mediate | 用基于GLM的分析结果绘制图表 | ||
| plot.brainGraph_mtpc | 用基于GLM的分析结果绘制图表 | ||
| plot.brainGraph_NBS | 用基于GLM的分析结果绘制图表 | ||
| plot.brainGraph_permute | 图测度群差的置换检验 | ||
| plot.brainGraph_resids | 结构协方差网络中的线性模型残差 | ||
| plot.corr_mats | 计算相关矩阵和阈值 | ||
| plot.IC | 个体网络贡献的估算方法 | ||
| plot.mtpc | 多阈值排列校正 | ||
| Plotting GLM graphs | 用基于GLM的分析结果绘制图表 | ||
| plot_brainGraph_gui | 用于绘制覆盖在MNI152图像或圆形中的图形的GUI | ||
| plot_brainGraph_multi | 为brainGraphList中的所有图形保存一个或三个视图的PNG | ||
| plot_global | 跨密度绘制全局图度量 | ||
| plot_rich_norm | 根据度阈值绘制标准化的rich-club系数 | ||
| plot_vertex_measures | 以单个密度或阈值绘制顶点级别图度量 | ||
| plot_volumetric | 给定大脑区域体积测量的图组分布 | ||
| power264 | 大脑图谱数据的坐标 | ||
| print.bg_GLM | 在图的每个顶点拟合一般线性模型 | ||
| print.brainGraphList | 创建脑图列表 | ||
| qr.array | 矩阵/数组实用函数 | ||
| qr_Q2 | 矩阵/数组实用函数 | ||
| qr_R2 | 矩阵/数组实用函数 | ||
| Random Graphs | 用随机图对脑MRI数据进行分析 | ||
| randomise | GLM非参数置换检验 | ||
| randomise_3d | GLM非参数置换检验 | ||
| region.names | 脑图通用方法 | ||
| region.names.bg_GLM | 从filename_landmarks对象中提取基本信息 | ||
| region.names.brainGraph_resids | 结构协方差网络中的线性模型残差 | ||
| region.names.corr_mats | 计算相关矩阵和阈值 | ||
| region.names.data.table | 脑图通用方法 | ||
| region.names.mtpc | 多阈值排列校正 | ||
| Residuals | 结构协方差网络中的线性模型残差 | ||
| residuals.bg_GLM | 从filename_landmarks对象中提取模型拟合统计信息 | ||
| Rich Club | 丰富的俱乐部计算 | ||
| rich_club_all | 丰富的俱乐部计算 | ||
| rich_club_attrs | 基于富俱乐部分析的图属性分配 | ||
| rich_club_coeff | 丰富的俱乐部计算 | ||
| rich_club_norm | 丰富的俱乐部计算 | ||
| rich_core | 丰富的俱乐部计算 | ||
| robustness | 网络鲁棒性分析 | ||
| rstandard.bg_GLM | filename_landmarks对象的影响度量 | ||
| rstudent.bg_GLM | filename_landmarks对象的影响度量 | ||
| set_brainGraph_attr | 设置MRI分析中常见的图形、顶点和边属性 | ||
| sigma.bg_GLM | 从filename_landmarks对象中提取模型拟合统计信息 | ||
| sim.rand.graph.clust | 用随机图对脑MRI数据进行分析 | ||
| sim.rand.graph.hqs | 用随机图对脑MRI数据进行分析 | ||
| sim.rand.graph.par | 用随机图对脑MRI数据进行分析 | ||
| slicer | 为brainGraphList中的所有图形保存一个或三个视图的PNG | ||
| small.world | 计算图形小世界度 | ||
| summary.bg_GLM | 在图的每个顶点拟合一般线性模型 | ||
| summary.bg_mediate | 以脑图测度为中介变量的中介分析 | ||
| summary.brainGraph | 创建brainGraph对象 | ||
| summary.brainGraph_boot | 全局图测度的自举 | ||
| summary.brainGraph_permute | 图测度群差的置换检验 | ||
| summary.brainGraph_resids | 结构协方差网络中的线性模型残差 | ||
| summary.IC | 个体网络贡献的估算方法 | ||
| summary.mtpc | 多阈值排列校正 | ||
| summary.NBS | 基于网络的脑MRI数据统计 | ||
| symmetrize | 矩阵/数组实用函数 | ||
| symmetrize.array | 矩阵/数组实用函数 | ||
| symmetrize.matrix | 矩阵/数组实用函数 | ||
| symm_mean | 矩阵/数组实用函数 | ||
| s_core | 计算网络的s核 | ||
| terms.bg_GLM | 从filename_landmarks对象中提取基本信息 | ||
| terms.mtpc | 多阈值排列校正 | ||
| terms.NBS | 基于网络的脑MRI数据统计 | ||
| variable.names.bg_GLM | 从filename_landmarks对象中提取基本信息 | ||
| variable.names.mtpc | 多阈值排列校正 | ||
| variable.names.NBS | 基于网络的脑MRI数据统计 | ||
| vcov.bg_GLM | 从filename_landmarks对象中提取模型拟合统计信息 | ||
| Vertex Roles | 关口系数、参与系数、中等程度内z分 | ||
| vertex_attr_dt | 创建一个带有全局图和顶点度量的数据表 | ||
| vertex_spatial_dist | 计算边和顶点的欧氏距离 | ||
| vif.bg_GLM | filename_landmarks对象的方差膨胀系数 | ||
| vulnerability | 计算图形漏洞 | ||
| within_module_deg_z_score | 关口系数、参与系数、中等程度内z分 | ||
| write_brainnet | 编写用于BrainNet Viewer可视化的文件 | ||
| xfm.weights | 设置MRI分析中常见的图形、顶点和边属性 | ||
| [.bg_GLM | 在图的每个顶点拟合一般线性模型 | ||
| [.brainGraphList | 创建脑图列表 | ||
| [.brainGraph_resids | 结构协方差网络中的线性模型残差 | ||
| [.corr_mats | 计算相关矩阵和阈值 |