利用Surfplot和Brainspace进行脑图可视化

可视化：

surfplot提供了脑图可视化方法，基于brainspace开发实现。

针对Yeo脑网络的可视化参考示例

• 依赖提示：建议运行环境预装wb_command并写入环境变量。

• 如何可视化NIFTI：surfplot默认仅支持GIFTI或CIFTI的皮层染色。对于NIFTI文件，需要neuromap实现空间转换，参考：

• 已知坑1：远程服务器安装surfplot后，如果jupyter可视化出现内核挂掉的错误，大概率来源于brainspace中vtk的问题，须参考官方解决方案重装vtk。

from neuromaps.datasets import fetch_fslr
from surfplot import Plot
from neuromaps import transforms

gii_lh, gii_rh= transforms.mni152_to_fslr(nifti_file_path_in_MNI152_space, '32k')
surfaces = fetch_fslr()
lh, rh = surfaces['inflated']
p = Plot(lh, rh, layout =  'row', size =  (1000, 400), zoom = 1.2)
p.add_layer({'left': gii_lh, 'right': gii_rh}, cbar=True)
fig = p.build()
fig.show()

梯度分析

brainspace，一个Python/Matlab工具箱，用于(i)识别梯度，(ii)梯度对齐，(iii)梯度可视化。BrainSpace还可以对梯度与其他大脑特征之间的关联进行控制研究，生成空模型，以解释空间自相关性。验证实验证明了该工具在分析不同空间尺度上的功能和微观结构梯度时的实用性和一致性。

• 已知坑1：brainspace对于大矩阵计算（如10K节点）的运算时间会很慢，建议按此方案手动修正源代码从而提速。