<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>桑峰</title><link>https://isangfeng.github.io/</link><description>Recent content on 桑峰</description><generator>Hugo -- gohugo.io</generator><language>zh-cn</language><copyright>© 2026 桑峰</copyright><lastBuildDate>Fri, 29 May 2026 00:00:00 +0000</lastBuildDate><atom:link href="https://isangfeng.github.io/index.xml" rel="self" type="application/rss+xml"/><item><title>关于</title><link>https://isangfeng.github.io/about/</link><pubDate>Fri, 29 May 2026 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/about/</guid><description>&lt;h2 class="relative group"&gt;关于此处
 &lt;div id="关于此处" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e5%85%b3%e4%ba%8e%e6%ad%a4%e5%a4%84" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h2&gt;
&lt;p&gt;很久之前就想找一个地方把自己的废话写下来。一是方便自己回头感叹当初有多幼稚；二是我的记忆真的不是很好，过段时间遇到了同样的问题，根本想不起来当初是怎么处理的，写下来方便自己记忆和查阅；三是有些东西也是做事时走过的弯路，写下来如果能帮到遇到同样问题的人，也是一件好事。&lt;/p&gt;</description></item><item><title>午后散步</title><link>https://isangfeng.github.io/posts/2026/2026-05-14_takeawalk/</link><pubDate>Thu, 14 May 2026 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2026/2026-05-14_takeawalk/</guid><description>&lt;p&gt;&lt;figure&gt;&lt;img
 class="my-0 rounded-md"
 loading="lazy"
 decoding="async"
 fetchpriority="auto"
 alt="散步照片 1"
 width="768"
 height="512"
 src="https://isangfeng.github.io/posts/2026/2026-05-14_takeawalk/DSC_1576.jpg"
 srcset="https://isangfeng.github.io/posts/2026/2026-05-14_takeawalk/DSC_1576.jpg 800w, https://isangfeng.github.io/posts/2026/2026-05-14_takeawalk/DSC_1576.jpg 1280w"
 sizes="(min-width: 768px) 50vw, 65vw"
 data-zoom-src="https://isangfeng.github.io/posts/2026/2026-05-14_takeawalk/DSC_1576.jpg"&gt;&lt;/figure&gt;
&lt;/p&gt;
&lt;p&gt;天阴阴的，白鞋显得更加白了。草地虽然乱糟糟的，但因为表面是潮湿的，所以也挺有质感的。&lt;/p&gt;</description></item><item><title>R语言中的异常处理：TryCatch</title><link>https://isangfeng.github.io/posts/2024/2024-04-08_trycatchinr/</link><pubDate>Mon, 08 Apr 2024 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2024/2024-04-08_trycatchinr/</guid><description>TryCatch in R</description></item><item><title>周总结-心理统计学笔记</title><link>https://isangfeng.github.io/posts/2023/09/20230925_weeklynotes/</link><pubDate>Mon, 25 Sep 2023 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2023/09/20230925_weeklynotes/</guid><description>&lt;h2 class="relative group"&gt;单样本设计
 &lt;div id="单样本设计" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e5%8d%95%e6%a0%b7%e6%9c%ac%e8%ae%be%e8%ae%a1" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h2&gt;

&lt;h3 class="relative group"&gt;单样本的z检验
 &lt;div id="单样本的z检验" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e5%8d%95%e6%a0%b7%e6%9c%ac%e7%9a%84z%e6%a3%80%e9%aa%8c" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h3&gt;
&lt;p&gt;统计量计算公式：\(z_{obt}=\frac{\overline{X}_{obt}-\mu}{\sigma/\sqrt{N}}\).&lt;/p&gt;</description></item><item><title>周总结-tibble中添加行</title><link>https://isangfeng.github.io/posts/2023/09/20230920_weeklynotes/</link><pubDate>Wed, 20 Sep 2023 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2023/09/20230920_weeklynotes/</guid><description>&lt;h2 class="relative group"&gt;Add a new row into a empty tibble in R
 &lt;div id="add-a-new-row-into-a-empty-tibble-in-r" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#add-a-new-row-into-a-empty-tibble-in-r" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h2&gt;
&lt;p&gt;There is a simple example below.&lt;/p&gt;</description></item><item><title>Neurology | 利用神经解剖规范化建模揭示AD个体水平的神经解剖异质性</title><link>https://isangfeng.github.io/posts/2023/09/20230914_papernotes/</link><pubDate>Thu, 14 Sep 2023 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2023/09/20230914_papernotes/</guid><description>&lt;p&gt;阿尔茨海默（AD）是一种高度异质性的疾病，即在临床表现和神经生物标记上表现为显著的个体差异。这些差异包括遗传基础、症状表现、发病年龄、发病轨迹和严重程度、生物标记物、合并症和脑萎缩模式。然而传统的统计分析聚焦于组水平的平均情况。其背后基本的统计假设是AD以相同的方式影响不同的患者。然而，为了实现AD的精准医疗，我们需要超越平均的视角，并且设计统计方法来反应个体水平上的异质性。神经解剖标准化建模可以依据一个期望的正态分布/随时间变化的轨迹提供个体水平上的统计推断。在本研究中，研究者利用一个最近实现的规范化建模框架，层级贝叶斯回归，分析了1）不同个体患者在离群值分布上的神经解剖变异性；2）定量地分析了被试间不相似性的组间差异；3）建立了神经解剖离群值和认知表现和AD生物标记物之间的关系；4）并且探究了离群值的数量是否与随后从MCI到AD的转化有关。&lt;/p&gt;</description></item><item><title>《心理统计学》笔记</title><link>https://isangfeng.github.io/posts/2023/08/20230810_statisnotes/</link><pubDate>Thu, 10 Aug 2023 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2023/08/20230810_statisnotes/</guid><description>&lt;p&gt;拒绝零假设不意味着我们了解总体均数之间的差异大小，因为即使一个很小的差异，在足够大的样本量下，依旧可以得到显著的结果。总体均数间的差异大小可以通过构建均数的置信区间或者计算效应量来评估。&lt;/p&gt;</description></item><item><title>周总结-ggplot2作图</title><link>https://isangfeng.github.io/posts/2023/07/20230727_weeklynotes/</link><pubDate>Thu, 27 Jul 2023 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2023/07/20230727_weeklynotes/</guid><description>&lt;h2 class="relative group"&gt;用ggplot2做饼图（Pie plot）
