DPARSF视频笔记.docx

ReHo: Regional Homogeneity (局部一致性)关注的是：哪些区域的ReHo显著高于全脑均值。加全脑mask，若选Default则使用的是epi预置的mask，概率50%；若自定义mask，需要关心是不是61*73*61，若不是则需要对mask重采样。使用DPARSF计算：选Mask;选多少体素计算ReHo；选上smReHo表示算完ReHo后做平滑；ALFF（低频振幅）fALFF(低频振幅比例)脑室的能量低频、高频都比较高，而PCC只有低频较高，所以fALFF表示低频除以整个频段的能量，可以起到对脑室的抑制作用。然而fALFF敏感性、可重复性都不如ALFF步骤：（REST）加数据、选mask、选频段（DPARSF）选mask，勾选ALFF/FALFF，选频段Regress out nuisance covariates（不懂……）(去除协变量：先提取，再去除)REST:utility-extract covariates-roi-predefined_roi功能连接Voxel-wise:先定义一个体素，看跟其他区域的相关系数ROI-wise：定义两个感兴趣区，看二者的相关系数利用REST计算：voxelwise-选择ROI（Spherical ROI或Predefined ROI）例子：球形-XYZ坐标-半径-view ROI（检查定义的ROI）用SPM的预处理步骤转换格式：DICOM-NIFTI利用DICOMimport按钮SliceTiming: 时间校正，消除每层之间采集时刻不同而造成的误差层数：可通过display来看，其中的z坐标即层数层序：根据是否是隔层扫描自定参考层：选择位于采集时序中间的层（增加前缀：a）头动校正：采用时间校正后的文件增加前缀：r（其他值：如不确定，可使用默认值）Quality: Quality versus speed trade-offSmoothing(FWHM): 常用8mm或5mm（默认值）Num Passes: For fMRI, usually registered to the first image.生成一个rp打头的txt文件，前三列表示xyz方向平动个，后三列表示三方向转动（弧度制）输入命令行：b=load(‘rp_af3T004022-0004-00001-000001-01’) (生成的txt的文件名);读取矩阵c=max(abs(b));c(4:6)=c(4:6)*180/pi;%(弧度转换为角度)以上命令行可以看到每个方向平动、转动的最大值配准：Coregister-Estimate目的：把结构像和功能像相结合，提高分辨率：由于功能像和结构像是转动、平动的线性关系，将旋转矩阵存储到结构像中，可以实现配准Reference Image: 用空间矫正后的mean文件（img）Source Image: 用结构像(img)图像分割（Segment）把大脑的原始图像分成灰质、白质和脑脊液，再去跟功能像配准data-解剖像cleanup-light cleanAffine Regularisation——视频作者推荐用European Brains，理由是其比较可信，Asian模板原始数据较少Normalise标准化——将所有大脑放到一个标准空间两种方法，推荐用第二种：利用结构像分割后的信息进行空间标准化配准：将结构像变换到功能像对其进行分割得到灰质、白质和脑脊液，得到标准化用的矩阵（在解剖像中的.hdr文件，可以发现其修改时间已经改变，是在coregister时候已经改过了）利用那个矩阵进行标准化（具体不是很懂……）步骤：Normalise——writesubject: new subject parameter: 结构像中的sn.mat的文件（另一个inv.sn.mat是表示如何从标准空间往功能空间配准）Images to write：结构像中的“ms-”文件 Bounding box 改大：-90 -126 -72 90 90 108 Voxel size：用[3 3 3]（因实验而定）重复上述过程，将images to write 改成r开头的新生成的文件，其他参数不变增加前缀“w-“平滑smooth将刚刚生成的标准化功能像进行smooth（w开头的文件），FWHM根据实验要求自行选择。增加前缀”s-“预处理完成First level 参数估计（Within the subject）First level选择目录（结构即可）Units for design ：事件：scansBlock: Seconds（在视频中，该实验为事件相关，采用scan方式）Interscan interval: TR下面两个参数除非TR很长的时候才变Dat