BrainNet Viewer是一个基于MATLAB的可视化工具，适合于展示基于图论的脑网络分析结果。
文献阅读:去除funtional connectivity MRI中的头动噪声
自从Power et al. (2012)等研究表明头动对于估计功能连接的负面影响后，关于头动噪声的处理可能是fMRI数据分析中审稿人最为关注的一部分，特别是在发展和临床研究中。这里分享一篇2018年发表在Nature Protocols上的文章，该文章提出了一个去除functional connectivity MRI中头动噪声的最佳方案。
使用SimTB生成模拟fMRI数据
SimTB是一个生成模拟fMRI数据的MATLAB工具包，这里介绍它的原理和基本用法。
实现TFCE校正的三种方法
TFCE(Threshold Free Cluster Enhancement)是一种比较流行的多重比较校正方法，这里介绍三种实现TFCE校正的方法，包括FSL的randomise命令、基于SPM的TFCE和pTFCE插件。
在GIFT中标记成分
总结GIFT工具包中提供的与标记独立成分有关的三个小工具。标记成分是为了找到我们感兴趣的成分，为后续分析做准备。
CAT拾遗(2)
总结如何使用CAT进行基于皮层的形态学分析(Surface-Based Morphometry)，包括估计皮层指标(厚度、沟回指数、沟深、复杂度等)、平滑和重采样、统计分析和可视化。
使用xjview进行可视化
使用xjview进行可视化的基本操作总结。
使用IVA-GL和GIG-ICA进行独立成分分析
IVA-GL和GIG-ICA是GIFT (http://mialab.mrn.org/software/gift/) 提供的两种分析fMRI数据的算法，相比于经典做法，这两种算法在理论上能更好地分离个体变异。