 &lt;div id="用ggplot2做饼图pie-plot" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e7%94%a8ggplot2%e5%81%9a%e9%a5%bc%e5%9b%bepie-plot" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h2&gt;
&lt;div class="highlight-wrapper"&gt;&lt;div class="highlight"&gt;&lt;pre tabindex="0" style="color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;"&gt;&lt;code class="language-r" data-lang="r"&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;&lt;span style="color:#a6e22e"&gt;library&lt;/span&gt;(tidyverse)&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/div&gt;&lt;/div&gt;
&lt;pre&gt;&lt;code&gt;── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
✔ dplyr 1.2.1 ✔ readr 2.2.0
✔ forcats 1.0.1 ✔ stringr 1.6.0
✔ ggplot2 4.0.3 ✔ tibble 3.3.1
✔ lubridate 1.9.5 ✔ tidyr 1.3.2
✔ purrr 1.2.2 
── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
✖ dplyr::filter() masks stats::filter()
✖ dplyr::lag() masks stats::lag()
ℹ Use the conflicted package (&amp;lt;http://conflicted.r-lib.org/&amp;gt;) to force all conflicts to become errors
&lt;/code&gt;&lt;/pre&gt;
&lt;div class="highlight-wrapper"&gt;&lt;div class="highlight"&gt;&lt;pre tabindex="0" style="color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;"&gt;&lt;code class="language-r" data-lang="r"&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;dat &lt;span style="color:#f92672"&gt;&amp;lt;-&lt;/span&gt; &lt;span style="color:#a6e22e"&gt;tibble&lt;/span&gt;(y &lt;span style="color:#f92672"&gt;=&lt;/span&gt; &lt;span style="color:#a6e22e"&gt;c&lt;/span&gt;(&lt;span style="color:#ae81ff"&gt;1&lt;/span&gt;, &lt;span style="color:#ae81ff"&gt;2&lt;/span&gt;, &lt;span style="color:#ae81ff"&gt;3&lt;/span&gt;, &lt;span style="color:#ae81ff"&gt;4&lt;/span&gt;), x &lt;span style="color:#f92672"&gt;=&lt;/span&gt; &lt;span style="color:#a6e22e"&gt;c&lt;/span&gt;(&lt;span style="color:#e6db74"&gt;&amp;#39;A&amp;#39;&lt;/span&gt;, &lt;span style="color:#e6db74"&gt;&amp;#39;B&amp;#39;&lt;/span&gt;, &lt;span style="color:#e6db74"&gt;&amp;#39;C&amp;#39;&lt;/span&gt;, &lt;span style="color:#e6db74"&gt;&amp;#39;D&amp;#39;&lt;/span&gt;), color &lt;span style="color:#f92672"&gt;=&lt;/span&gt; &lt;span style="color:#a6e22e"&gt;c&lt;/span&gt;(&lt;span style="color:#e6db74"&gt;&amp;#34;#A6C9D5&amp;#34;&lt;/span&gt;, &lt;span style="color:#e6db74"&gt;&amp;#34;#B3DF7F&amp;#34;&lt;/span&gt;, &lt;span style="color:#e6db74"&gt;&amp;#34;#B76ED5&amp;#34;&lt;/span&gt;, &lt;span style="color:#e6db74"&gt;&amp;#34;#DA9083&amp;#34;&lt;/span&gt;))
&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;dat&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/div&gt;&lt;/div&gt;
&lt;pre&gt;&lt;code&gt;# A tibble: 4 × 3
 y x color 
 &amp;lt;dbl&amp;gt; &amp;lt;chr&amp;gt; &amp;lt;chr&amp;gt; 
1 1 A #A6C9D5
2 2 B #B3DF7F
3 3 C #B76ED5
4 4 D #DA9083
&lt;/code&gt;&lt;/pre&gt;
&lt;div class="highlight-wrapper"&gt;&lt;div class="highlight"&gt;&lt;pre tabindex="0" style="color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;"&gt;&lt;code class="language-r" data-lang="r"&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;dat &lt;span style="color:#f92672"&gt;%&amp;gt;%&lt;/span&gt; 
&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt; &lt;span style="color:#75715e"&gt;# 让四种类型堆叠在一起，用不同的颜色填充&lt;/span&gt;
&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt; &lt;span style="color:#a6e22e"&gt;ggplot&lt;/span&gt;(&lt;span style="color:#a6e22e"&gt;aes&lt;/span&gt;(x &lt;span style="color:#f92672"&gt;=&lt;/span&gt; &lt;span style="color:#e6db74"&gt;&amp;#39;&amp;#39;&lt;/span&gt;, y &lt;span style="color:#f92672"&gt;=&lt;/span&gt; y, fill &lt;span style="color:#f92672"&gt;=&lt;/span&gt; x)) &lt;span style="color:#f92672"&gt;+&lt;/span&gt; 
&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt; &lt;span style="color:#a6e22e"&gt;geom_bar&lt;/span&gt;(width &lt;span style="color:#f92672"&gt;=&lt;/span&gt; &lt;span style="color:#ae81ff"&gt;1&lt;/span&gt;, stat &lt;span style="color:#f92672"&gt;=&lt;/span&gt; &lt;span style="color:#e6db74"&gt;&amp;#39;identity&amp;#39;&lt;/span&gt;) &lt;span style="color:#f92672"&gt;+&lt;/span&gt;
&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt; &lt;span style="color:#a6e22e"&gt;coord_polar&lt;/span&gt;(&lt;span style="color:#e6db74"&gt;&amp;#34;y&amp;#34;&lt;/span&gt;, start &lt;span style="color:#f92672"&gt;=&lt;/span&gt; &lt;span style="color:#ae81ff"&gt;0&lt;/span&gt;) &lt;span style="color:#f92672"&gt;+&lt;/span&gt;
&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt; &lt;span style="color:#a6e22e"&gt;labs&lt;/span&gt;(fill &lt;span style="color:#f92672"&gt;=&lt;/span&gt; &lt;span style="color:#e6db74"&gt;&amp;#39;X&amp;#39;&lt;/span&gt;, title &lt;span style="color:#f92672"&gt;=&lt;/span&gt; &lt;span style="color:#e6db74"&gt;&amp;#39;Title&amp;#39;&lt;/span&gt;) &lt;span style="color:#f92672"&gt;+&lt;/span&gt;
