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 |