基于DPABI和SPM12的任务态fMRI分析笔记2——统计检验

前言

任务态系列的第二篇来了，年前还是保持继续学习吧！趁着现在印象深刻，抓紧时间记下来，等到以后需要也能随时翻阅。老话常谈，小白一个，有问题欢迎指出，希望能一起共同学习，想要讨论也欢迎在评论区留言，各位读者皆能查阅思考。

一、统计分析模型简介

第一篇提到了任务态的预处理，有哪些步骤大家要仔细想想哦，接下来便是统计分析喽！统计分析首先的步骤便是建模，在这要特别强调的是GLM模型来做设计矩阵，相信各位读者在小编之前的博客里面应该司空见惯了，但是那里一直做的都是second level组水平分析，因为小编目前的需要只是将指标值完成提取，然后对相应指标寻找组间差异来做分析，而现在做任务态就不一样了，这里就会产生一个问题，任务态要找的指标是什么？相信来到这篇博文的读者都很明白，答案是激活。小编不是特别明白激活背后的原理，目前也只能理解到的是当大脑在做任务时，在某些区域的活动反应强烈，在某些地方反应受到抑制，这样就能确定某些功能区，也能找到任务相关的脑区。目标明确，下面就进入正题：

1、GLM模型输入——设计矩阵，高斯噪声（大脑内部噪声，实际上非高斯噪声，是做了预先的假设）

如下图所示，在做完预处理之后，便可以生成设计矩阵了，而什么是设计矩阵呢？如下图所示，第二步，生成设计矩阵，再根据最小二乘估计来估计对应的参数——β值和残差。相信不需要小编解释很多，这张图片还是很能说明问题。

那怎么生成设计矩阵呢，设计矩阵的数据从哪来呢？相信读者拿到任务态的数据之后都应该会有一份对应的关于任务内容的文件，里面包含了任务刺激的时间长度（duration）、时间点（onset）、任务的条件名称（trial_type）等数据如下图所示：

所有此处就有个预备工作，数据在这，应该怎么导入SPM12中呢？根据SPM的输入要求，小编为了避免太过繁琐的手动工作，师姐告诉小编，可以直接做成固定格式的mat文件，将任务内容中的onset、duration和trial_name提取出来，做成如下图所示的mat文件：

这格式是SPM12规定的multicondition选项所要求的格式，详情可见其对应的介绍，至于如何生成这样格式的文件，相信各位读者也明白用代码如何实现，当然小编自己也有代码，过些时间整理完成便会更到博客笔记上。

2、设计矩阵的参数估计

整个过程本来对小编来说非常抽象，但看了一些资料之后，似乎有些明白了，特别是下图：

相信读者看到这张图之后便会明白，估计这一步的输入是什么，及在输入的scans图像代表了什么。从上图得知，scans是Y，设计矩阵是X，由此便可以估计出来β值图像喽，当然还有残差图像。
做完这些在1st-level便可以得到个体水平的激活。原理小编暂时不是特别明了，只能稍稍引入，接下来还是一顿操作猛如虎，解决任务态统计分析的普遍操作。

二、一顿操作猛如虎，解决任务态统计分析

1、基于SPM12计算个体水平激活

在SPM12中计算个体水平激活主要分为以下三步：
第一步：生成设计矩阵（Specify 1st-level）。 Specify 1st-level针对个体计算不同任务的激活，找到各个个体的激活区，即执行任务的同步区。简要介绍下面每个选项的含义如下图所示：

小编仅介绍常用的选项，其他小编在练习时基本选择默认，各位读者可根据自己需要选择。
下图便是小编的练习输入：

当然这里可以同时将所有被试的设计矩阵全部一起生成，只要右击上图中左侧蓝色块，便会弹出选项复制该batch，可以将其他被试的对应输入全部导入，再一起运行。
输入完成，点击运行，便可以在结果文件夹中看到生成的SPM.mat文件。
第二步：估计（Estimate）。 点Estimate，输入上一步生成的SPM.mat文件，如下图所示：

同样可以将所有被试的mat文件按照上一步的操作方式全部导入一起运行计算。
第三步：统计检验（Result——contrast）。 点击result，导入上一步产生的SPM.mat文件，选择contrast，如下图所示，具体操作可查看小编其他博文，此处不再详述。

点击done，之后就能产生spmT_000x.nii文件，再用xjview打开便可以看到单个被试的T值分布。如下图所示：

2、基于SPM12计算组水平激活

这里需要选择Specify 2nd-level，这是基于组水平来做分析。而Specify 2nd-level中又分为单样本t检验和双样本t检验，单样本t检验，原理上是每个激活值与零做比较大小，目的是为了找到同一组内各个个体之间的相同激活区；双样本t检验，原理上是各个组之间作比较，目的是为了寻找组间差异。
（1）单样本T检验
输入如下所示，协变量回归已经在上一步个体水平做完了，所以可以不做，注意要新建一个输出文件夹来放置单样本T检验的结果

输入完成点击运行即可，之后就可以在输出文件夹中看到SPM.mat文件
第二步：估计（Estimate），操作步骤同上。
第三步：统计检验（Results），操作步骤同上。

3、基于SPM12寻找组间差异

组间差异就是做双样本T检验，在小编的其他笔记里面很常见了，所以此处就不在详细说了，输入如下图所示：

注意要新建一个输出文件夹来放置双样本T检验的结果，记住要弄明白是病人组高于正常组还是正常组高于病人组，这样在contrast的输入里面的向量才不会乱。

三、结果报告（图片仅供参考）

1、单个被试的激活

2、单样本T检验（健康控制组）

3、单样本T检验（病人组）

4、双样本T检验（病人组>健康控制组）

此处未进行多重比较校正，将在下篇介绍。下篇将会是将每一步的代码脚本打包，这样就可以不用手动操作了，当然如果将每一部分合成好，就能直接在服务器batch了，这也是小编的下一个任务。