&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt; &lt;span style="color:#a6e22e"&gt;scale_fill_manual&lt;/span&gt;(values &lt;span style="color:#f92672"&gt;=&lt;/span&gt; dat&lt;span style="color:#f92672"&gt;$&lt;/span&gt;color) &lt;span style="color:#f92672"&gt;+&lt;/span&gt;
&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt; &lt;span style="color:#a6e22e"&gt;theme_minimal&lt;/span&gt;(base_size &lt;span style="color:#f92672"&gt;=&lt;/span&gt; &lt;span style="color:#ae81ff"&gt;20&lt;/span&gt;) &lt;span style="color:#f92672"&gt;+&lt;/span&gt;
&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt; &lt;span style="color:#a6e22e"&gt;theme&lt;/span&gt;(
&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt; axis.title.x &lt;span style="color:#f92672"&gt;=&lt;/span&gt; &lt;span style="color:#a6e22e"&gt;element_blank&lt;/span&gt;(),
&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt; axis.title.y &lt;span style="color:#f92672"&gt;=&lt;/span&gt; &lt;span style="color:#a6e22e"&gt;element_blank&lt;/span&gt;(),
&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt; panel.border &lt;span style="color:#f92672"&gt;=&lt;/span&gt; &lt;span style="color:#a6e22e"&gt;element_blank&lt;/span&gt;(),
&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt; panel.grid &lt;span style="color:#f92672"&gt;=&lt;/span&gt; &lt;span style="color:#a6e22e"&gt;element_blank&lt;/span&gt;(),
&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt; axis.ticks &lt;span style="color:#f92672"&gt;=&lt;/span&gt; &lt;span style="color:#a6e22e"&gt;element_blank&lt;/span&gt;(),
&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt; plot.title &lt;span style="color:#f92672"&gt;=&lt;/span&gt; &lt;span style="color:#a6e22e"&gt;element_text&lt;/span&gt;(size &lt;span style="color:#f92672"&gt;=&lt;/span&gt; &lt;span style="color:#ae81ff"&gt;14&lt;/span&gt;, face &lt;span style="color:#f92672"&gt;=&lt;/span&gt; &lt;span style="color:#e6db74"&gt;&amp;#39;bold&amp;#39;&lt;/span&gt;),
&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt; axis.text.x &lt;span style="color:#f92672"&gt;=&lt;/span&gt; &lt;span style="color:#a6e22e"&gt;element_blank&lt;/span&gt;(),
&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt; legend.position &lt;span style="color:#f92672"&gt;=&lt;/span&gt; &lt;span style="color:#e6db74"&gt;&amp;#39;right&amp;#39;&lt;/span&gt;
&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt; )&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/div&gt;&lt;/div&gt;
&lt;img src="index.markdown_strict_files/figure-markdown_strict/unnamed-chunk-1-1.png" width="768" /&gt;
&lt;div class="highlight-wrapper"&gt;&lt;div class="highlight"&gt;&lt;pre tabindex="0" style="color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;"&gt;&lt;code class="language-r" data-lang="r"&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;&lt;span style="color:#75715e"&gt;# 输出图片的大小&lt;/span&gt;
&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;&lt;span style="color:#75715e"&gt;# ggsave(&amp;#39;filepath.pdf&amp;#39;, width = 14, height = 8)&lt;/span&gt;&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/div&gt;&lt;/div&gt;

&lt;h2 class="relative group"&gt;修改.label.gii文件的颜色
 &lt;div id="修改labelgii文件的颜色" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e4%bf%ae%e6%94%b9labelgii%e6%96%87%e4%bb%b6%e7%9a%84%e9%a2%9c%e8%89%b2" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h2&gt;
&lt;div class="highlight-wrapper"&gt;&lt;div class="highlight"&gt;&lt;pre tabindex="0" style="color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;"&gt;&lt;code class="language-python" data-lang="python"&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;&lt;span style="color:#f92672"&gt;import&lt;/span&gt; nibabel &lt;span style="color:#66d9ef"&gt;as&lt;/span&gt; nib
&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;&lt;span style="color:#f92672"&gt;import&lt;/span&gt; matplotlib &lt;span style="color:#66d9ef"&gt;as&lt;/span&gt; mpl
&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;
&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;lhGiiPath &lt;span style="color:#f92672"&gt;=&lt;/span&gt; &lt;span style="color:#e6db74"&gt;&amp;#39;xxx.label.gii&amp;#39;&lt;/span&gt;
&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;lhGii &lt;span style="color:#f92672"&gt;=&lt;/span&gt; nib&lt;span style="color:#f92672"&gt;.&lt;/span&gt;load(lhGiiPath)
&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;lhGii&lt;span style="color:#f92672"&gt;.&lt;/span&gt;labeltable&lt;span style="color:#f92672"&gt;.&lt;/span&gt;labels[&lt;span style="color:#ae81ff"&gt;0&lt;/span&gt;]&lt;span style="color:#f92672"&gt;.&lt;/span&gt;rgba &lt;span style="color:#f92672"&gt;=&lt;/span&gt; mpl&lt;span style="color:#f92672"&gt;.&lt;/span&gt;colors&lt;span style="color:#f92672"&gt;.&lt;/span&gt;to_rgba(&lt;span style="color:#e6db74"&gt;&amp;#39;#ABCD11FF&amp;#39;&lt;/span&gt;)
