1、下载安装ProNTo
下载之前需要提交表单
提交表单之后即可下载一系列版本
我的版本(2.1.1)
2、打开MATLAB
设置路径(set path)找到下载的ProNTo的位置保存然后关闭
MATLAB中输入pronto,出现button
3、创建存放结果的文件夹。
MATLAB打开文件所在位置,点击button中的Data&Design按钮,在弹出的新button中Browse选择刚才创建的存放结果的文件夹。路径中不要有中文和空格。
第一列是分配组
第二列是主题
第三列是周围的模式,点击ADD
Name:是什么样的数据,点击Enter new 新建name
Design:
Load SPM.mat:添加spm.mat文件
Specify design:指定设计,设计矩阵,可以看见添加的不同条件的文件(TR等信息)
Select:选择进行预处理之后的文件(w开头,没有进行平滑的)
可以添加多组
4、Mask
放mask
5、保存并查看结果
Save --> Review
可以看见有多少个组和主题
不同颜色意味着不同的条件
调高HRF时,选择可用的扫描变得更低,因为当你考虑HRF功能的大量方式时,这意味着你可能会在两个不同的contrast之间引入重叠??Pronto做的是直接移除一些扫描,来就咸亨一些不和谐,但是通常设置6s。实验设计如果没有设置短暂的休息时间,那么就看不到变化。完成后可关闭。
主界面会提示你做了什么工作。
点击Save,保存刚才做的设置。当做了修改之后要点击save去保存刚才的设置
生成了一个PRT.mat,在刚才新建的result文件夹中。
设置结束后点击quit退出。
6、准备数据集
在弹出窗口选择PRT.mat
选中文件后新弹出一个button
选择fmri模态,condition选择all condition
Detrend:改变我们可以纠正信号漂移的方式(important),建议Polynomial多项式
Features:特征选择
梭状回
第一次使用mask的时候是全脑mask
Done
给特征选择集合起个名字(FFA_FS)
点击Build kernel查看数据矩阵可以看到处理的信息在命令窗口中打印出来
7、Specify model 确定模型
再次选择PRT.mat
设置Model name
指定模型阶段:Model
选择模型类别 分类和回归
Classification -> define classes
定义类别,类接口
分类的类别数量
选择class
选择我们应该选择的组和条件(可以选择多个)
Done
选择机器学习分类模型
使用交叉验证 优化参数
Cross-Validation Scheme 选择交叉验证方案
选择交叉验证的文件夹数量
交叉验证阶段:
Specify and run model
8、Display results
得到结果
此处关注点赞加收藏!(wink~)