Cette compétence fournit une orientation au niveau du modèle pour effectuer une décomposition de réseau à l'état de repos via l'Analyse en Composantes Indépendantes (ICA). Elle permet l'extraction de réseaux de connectivité intrinsèques, de cartes de composantes spatiales et de séries temporelles au niveau du sujet à partir de données fMRI à l'état de repos prétraitées.
Activez cette compétence lorsque l'objectif est d'identifier des réseaux cérébraux intrinsèques à partir de la rs-fMRI, d'extraire des séries temporelles spécifiques au sujet pour un clustering en aval, ou d'effectuer une décomposition non supervisée où l'interprétabilité des réseaux spatiaux est privilégiée par rapport à la prédiction du phénotype.
fmri-skill et l'exécution concrète à nilearn-tool via claw-shell.Conçu pour les agents au sein de l'écosystème NeuroClaw ou tout agent de recherche équipé de capacités d'exécution Python et de la bibliothèque Nilearn.
Cette compétence n'a pas encore été examinée par notre pipeline d'audit automatisé.
IBGNN (Interpretable Brain GNN)
Réseau de neurones graphiques interprétable basé sur PyG pour la prédiction de phénotypes de connectome (IRMf), avec MPConv message MLP et support pour l'explication par masque d'arêtes post-hoc.
Skill ASL (Arterial Spin Labeling)
Skill de couche modalité pour le traitement de l'IRM de perfusion Arterial Spin Labeling (ASL) : prétraitement, normalisation M0, quantification du CBF, PVC et QC.