&lt;/span&gt;&lt;/span&gt;&lt;span style="display:flex;"&gt;&lt;span&gt;nib&lt;span style="color:#f92672"&gt;.&lt;/span&gt;save(lhGii, &lt;span style="color:#e6db74"&gt;&amp;#39;new_xxx.label.gii&amp;#39;&lt;/span&gt;)&lt;/span&gt;&lt;/span&gt;&lt;/code&gt;&lt;/pre&gt;&lt;/div&gt;&lt;/div&gt;
&lt;p&gt;其中label.gii文件中的颜色信息可以通过lhGii.labeltable.labels返回；通过对其赋值可以修改对应的颜色；&lt;/p&gt;</description></item><item><title>周总结-DICE分数</title><link>https://isangfeng.github.io/posts/2023/06/notes_202206/</link><pubDate>Tue, 13 Jun 2023 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2023/06/notes_202206/</guid><description>&lt;h2 class="relative group"&gt;两个集合计算DICE分数并评估显著性
 &lt;div id="两个集合计算dice分数并评估显著性" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e4%b8%a4%e4%b8%aa%e9%9b%86%e5%90%88%e8%ae%a1%e7%ae%97dice%e5%88%86%e6%95%b0%e5%b9%b6%e8%af%84%e4%bc%b0%e6%98%be%e8%91%97%e6%80%a7" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h2&gt;
&lt;p&gt;假设有两个集合X和Y，它们的DICE分数是X和Y交集的元素个数与X和Y并集元素个数比值再乘2. 它的显著性可以通过将X和Y的元素放在一起后，再随机抽取出与X和Y集合相同元素的集合，并计算DICE分数。通过多次抽取，构建DICE的零分布，并计算真实的DICE分数在分布中的位置，来得到显著性。&lt;/p&gt;</description></item><item><title>周总结-数据转换</title><link>https://isangfeng.github.io/posts/2023/05/weeklynotes21/</link><pubDate>Thu, 25 May 2023 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2023/05/weeklynotes21/</guid><description>&lt;h2 class="relative group"&gt;转换数据
 &lt;div id="转换数据" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e8%bd%ac%e6%8d%a2%e6%95%b0%e6%8d%ae" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h2&gt;
&lt;p&gt;问题：假设有两组数据X和Y，要求转换Y，使得转换后的Y曲线下面积与X的曲线下面积相同。&lt;/p&gt;</description></item><item><title>周总结-slumr作业系统/AUC计算/传输数据</title><link>https://isangfeng.github.io/posts/2023/05/weeklynotes/</link><pubDate>Sat, 13 May 2023 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2023/05/weeklynotes/</guid><description>&lt;h2 class="relative group"&gt;slumr作业调度系统
 &lt;div id="slumr作业调度系统" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#slumr%e4%bd%9c%e4%b8%9a%e8%b0%83%e5%ba%a6%e7%b3%bb%e7%bb%9f" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h2&gt;
&lt;p&gt;当因作业名太长，而无法用squeue命令看到对应作业的name时，可采用以下方法：&lt;/p&gt;</description></item><item><title>典型相关分析CCA</title><link>https://isangfeng.github.io/posts/2023/05/practiceaboutcca/</link><pubDate>Wed, 10 May 2023 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2023/05/practiceaboutcca/</guid><description>&lt;p&gt;典型相关分析（Canonical Correlation Analysis, CCA）可以计算两组变量（每组变量包含多个变量）之间的相关。参考Pearson相关，它只能计算两个变量之间的相关。本文主要介绍笔者在使用CCA的过程中的理解，可能存在不准确的地方。详细的原理，请参考：&lt;a href="https://www.cnblogs.com/pinard/p/6288716.html" target="_blank" rel="noreferrer"&gt;https://www.cnblogs.com/pinard/p/6288716.html&lt;/a&gt;。&lt;/p&gt;</description></item><item><title>论文写作：完美诞生自计划</title><link>https://isangfeng.github.io/posts/2023/04/writeapaper/</link><pubDate>Thu, 13 Apr 2023 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2023/04/writeapaper/</guid><description>&lt;p&gt;本文摘选自《心理学最佳入门》（【美】桑德拉·切卡莱丽 诺兰·怀特著 周仁来等译）。&lt;/p&gt;</description></item><item><title>R包安装报错</title><link>https://isangfeng.github.io/posts/2022/2022-09-09-installrpackageerror/</link><pubDate>Fri, 09 Sep 2022 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2022/2022-09-09-installrpackageerror/</guid><description>&lt;h2 class="relative group"&gt;Error: C++14 standard requested but CXX14 is not defined
 &lt;div id="error-c14-standard-requested-but-cxx14-is-not-defined" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#error-c14-standard-requested-but-cxx14-is-not-defined" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h2&gt;
&lt;p&gt;参考：https://www.zxzyl.com/archives/1283/&lt;/p&gt;</description></item><item><title>RMarkdown和ggplot2</title><link>https://isangfeng.github.io/posts/2022/2022-07-10-notes/</link><pubDate>Sun, 10 Jul 2022 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2022/2022-07-10-notes/</guid><description>&lt;h2 class="relative group"&gt;R Markdown图表交叉引用
 &lt;div id="r-markdown图表交叉引用" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#r-markdown%e5%9b%be%e8%a1%a8%e4%ba%a4%e5%8f%89%e5%bc%95%e7%94%a8" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h2&gt;
&lt;p&gt;在R Markdown中给图表添加引用是首先需要在文件的输出格式设置为以下三种之一。&lt;/p&gt;</description></item><item><title>配准方法示例</title><link>https://isangfeng.github.io/posts/2022/2022-07-07-register/</link><pubDate>Thu, 07 Jul 2022 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2022/2022-07-07-register/</guid><description>&lt;p&gt;配准可以把不同空间中的脑影像进行对齐。典型地，在下面场景中就需要用到配准。&lt;/p&gt;</description></item><item><title>对PET图像进行归中心处理</title><link>https://isangfeng.github.io/posts/2022/2022-03-24-resetorigin/</link><pubDate>Thu, 24 Mar 2022 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2022/2022-03-24-resetorigin/</guid><description>&lt;p&gt;本段代码参考自：https://github.com/DlutMedimgGroup/Chinese-Brain-PET-Template/blob/master/Matlab%20Scripts/Reset_Origin.m&lt;/p&gt;</description></item><item><title>FreeSurfer笔记[2]</title><link>https://isangfeng.github.io/posts/2022/2022-03-15-curvatureoffreesurfer/</link><pubDate>Tue, 15 Mar 2022 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2022/2022-03-15-curvatureoffreesurfer/</guid><description>&lt;h2 class="relative group"&gt;The measures about curvatures
