BrainNet

功能磁共振脑网络动力学分析计算平台

基于 Claude AI 编排的多策略 fMRI 脑功能连接分析系统

---

BrainNet 是一个面向神经影像科研人员的端到端 fMRI 脑网络分析平台。从数据获取、预处理、静态/动态功能连接分析到交互式可视化，提供完整的自动化工作流。平台内置深色科学主题全中文 Web 界面，集成 Claude AI 智能对话引擎。

快速开始

git clone https://github.com/zxzok/brainnet.git && cd brainnet
pip install -e .
python web_app.py

访问 http://localhost:6525，点击「进入控制台」开始使用。

---

控制台总览

控制台是平台的核心工作区，提供全局数据概览：

• 统计面板 — 被试数量、数据集、已完成分析、AI 状态一目了然
• 快捷入口 — AI 对话分析、被试管理、数据中心、分析结果快速跳转
• 最近被试 — 最新添加的被试及诊断信息，支持直接查看详情
• 分析能力卡片 — 静态连接性、动态分析、AI 编排器三大核心功能说明

---

被试管理

完整的被试生命周期管理 被试编号自动关联 BIDS 格式（sub-01 ~ sub-N） 记录年龄、性别、诊断等临床信息 支持添加、编辑、查看详情 被试详情页展示所有关联影像和分析结果 一键上传 MRI 影像并触发分析

---

数据中心与 OpenNeuro 集成

公共数据集一站式管理 内置 OpenNeuro 公共数据集搜索引擎 一键下载，后台异步执行 支持 BIDS 格式自动解析 数据集卡片展示模态、任务、被试数等元信息 下载完成后直接进入浏览和分析

---

计算特征与分析结果

平台自动提取 18+ 种脑网络特征，涵盖静态图论指标和动态时间指标：

静态指标	动态指标
Pearson 功能连接矩阵	滑动窗口动态连接
度中心性、介数中心性	K-means 状态聚类
聚类系数、全局/局部效率	HMM 状态推断
模块度、小世界属性	状态占用率、驻留时间
网络密度、平均路径长度	转移概率矩阵

特征详情页提供连接矩阵热图、动态状态时间线、占用率/驻留时间柱状图等交互式可视化。

---

AI 智能对话

Claude 驱动的分析编排器 集成 Anthropic Claude 大语言模型，提供 9 种内置工具： load_dataset — 加载数据集 preprocess — 执行预处理 static_connectivity — 静态连接分析 dynamic_connectivity — 动态连接分析 extract_features — 特征提取 compare_strategies — 多策略比较 generate_report — 生成分析报告 用自然语言描述分析目标，AI 自动设计流水线、执行计算、比较方案。

---

系统设置

零环境变量配置 无需命令行设置环境变量，通过 Web 界面即可完成所有配置： 访问 console.anthropic.com 获取 API 密钥 在设置页面粘贴密钥并保存 密钥加密存储在本地数据库，不上传外部服务器 支持随时更新或清除密钥。

---

分析流水线

BIDS 数据集 / NIfTI 文件
        │
        ▼
┌─────────────────┐
│   数据索引       │  DatasetIndex：发现被试、会话、运行
└───────┬─────────┘
        ▼
┌─────────────────┐
│   预处理         │  空间平滑 → 时间滤波 → 去噪回归 → ROI 提取
└───────┬─────────┘
        ▼
┌─────────────────┐     ┌──────────────────────┐
│  静态连接分析    │     │  动态连接分析          │
│                 │     │                      │
│ Pearson 相关    │     │ 滑动窗口 + K-means    │
│   → 连接矩阵    │     │ 或 HMM / CAP         │
│   → 图论指标    │     │   → 状态序列          │
└───────┬─────────┘     └──────────┬───────────┘
        └────────────┬─────────────┘
                     ▼
           ┌──────────────────┐
           │  结果存储与可视化  │
           │                  │
           │ SQLite 特征数据库 │
           │ Plotly 交互图表   │
           │ Claude AI 解读   │
           └──────────────────┘

命令行工具

# 处理本地 BIDS 数据集
brainnet-cli /path/to/bids --subject 01 --task rest

# 从 OpenNeuro 下载并处理
brainnet-cli --openneuro-id ds000114 --subject 01 --task rest

# 查看分析计划（不执行）
brainnet-cli --describe-plan /path/to/bids --subject 01 --task rest

技术栈

层	技术
Web 框架	Flask + Jinja2
前端	CSS 自定义属性设计系统 · Noto Sans SC · Plotly.js
数据分析	NumPy · SciPy · Pandas · scikit-learn · NetworkX
神经影像	nibabel · nilearn
AI 引擎	Anthropic Claude (SSE 流式)
数据源	OpenNeuro GraphQL API
测试	pytest (47 tests) · ruff (lint)
CI/CD	GitHub Actions

系统要求

• Python 3.10+
• 操作系统 Linux / macOS / Windows
• 可选外部工具 FSL / ANTs / SPM（仅高级预处理需要）

可选依赖

包	用途
hmmlearn	隐马尔可夫模型分析
plotly	交互式可视化报告
datalad	大文件断点续传下载
anthropic	Claude AI 对话功能

许可证

本项目仅用于研究和教学目的。