
<html><head><meta http-equiv="Content-Type" content="text/html; charset=utf-8"></head><body style="word-wrap: break-word; -webkit-nbsp-mode: space; line-break: after-white-space;" class="">Hello!<div class=""><br class=""></div><div class="">I am relatively new to fMRI analysis and trying to use open-source python-based methods to do my work.</div><div class="">I am supposed to run single-subject ICA analysis on 25 subjects, identify 5 resting state networks and look at the averaged low frequency across networks in each subject. </div><div class=""><br class=""></div><div class="">I am using preprocessed images from the human connectome project and running them through nilearn’s module DictLearn. </div><div class="">I asked for 10 components (as the images are already preprocessed). </div><div class=""><br class=""></div><div class="">I had three questions regarding this: </div><div class=""><ol class=""><li class="">Is it correct to create a ‘for’ loop that runs DictLearn on each of the 25 subjects and call this a single-subject analysis? If not, what would be a good way to do single-subject ICA without having to use FSL Melodic?</li><li class="">How can I automatically identify the specific network each component may represent? E.g. component 1 is 90% likely to represent the default mode network, component 2 is 92% likely to represent the salience network, etc</li><li class="">FSL automatically creates power spectrums for each component, how can you do the same in python?</li></ol><div class="">Thank you so much for your help!</div></div><div class="">Silvia</div></body></html>