 &lt;div id="the-measures-about-curvatures" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#the-measures-about-curvatures" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h2&gt;

&lt;h3 class="relative group"&gt;mris_curvature_stats
 &lt;div id="mris_curvature_stats" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#mris_curvature_stats" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h3&gt;
&lt;p&gt;?h.smoothwm.xxx.crv is the the binary-curvature files where xxx is the different measures. Detailed descriptation is as follows:&lt;/p&gt;</description></item><item><title>FreeSurfer笔记[1]</title><link>https://isangfeng.github.io/posts/2022/2022-03-11-freesurfer/</link><pubDate>Fri, 11 Mar 2022 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2022/2022-03-11-freesurfer/</guid><description>&lt;h2 class="relative group"&gt;Outputs
 &lt;div id="outputs" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#outputs" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h2&gt;
&lt;p&gt;FreeSurfer首先去除颅骨（stripped skull），生成brainmask.mgz文件，并进一步分出灰质、白质和皮下结构，保存在aseg.mgz文件中。与此同时，得到白质/灰质的初步估计（?h.orig），随后对分界面进行进一步的调整得到?j.white。在?h.white的基础上，分界面继续向外膨胀得到?h.pial，并进一步膨胀得到?h.inflated。?h.sphere为?h.inflated膨胀形成的球面。可以用来与其他空间图像进行配准（例如fsaverage）。&lt;/p&gt;</description></item><item><title>CIFTI文件的读取和可视化</title><link>https://isangfeng.github.io/posts/2022/2022-02-22-readcifti/</link><pubDate>Tue, 22 Feb 2022 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2022/2022-02-22-readcifti/</guid><description>&lt;p&gt;CIFTI (Connectivity Informatics Technology Initiative) 是HCP项目中开发的神经影像存储格式。具体可参考2016年Glasser等人发表的文章(Glasser et al., Nature neuroscience, 2015)。开发者在GitHub上提供了读写的MATLAB工具包，可在此处下载：https://github.com/Washington-University/cifti-matlab。&lt;/p&gt;</description></item><item><title>Singularity-05-Matlab&amp;fmriprep</title><link>https://isangfeng.github.io/posts/2022/2022-02-21-singularity5/</link><pubDate>Mon, 21 Feb 2022 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2022/2022-02-21-singularity5/</guid><description>&lt;h2 class="relative group"&gt;运行MATLAB
 &lt;div id="运行matlab" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e8%bf%90%e8%a1%8cmatlab" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h2&gt;
&lt;p&gt;使用matlab镜像运行matlab可使用如下命令：&lt;/p&gt;</description></item><item><title>下载templateflow</title><link>https://isangfeng.github.io/posts/2022/2022-02-18-templateflow/</link><pubDate>Fri, 18 Feb 2022 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2022/2022-02-18-templateflow/</guid><description>&lt;p&gt;templateflow中包含了一些典型的神经影像脑模版，可在fmriprep等工具中使用。本文主要介绍如何下载templateflow。&lt;/p&gt;</description></item><item><title>Singularity-04-安装MATLAB</title><link>https://isangfeng.github.io/posts/2022/2022-02-17-singularity4/</link><pubDate>Thu, 17 Feb 2022 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2022/2022-02-17-singularity4/</guid><description>&lt;p&gt;以下是记录本人在使用学院高性能计算平台运行singularity中遇到的问题以及相应的解决方法，不一定适用于其他场景。&lt;/p&gt;</description></item><item><title>确定图像中的cluster</title><link>https://isangfeng.github.io/posts/2022/2022-01-19-findcluster/</link><pubDate>Wed, 19 Jan 2022 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2022/2022-01-19-findcluster/</guid><description>&lt;h1 class="relative group"&gt;问题
 &lt;div id="问题" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e9%97%ae%e9%a2%98" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h1&gt;
&lt;p&gt;我们在对神经影像数据做完统计后（例如ICA），会得到相应的mask二值文件。但是有些情况下，我们还需要进一步对mask中每一个cluster进行分析（例如计算mask中每个cluster之间的功能连接）。所以我们需要从mask文件中得到每一个cluster。由于没有想到有哪个现成的工具包可以解决上述的问题。因此，本文试图用自己的方式去解决上述的问题。&lt;/p&gt;</description></item><item><title>Python for Neuroimage data</title><link>https://isangfeng.github.io/posts/2021/2021-11-20-pythonforneuroimage/</link><pubDate>Sat, 20 Nov 2021 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2021/2021-11-20-pythonforneuroimage/</guid><description>&lt;h2 class="relative group"&gt;DICOM文件
 &lt;div id="dicom文件" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#dicom%e6%96%87%e4%bb%b6" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h2&gt;
&lt;p&gt;DICOM格式是医学成像设备输出的统一的文件格式，它包含数据头信息和数据信息两部分。其中头信息包含扫描设备的信息以及被试的信息等，另外还包括其他关于数据的元信息。数据部分是扫描设备采集到扫描物体的信号值。&lt;/p&gt;</description></item><item><title>周总结-自定义Colormap/误差棒柱状图</title><link>https://isangfeng.github.io/posts/2021/2021-11-19-weeklysummary/</link><pubDate>Fri, 19 Nov 2021 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2021/2021-11-19-weeklysummary/</guid><description>&lt;h3 class="relative group"&gt;自定义Colormap
