忽然发现以前学习的gretna相关文章都收费了QaQ，于是自己扒gretna的手册写点笔记。
本文从gretna手册第6章开始，介绍软件操作，前面的fMRI预处理以及构建功能连接网络可以参考其他文章。
1.”add”选中要使用的连接矩阵
Group ID可以指定分组（选好gretna会把结果按组整理）
选定输出结果存放位置
2.无论计算哪个网络指标，都需要考虑以下参数
①sign
虽然目前有研究表示一些特定的功能连接模式之间是负相关的，但是这种负相关可能是由全脑信号回归（这一步操作目前还有争议）导致的。对于网络拓扑学来说，负相关对于TRT可靠度（Test-Retest）有着决定性的效果并且表现出与正相关不同的组织模式。因此gretna提供三种选项来决定网络连接分析的对象。
positive-只纳入正相关连接
negtive-只纳入负相关连接的绝对值
absolute-都纳入，取绝对值
②Threshlod method
可以选Network Sparsity或者Value of Matrix Element
Network Sparsity
阈值定义为实际边数除以网络中最大可能边数的比率。对于相同节点数网络，固定稀疏阈值可以确保相同数量的边，通过对每个网络应用特定阈值，可以检查
相对网络组织
。
Value of Matrix Element
可以人为定义一个阈值，以便使权重大于给定阈值的连接被保留，其他阈值被忽略，这种方法允许检查
绝对组织网络
，请注意：相同连通性强度阈值可能生成网络中的边数不同，可能会混淆网络拓扑中的组间比较。
这两个阈值策略是互补的，共同为测试网络提供了全面的方法。最后，鉴于缺乏选择单个阈值的明确方法，研究人员可以输入一系列连续阈值来研究网络属性
网络稀疏度Threshold sequence如何计算
（内容参考自up主：百度真难用）
赞同，百度确实难用
初探gretna_哔哩哔哩_bilibili
对预处理有问题的可以看这个视频，点赞投币支持下这个up
首先调用函数文档，里面有介绍
doc gretna_get_rmax
根据你选择的模板，例如我用164*164，随机构建一个N=164*164，计算得到稀疏度下限smin=0.03（如果你是aal 90，那么下限0.05）
[~,smin,~]=gretna_get_rmax(rand(164,164))
（因为我们方法是用网络稀疏度，所以只取中间的smin）
***建议第一次只跑small world，看看结果，根据sigma值（要远大于1）看下被试是否满足小世界
然后根据这个结果再来调整threshold sequence的参数（步长及最大值）先给0.05:0.01:0.5跑
***如何判断设置的threshold sequence是否合适
跑完后做单样本T检验，放入一组的Sigma all thres文件
base 因为单样本T是与一个固定值比较，因此base设成大于1的数 比如1.1
跑完以后分析结果：
thrd=load(‘T1_PThrd.txt’);
Pvec=load(‘T1_PVector.txt’);
需要看46个阈值是否都0.05
find(Pvec>0.05)
输出空向量，即表示Threshold sequence选择合适
③Network type
binary 二值化网络分析，可以减少网络分析的复杂性，但是忽略了阈值强度以下的连接，因此难以识别一些微弱的网络组织模式
weighted 加权网络分析
④Random Network
将人脑网络与随机网络进行比较，来检测人脑网络指标是否具有显著非随机的拓扑学特征
一般就用100 不用改
***常用指标（全局指标，每个人只有一个，最后只做一次T检验不用多重比较矫正）
一般分析完以后，用a开头文件进行后续分析
有的指标文件夹会给出每个阈值下的结果，根据需求使用
***Queque用几个核跑（一般4、5）
看完啦点个赞吧(*^▽^*)