静息态功能磁共振成像(rs-fMRI)原理与数据分析学习笔记（9-10）：DPARSF Output and Reproducibility

天啊我真的很需要一个字幕！！

视频来自：9_DPARSF_Output_哔哩哔哩_bilibili

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

目录

1. DPABI输出文件

1.1. mat类文件

1.2. Img类文件

1.3. 其他类

2. 可再现性

2.1. 简介

2.2. 材料和方法

2.3. 结果

2.4. 讨论

1. DPABI输出文件

1.1. mat类文件

（1）

 

1.2. Img类文件

（1）FunRaw→生成FunImg一系列的（通过后缀分辨）

（2）T1Raw→生成T1Img一系列的（也有一堆有后缀的文件）

1.3. 其他类

（1）RealignParameter：做头动矫正生成的

        ①里面有被排除的文档记录

        ②生成的mean.nii为矫正后的脑影像图，wmean.nii为配准到标准空间的影像

        ③rp开头的文档记录头动参数

（2）ReorientMats：动态调整

        ①功能像调整.mat

        ②结构像调整.mat

（3）QC：在做reorient时的QC打分

（4）SymmetricGroupT1MeanTemplate：所有被试平均的T1影像

（5）结果Results和ResultsS。ResultsS就是相比Results做了一个Smooth（ALFF可以平滑，但是ReHo最好不要平滑）

2. 可再现性

2.1. 简介

（1）大脑有4w多个Voxel，因此假设检验要做四万多次（再次提到了多重比较矫正，但是上次已经统计过了，故这里不再赘述）

（2）置换检验（Permutation Test）

可参考：一张图，足够学会Permutation test置换检验 - 知乎 (zhihu.com)

（3）Thresholds卡得过严会导致可重复性变差

 

（4）神经科学的小样本

 

 小样本节省金钱和时间，并且多重比较的问题不会很严重

2.2. 材料和方法

（1）数据集

        ①Consortium for Reliability and Reprodudcibility（CORR）：会扫两次，第一天扫一次隔几天再扫一次

        ②1000 Functional Connectomes Project（FCP）：只扫一次

        ③Beijing EOEC1

        ④Beijing EOEC2

（2）统计流程

 

（3）Nuisance Regression：去除白质脑脊液信号对灰质信号的影响

 

 （4）R-fMRI指标

 

（5）多重比较矫正策略

 

（6）不同阈值下的假阳性值

 

（7）可信度/可复现性检验

 

（8）样本量增大的影响

 

 

（9）阳性预测值（positive predictive value，PPV）

 

2.3. 结果

（1）根据自己做出来的东西分析就好了，视频中的PPT我就不截图了

2.4. 讨论

（1）主要发现