 &lt;div id="自定义colormap" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e8%87%aa%e5%ae%9a%e4%b9%89colormap" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h3&gt;
&lt;p&gt;在一些场景下，我们需要自己构造数字与颜色的对应关系。比如，我们在探究每个ROI随龄变化的趋势时，我们需要将回归方程中年龄的系数展示在脑图上。朴素的想法是，我构造一个关于系数与颜色的映射关系，给定某一系数，就返回相应的颜色。实现方法如下：&lt;/p&gt;</description></item><item><title>Toolbox for WMH</title><link>https://isangfeng.github.io/posts/2021/2021-11-07-wmh/</link><pubDate>Sun, 07 Nov 2021 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2021/2021-11-07-wmh/</guid><description>&lt;h2 class="relative group"&gt;介绍
 &lt;div id="介绍" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e4%bb%8b%e7%bb%8d" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h2&gt;
&lt;p&gt;白质高信号（white matter hyperintensity, WMH）是一种因脑白质病变导致的、在T2 Flari像上表现为高灰质值的现象。在相关研究中，确定白质高信号区域是一个基本的问题。一般认为，由专业的影像科医生或受过培训的人员手动分割的结果是金标准。然而，手动分割费时费力。因而，研究者提出了许多自动半自动的分割工具。本文将对几种常用的白质高信号自动分割工具的用法进行简单介绍。&lt;/p&gt;</description></item><item><title>数据可视化：和弦图</title><link>https://isangfeng.github.io/posts/2021/2021-09-19-deomcharticulator/</link><pubDate>Sun, 19 Sep 2021 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2021/2021-09-19-deomcharticulator/</guid><description>&lt;p&gt;和弦图用于展示不同实体之间的关系，在脑网络研究中也经常使用。本文将介绍一个绘制和弦图的网站并演示其用法。&lt;/p&gt;</description></item><item><title>文献总结-从儿童期到青少年期结构共变网络的改变</title><link>https://isangfeng.github.io/posts/2021/2021-09-12-papersummary/</link><pubDate>Sun, 12 Sep 2021 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2021/2021-09-12-papersummary/</guid><description>&lt;p&gt;期刊：Scientific Reports, (2021)11:9415&lt;/p&gt;
&lt;p&gt;&lt;figure&gt;&lt;img
 class="my-0 rounded-md"
 loading="lazy"
 decoding="async"
 fetchpriority="low"
 alt=""
 src="./img/fig-01.png"
 &gt;&lt;/figure&gt;
&lt;!-- --&gt;&lt;/p&gt;

&lt;h2 class="relative group"&gt;摘要
 &lt;div id="摘要" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e6%91%98%e8%a6%81" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h2&gt;
&lt;p&gt;结构共变（SCN）是指在群体水平上不同大脑区域形态学指标之间的相关。它可以为发育期功能性网络模块的形成提供皮层结构的信息。本研究探究了从儿童期到青少年期大脑结构共变网络的变化模式，而这一时期会发生明显的大脑结构性的重组。本研究的被试在他们8.5岁到14.5岁之间进行了核磁扫描。研究者使用滑动时间窗方法选择一组被试作为“age-bin”，在每个“age-bin”上建模得到结构共变网络。之后，研究者使用广义加性模型（GAM）检查网络属性的随龄变化模式。结果显示了平均连接强度和网络密度的非线性变化轨迹。这表明在青少年早期阶段存在一段皮层结构属性趋同的时期，对应于前人研究中的脑区特异化现象。在儿童后期，感觉运动区域出现了一些“Hub”脑区。然而，到了青少年中期，联合皮层中的“Hub”节点范围和强度都出现了增加。此外，这些脑区水平的改变与发育期皮层变薄的速率相关。在对典型功能性网络连接的研究中发现，额顶、默认和注意网络均表现出了网络内部和网络之间共变性的随龄增加。本研究发现的脑区和脑网络层面上的发育模式，与青少年早期社会情绪和其他通过高级认知网络支持的复杂执行功能，在这一时期发生的一系列改变是一致的。&lt;/p&gt;</description></item><item><title>周总结-并行/annot文件/ggplot2字体</title><link>https://isangfeng.github.io/posts/2021/2021-09-03-weeklysummary/</link><pubDate>Fri, 03 Sep 2021 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2021/2021-09-03-weeklysummary/</guid><description>&lt;h2 class="relative group"&gt;Python并行处理
 &lt;div id="python并行处理" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#python%e5%b9%b6%e8%a1%8c%e5%a4%84%e7%90%86" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h2&gt;
&lt;p&gt;Python 中的concurrent包提供了对于并行运行的接口，包括进程级并行和线程级并行。下面是一个例子。&lt;/p&gt;</description></item><item><title>周总结-GRETNA/CAT12</title><link>https://isangfeng.github.io/posts/2021/2021-08-30-weeksummary/</link><pubDate>Mon, 30 Aug 2021 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2021/2021-08-30-weeksummary/</guid><description>&lt;p&gt;本文记录了上周笔者在使用GRETNA和CAT12中遇到的一些问题和想法。&lt;/p&gt;</description></item><item><title>Python作图-Heatmap</title><link>https://isangfeng.github.io/posts/2021/2021-08-22-heatmap/</link><pubDate>Sun, 22 Aug 2021 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2021/2021-08-22-heatmap/</guid><description>&lt;p&gt;本文用于记录笔者在使用seaborn绘制heatmap中遇到的一些问题和解决方法。&lt;/p&gt;</description></item><item><title>远程Jupyter Notebook设置</title><link>https://isangfeng.github.io/posts/2021/2021-06-24-remotejupyter/</link><pubDate>Thu, 24 Jun 2021 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2021/2021-06-24-remotejupyter/</guid><description>&lt;p&gt;通过Jupyter可以使用远端服务器的计算资源，以下是设置步骤。&lt;/p&gt;</description></item><item><title>Python函数参数中的“*”</title><link>https://isangfeng.github.io/posts/2021/2021-06-17-python/</link><pubDate>Thu, 17 Jun 2021 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2021/2021-06-17-python/</guid><description>&lt;p&gt;Python中，*除了可用于乘法和乘方运算外，还可以把它放在函数形式参数的前面，用来传递多个参数或进行参数的拆解。下面简单介绍后者的用法。&lt;/p&gt;</description></item><item><title>医学影像技术笔记-01-DICOM文件方向</title><link>https://isangfeng.github.io/posts/2021/2021-06-02-mi-01/</link><pubDate>Wed, 02 Jun 2021 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2021/2021-06-02-mi-01/</guid><description>&lt;p&gt;本文为B站up主&lt;a href="https://space.bilibili.com/475985153?spm_id_from=333.788.b_765f7570696e666f.1" target="_blank" rel="noreferrer"&gt;@智能医学成像-贾广&lt;/a&gt;相关视频的笔记。&lt;/p&gt;
