Analysis of Functional NeuroImages ( AFNI ) es un entorno de código abierto para procesar y mostrar datos de resonancia magnética funcional , una técnica para mapear la actividad del cerebro humano.
AFNI es una aglomeración de programas que se pueden usar de forma interactiva o se pueden ensamblar de manera flexible para el procesamiento por lotes mediante scripts de shell . El término AFNI se refiere tanto a la suite completa como a un programa interactivo en particular que se usa a menudo para la visualización. AFNI es desarrollado activamente por NIMH Scientific and Statistical Computing Core y sus capacidades se expanden continuamente.
AFNI se ejecuta en muchos sistemas operativos similares a Unix que proporcionan bibliotecas X11 y Motif , incluidos IRIX , Solaris , Linux , FreeBSD y OS X. Los binarios precompilados están disponibles para algunas plataformas. AFNI está disponible para uso de investigación bajo la Licencia Pública General GNU . AFNI ahora comprende más de 300.000 líneas de código fuente C , y un programador de C experto puede agregar funciones interactivas y por lotes a AFNI con relativa facilidad.
AFNI se desarrolló originalmente en el Medical College of Wisconsin a partir de 1994, en gran parte por Robert W. Cox. Cox llevó el desarrollo al NIH en 2001 y el desarrollo continúa en el Núcleo de Cómputo Científico y Estadístico del NIMH. [1] En un artículo de 1995 que describe la justificación del desarrollo del software, Cox escribió sobre los datos de resonancia magnética funcional: "El volumen de datos recopilados es muy grande, y es esencial que las herramientas fáciles de usar para la visualización y el análisis de la activación 3D los mapas estén disponibles para los investigadores de neurociencia". [2] Desde entonces, AFNI se ha convertido en una de las herramientas de análisis más utilizadas en la investigación de fMRI, junto con SPM y FSL . [3]
Aunque AFNI inicialmente requería una gran cantidad de secuencias de comandos de shell para ejecutar tareas, las secuencias de comandos por lotes prefabricadas y las mejoras en la interfaz gráfica de usuario (GUI) han hecho posible desde entonces generar análisis con menos secuencias de comandos de usuario. [4]
Una de las ofertas iniciales de AFNI mejoró el enfoque para transformar los escaneos de cerebros individuales en un espacio estandarizado compartido. Dado que el cerebro individual de cada persona es único en tamaño y forma, comparar varios cerebros requiere deformar (rotar, escalar, etc.) los cerebros individuales en una forma estándar. Desafortunadamente, los datos de resonancia magnética funcional en el momento del desarrollo de AFNI tenían una resolución demasiado baja para transformaciones efectivas. En su lugar, los investigadores utilizan escáneres cerebrales anatómicos de mayor resolución, a menudo adquiridos al comienzo de una sesión de imágenes.