静息态功能磁共振成像(rs-fMRI)原理与数据分析学习笔记（8）：Statistical Analysis

视频来自：8_StatisticalAnalysis_哔哩哔哩_bilibili

pdf：The R-fMRI Course | The R-fMRI Network

目录

1. 质量控制（Quality Control）

1.1. 软件操作

2. 统计分析（Statistical Analysis）

2.1. 软件操作

2.2. 多重比较矫正（Multiple Comparison Correction）

2.3. Different Multiple Comparison Correction Strategies

2.4. Test-retest Reliability

3. 结果查看（Results Viewing）

3.1. Viewer

1. 质量控制（Quality Control）

1.1. 软件操作

（1）dpabi→Quality Control（⭐这些应该是进行了数据处理之后才有的文件，不是原始数据集）

（2）QC：Raw T1

        ①打开的要是如下.tsv文件，可以修改tsv文件中的数值

（3）QC：Raw Fun：会打开功能影像

（4）QC：Normalization

        ①黄色的线条是白质灰质的边界

        ②在中间QC Comment可以给对于白质灰质分界判断好坏的分数

        ③第二次点QC：Normalization的时候会生成分数框

（5）Threshold QC Score

        ①这个设定得到是分数的下界，所得数据要大于这分数才能进入被统计分析数据

        ②设定完后左边框中小于这些分数的被试都会被排除掉

（6）Generate Group Masks

        ①wAutoMask是MI空间，且根据它可以生成GroupMask

        ②可以在这个文件中输入值，此例为要求90%的被试都cover这个voxel才进入GroupMask（即进入统计分析）

（7）Threshold Coverage

        ①先选择GroupMask

        ②再次对比阈值，如果达到了就保留，否则舍去

（8）Motion Report

        ①显示MeanFD

        ②再点击view显示被试头动大小

 （9）Threshold Motion

        ①被试的平均值和被排除的阈值设置

 （10）最后会生成一个SubjectList把所有不合格的被试都排掉

2. 统计分析（Statistical Analysis）

2.1. 软件操作

（1）dpabi→Statistical Analysis

（2）可以做的统计

（3）One-Sample T-Test

        ①可以看看患者和普通人ALFF的图像差异

        ②在左边栏加入被试，右边是协变量，可以不添加

        ③生成的结果示例

 （4）Two-Sample T-Test

        ①One Sample是没有实际意义的，一般要使用Two-Sample来进行数据分析

        ②在左方添加两个文件夹（值第一组减去第二组的值，所以顺序很有关系）

        ③上图中Covariate Images添加的灰质密度图像，Covariate Images为图像协变量

        ④功能上一般是3*3*3的voxel size，但结构上一般是1*1*1或1.5*1.5*1.5。此时用Utilities→Image Reslicer可以将结构像变成功能像的大小，否则在这不一样大会报错

        ⑤上图中Text Covariates添加了头动，Text Covariates是文本协变量

（5）Paired T-Test

        ①对同一个被试的重复测量，此图是同一被试睁眼闭眼的图像

        ②被试内设计具有很高的说服力，因为排除了组间差异。因此在小样本分析时，尽量用被试内分析

        ③个人一般不需要加协变量，除非加头动

（6）ANOVA or ANCOVA

 

        ①有三组的时候就需要ANOVA，即推断三组之间有两组具有显著差异，避免多重比较

        ②可以直接做ANOVA，也可以在做的时候先做多重比较矫正。看结果可以用Z值

（7）Correlation Analysis

        ①用于有更多组的时候

        ②Correlation Seed Series：和什么做相关

（8）Mixed Effect Analysis

        ①做混合设计，既有被试内因素，也有被试间因素

        ②得到的文件，最重要的是中间那个

 （9）最后在Run左边有Permutation test（PALM）可以勾画上，会跳出来选参框，一般选默认参数就好（但是5000可能太高了）

 

2.2. 多重比较矫正（Multiple Comparison Correction）

（1）概念：尽管一个被试的正确率可能高达0.95，但要保证在极大量下全部被试的全部正确率却会因为0.95^n（n极大）而显著降低

（2）优化

        ①Bonferroni：将p值（一般是0.05或0.01）缩小为p/n（n为检验次数）。但这样p值太小了，即算出来的significant值要＜p/n才算显著。这样很难有显著的差异的样本

        ②False Discovery Rate（FDR）：有很多种方法（太多且复杂就不一一例举，仅给出严老师PPT里给的方法），比Bonferroni更为温和实用。在DPABI_VIEW里Cluster可选FDR矫正

 

 

        ③Family-Wise Error（FWE）：也有很多种办法，如下

        ④Gaussian Random Field Theory Correction（GRF Correction）

        ⑤AlphaSim Correction：不是很推荐

        ⑥Threshold-Free Cluster Enhancement（TFCE）：

 

2.3. Different Multiple Comparison Correction Strategies

 

2.4. Test-retest Reliability

 

3. 结果查看（Results Viewing）

3.1. Viewer

（1）Overlay

（2）Overlay Configure：是阈值设置，可以滑动也可以输入 

（3）Position上面XYZ是坐标，下面IJK是对应代码矩阵的位置

（4）Time Course：显示时间序列

（5）Atlas：看点击的区域是在大脑的什么位置

 

（6）Structure