&lt;p&gt;&lt;strong&gt;DICOM&lt;/strong&gt; (Digital Imaging and Communications in Medicine) 是医学成像领域通用的数据格式，被广泛应用于各种医学成像设备当中，包括但不限于CT、超声、核磁共振等设备。&lt;/p&gt;</description></item><item><title>Singularity-03-创建镜像</title><link>https://isangfeng.github.io/posts/2021/2021-06-01-singularity3/</link><pubDate>Tue, 01 Jun 2021 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2021/2021-06-01-singularity3/</guid><description>&lt;p&gt;在Windows 10的Linux子系统（&lt;strong&gt;WLS&lt;/strong&gt;）中安装singularity(version=2.6.0)，并创建镜像。&lt;/p&gt;</description></item><item><title>Linux-sudo xxx 无法找到命令</title><link>https://isangfeng.github.io/posts/2021/2021-05-31-linuxbugs/</link><pubDate>Mon, 31 May 2021 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2021/2021-05-31-linuxbugs/</guid><description>&lt;h3 class="relative group"&gt;问题描述
 &lt;div id="问题描述" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e9%97%ae%e9%a2%98%e6%8f%8f%e8%bf%b0" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h3&gt;
&lt;p&gt;安装singularity后，将其安装路径通过.bashrc文件添加进PATH，并重新载入.bashrc. 尝试运行singularity，正常可用。但运行sudo singularity时，提示无法找到此命令。&lt;/p&gt;</description></item><item><title>使用CAT12可视化皮层Surface指标</title><link>https://isangfeng.github.io/posts/2021/2021-05-27-visualizationsurferbycat/</link><pubDate>Thu, 27 May 2021 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2021/2021-05-27-visualizationsurferbycat/</guid><description>&lt;p&gt;&lt;a href="http://141.35.69.218/cat/index.html" target="_blank" rel="noreferrer"&gt;CAT12&lt;/a&gt;作为一种常用的神经影像数据处理和分析工具包，它提供了很多实用的功能，包括但不限于完整的VBM和SBM分析模块以及相关的统计模块。这里简单记录一下笔者使用&lt;a href="http://141.35.69.218/cat/index.html" target="_blank" rel="noreferrer"&gt;CAT12&lt;/a&gt;在显示皮层厚度时遇到的问题和相应的解决方法。&lt;/p&gt;

&lt;h3 class="relative group"&gt;问题描述
 &lt;div id="问题描述" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e9%97%ae%e9%a2%98%e6%8f%8f%e8%bf%b0" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h3&gt;
&lt;p&gt;&lt;a href="http://141.35.69.218/cat/index.html" target="_blank" rel="noreferrer"&gt;CAT12&lt;/a&gt;的GUI窗口中有个&lt;strong&gt;Display Surface&lt;/strong&gt;的按钮（图1），可以在窗口中通过选择并显示相应的.gii文件（可以显示的文件有&lt;strong&gt;surf/[r|l]h.[sphere|central].name.gii&lt;/strong&gt;）。但是对于重采样后的皮层指标，例如皮层厚度thickness (文件名为&lt;strong&gt;surf/s[fwhm].mesh.thickness.resampled.name.gii&lt;/strong&gt;)，却不能通过相同的方式去显示。&lt;/p&gt;</description></item><item><title>全屏模式Dock栏不消失</title><link>https://isangfeng.github.io/posts/2021/2021-05-26-dock/</link><pubDate>Wed, 26 May 2021 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2021/2021-05-26-dock/</guid><description>&lt;h3 class="relative group"&gt;环境
 &lt;div id="环境" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e7%8e%af%e5%a2%83" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h3&gt;
&lt;blockquote&gt;&lt;p&gt;OS: MacOS Catalina (10.15.7)&lt;/p&gt;</description></item><item><title>Singularity-02-常见问题汇总</title><link>https://isangfeng.github.io/posts/2021/2021-05-20-singularity2/</link><pubDate>Thu, 20 May 2021 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2021/2021-05-20-singularity2/</guid><description>&lt;h2 class="relative group"&gt;ERROR : Base home directory does not exist within the container: /brain
 &lt;div id="error---base-home-directory-does-not-exist-within-the-container-brain" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#error---base-home-directory-does-not-exist-within-the-container-brain" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h2&gt;
&lt;p&gt;用沙盒模式创建镜像，然后以交互方式进入镜像后创建/brain目录。之后将沙盒格式的镜像打包为.img文件即可。&lt;/p&gt;</description></item><item><title>Singularity-01-安装</title><link>https://isangfeng.github.io/posts/2021/2021-05-19-singularity/</link><pubDate>Wed, 19 May 2021 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2021/2021-05-19-singularity/</guid><description>&lt;p&gt;简单来讲，Singularity是一种可以跨平台执行的小型虚拟机。在数据分析时，首先往往要搭建运行环境，比如R，python等。为了保证结果的可靠性，通常要保证跨设备环境的一致性。但是在跨运算设备之间搭建相同的环境是一项比较麻烦的事情。因此，如果只搭建一次环境，就可以在各个设备上使用，就比较轻松了。Singularity和Docker就提供了这样的功能。笔者在这里使用Singularity&lt;a href="https://singularity.lbl.gov/index.html" target="_blank" rel="noreferrer"&gt;1&lt;/a&gt;，版本为2.4.6。&lt;/p&gt;</description></item><item><title>作图-R语言中的冲击图(Alluvial)</title><link>https://isangfeng.github.io/posts/2021/2021-05-08-alluvialdiagram/</link><pubDate>Sat, 08 May 2021 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2021/2021-05-08-alluvialdiagram/</guid><description>&lt;p&gt;冲击图可以非常直观地描述一组观测值的多个离散变量的情况。&lt;/p&gt;
&lt;p&gt;R语言中生成冲击图需要依赖包&lt;strong&gt;ggalluvial&lt;/strong&gt;. 使用以下代码安装依赖包。&lt;/p&gt;</description></item><item><title>文献笔记-大脑功能网络的分离与整合</title><link>https://isangfeng.github.io/posts/2021/2021-05-05-papernote-segregated/</link><pubDate>Wed, 05 May 2021 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2021/2021-05-05-papernote-segregated/</guid><description>&lt;h3 class="relative group"&gt;Title
 &lt;div id="title" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#title" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h3&gt;
