一、背景
最近看到有许多朋友想要将预定义的脑模板例如AAL116、hcp360对应到Yeo的七网络中，但却不知道如何将这些脑模板中ROIs对应到相应的七网络中。在这里，提供一个最简单的思路，通过不同脑模板与Yeo七网络之间体素的重合度来进行粗略的对应(假设你是基于Voxel的脑模板)。
二、具体步骤
假设你有以下两个文件，AAL在MNI空间下1mm*1mm*1mm的脑图谱文件以及一个Yeo-7网络在MNI空间下1mm*1mm*1mm的的脑图谱文件，我们现在的目标就是计算这两个图谱之间的体素重叠度。
2.添加DPABI分别读取AAL脑图谱以及Yeo_7，注意修改为自己的路径。
% 添加DPABI分别读取AAL脑图谱以及Yeo_7
addpath(genpath(‘DPABI_V8.2_240510’)); %添加DPABI toolbox
YeoData =y_ReadRPI(‘’); %读取Yeo_7
AAL = y_ReadRPI(‘AAL_space-MNI152NLin6_res-1x1x1.nii’); %读取AAL
(PS：有的朋友说，我不想用DPABI，那么你也可以用SPM来读取，当然你也可以用python)
% 或者添加SPM分别读取AAL脑图谱以及Yeo_7
addpath(genpath(‘spm12’)); %添加SPM toolbox
YeoData=spm_read_vols(spm_vol(‘Yeo-7_space-MNI152NLin6_res-1x1x1.nii’));
AAL = spm_read_vols(spm_vol(‘AAL_space-MNI152NLin6_res-1x1x1.nii’));
3.接下来就是一个简单的循环对应代码，计算每个AAL区域内有多少体素属于Yeo不同的网络。
AreaNetwork=zeros(116,7);
for iArea=1:116
for iNetwork=1:7
Temp = length(find(YeoData(find(AAL==iArea)) == iNetwork));
AreaNetwork(iArea,iNetwork) = Temp;
end
end
4.你会得到一个116x7的矩阵，这个矩阵的横坐标代表的是7网络，纵坐标代表的是AAL116个脑区。
5. 仔细观察上述矩阵你会发现，例如AAL中的第一个区域，在第2，3，4，6，7网络中均有体素分布，那么我们只需要将重合度最大的体素区域算作当前ROIs所属的网络。
[MaxNumber YeoNetwork] = max(AreaNetwork’);
Network_Max = [MaxNumber’ YeoNetwork’];
6.到这里基本的工作已经完成，但是我们仔细对比这个分配的网络后发现了一个大问题，AAL模板中的皮层下区域如下边所示的纹状体相关脑区以及丘脑区域，实际上是没有任何体素能与基于皮质计算出来的Yeo7网络重合，但是依然分到了第一个网络中。这是由于我们使用函数max(AreaNetwok’)，该函数本应该返回行的最大值，但是由于该行(第76-80行)与Yeo7网络的重叠均为0，因此max函数默认返回第一个0的位置，因此这里实际上是属于none网络，我们可以将其手动修改为网络8。
三、写在最后
1.该方法是一个对应脑模板到Yeo7网络的一个最简单的方法(如果存在有问题欢迎指正)，实际上目前已经有一些其他方法来做不同脑模板的对应，比如说计算骰子系数，A network correspondence toolbox for quantitative evaluation of novel neuroimaging results, Nature Communications, 2025，当然这个方法结果的对应性我没有实际测试过，感兴趣的朋友可以尝试一下。
2.相信有的朋友已经注意到，上边AAL脑区中的第73个脑区壳核区域，我们发现其与脑网络之间体素的最大重合度仅有3，而这个区域实际上是属于皮层下区域，因此如果我们将AAL116对应到7网络中，最好将这些皮层下区域(如丘脑、海马体等)、小脑区域单独分离出来作为第8、9个区域。
3.我们还会发现有一些区域在不同的网络中均有较大的重叠，这里为了避免这个问题是选择了最大重叠度的区域，这种实际上是一个妥协的做法。
4.我个人并不推荐将AAL来对应到7网络中，如果你只做皮层的分析，那么尽量使用schaefer的脑图谱，如果有皮层下的分析可以加上Ye-Tian的皮层下脑图谱(Topographic organization of the human subcortex unveiled with functional connectivity gradients , Nature Neuroscience)。
PS(我主要基于动态功能连接做精神疾病的脑影像分析，目前也涉及一些功能梯度，多组学整合以及网络控制理论方面。如果有做脑影像的研究朋友可以一起交流学习一下(特别是对于人脑单细胞以及能量代谢有研究的，或者有影像学数据的朋友 
))
脑区与脑网络的对应.zip (517.2 KB)