&lt;blockquote&gt;&lt;p&gt;Segregated systems of human brain networks&lt;/p&gt;</description></item><item><title>R语言基本统计</title><link>https://isangfeng.github.io/posts/2021/2021-05-04-r-basic-statistic/</link><pubDate>Tue, 04 May 2021 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2021/2021-05-04-r-basic-statistic/</guid><description>&lt;p&gt;本文为笔者在学习b站up主@&lt;a href="https://space.bilibili.com/43536169?spm_id_from=333.788.b_765f7570696e666f.1" target="_blank" rel="noreferrer"&gt;学术数据分析及可视化&lt;/a&gt;相关视频的笔记。文中只是笔者个人的理解，描述也只是便于自己理解。在使用相关内容时，还需要进一步查看相关的手册或帮助文档。&lt;/p&gt;

&lt;h2 class="relative group"&gt;相关
 &lt;div id="相关" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e7%9b%b8%e5%85%b3" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h2&gt;
&lt;p&gt;cor()用于计算两个向量的相关系数。ggm::pcor()用于计算偏相关系数。这两个函数只能计算相关系数。cor.test(), psych::cor.test和psych::pcor.test()分别计算相关系数和偏相关系数及其显著性检验的结果。&lt;/p&gt;</description></item><item><title>作图-ggplot2中的直方图和条形图</title><link>https://isangfeng.github.io/posts/2021/2021-04-19-barplot/</link><pubDate>Mon, 19 Apr 2021 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2021/2021-04-19-barplot/</guid><description>&lt;p&gt;本文用于记录ggplot2作图相关的代码，会不定期更新。&lt;/p&gt;
&lt;p&gt;示例数据格式为&lt;/p&gt;</description></item><item><title>文献笔记-大脑功能网络中体现的左右半球和性别差异</title><link>https://isangfeng.github.io/posts/2021/2021-04-18-papernote/</link><pubDate>Sun, 18 Apr 2021 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2021/2021-04-18-papernote/</guid><description>&lt;h2 class="relative group"&gt;Title
 &lt;div id="title" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#title" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h2&gt;
&lt;blockquote&gt;&lt;p&gt;Hemisphere- and gender-related differences in small-world brain networks: A resting-state functional MRI study&lt;/p&gt;</description></item><item><title>文献笔记-抑郁症大脑功能网络拓扑属性的改变</title><link>https://isangfeng.github.io/posts/2021/2021-04-16-papernote/</link><pubDate>Fri, 16 Apr 2021 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2021/2021-04-16-papernote/</guid><description>&lt;h3 class="relative group"&gt;Title
 &lt;div id="title" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#title" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h3&gt;
&lt;blockquote&gt;&lt;p&gt;Disrupted Brain Connectivity Networks in Drug-Naive, First-Episode Major Depressive Disorder&lt;/p&gt;</description></item><item><title>什么是效应量？</title><link>https://isangfeng.github.io/posts/2021/2021-04-14-effectsize/</link><pubDate>Wed, 14 Apr 2021 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2021/2021-04-14-effectsize/</guid><description>&lt;p&gt;统计当中，假设检验和P值可以给我们提供关于假设为真的可能性。例如双样本t检验可以报告两组样本所对应总体均值存在差异的可能性。若可能性小于一个比较小的值（通常设置为0.05），那我们认为在&lt;em&gt;一次&lt;/em&gt;试验中，小概率事件不可能发生，所以拒绝零假设成立。但是我们只是知道了这两组有多大的概率相等，并不知道两组具体有多大的差异。因此我们需要引入效应量的概念。&lt;/p&gt;</description></item><item><title>fMRI上广义线性模型建模简述</title><link>https://isangfeng.github.io/posts/2021/2021-04-09-fmriglm/</link><pubDate>Fri, 09 Apr 2021 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2021/2021-04-09-fmriglm/</guid><description>&lt;p&gt;在对&lt;strong&gt;fMRI&lt;/strong&gt;数据，尤其是&lt;strong&gt;task-fMRI&lt;/strong&gt;数据进行分析的时候，利用广义线性模型进行建模是很重要的一步。这里简单记录一下自己关于这部分的理解。&lt;/p&gt;</description></item><item><title>移动硬盘图标异常</title><link>https://isangfeng.github.io/posts/2021/2021-04-08-iconabnormal/</link><pubDate>Thu, 08 Apr 2021 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2021/2021-04-08-iconabnormal/</guid><description>&lt;p&gt;&lt;u&gt;&lt;strong&gt;问题描述&lt;/strong&gt;&lt;/u&gt;：访达侧边栏移动硬盘的图标显示如图1，感觉是不正常的显示。图2为正常显示的图标。&lt;/p&gt;</description></item><item><title>全屏模式下iTerm2标题栏闪动</title><link>https://isangfeng.github.io/posts/2021/2021-04-07-iterm2/</link><pubDate>Wed, 07 Apr 2021 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2021/2021-04-07-iterm2/</guid><description>&lt;h2 class="relative group"&gt;起因
 &lt;div id="起因" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e8%b5%b7%e5%9b%a0" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h2&gt;
&lt;p&gt;在更新&lt;strong&gt;BigSur&lt;/strong&gt;之后的某一天，突然发现&lt;strong&gt;iTerm2&lt;/strong&gt;在全屏模式下，顶部不时会出现一条白色的线闪动。后来在一个论坛里面看到有人说貌似是系统的问题。但是很奇怪，室友的电脑上就没有这样的情况。中间也试过重装系统（PS：强迫症重度患者），但还是会出现。&lt;/p&gt;</description></item><item><title>利用blogdown建立个人博客</title><link>https://isangfeng.github.io/posts/2021/2021-04-04-blogdown/</link><pubDate>Sun, 04 Apr 2021 00:00:00 +0000</pubDate><guid>https://isangfeng.github.io/posts/2021/2021-04-04-blogdown/</guid><description>&lt;h2 class="relative group"&gt;准备工作
 &lt;div id="准备工作" class="anchor"&gt;&lt;/div&gt;
 
 &lt;span
 class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"&gt;
 &lt;a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e5%87%86%e5%a4%87%e5%b7%a5%e4%bd%9c" aria-label="锚点"&gt;#&lt;/a&gt;
 &lt;/span&gt;
 
&lt;/h2&gt;
&lt;p&gt;安装RStudio和R包blogdown。&lt;/p&gt;</description></item></channel></rss>