前言
前面已经说完了VBM得ROI分析,不知是否对各位读者有所帮助,很高兴能收到读者的反馈,自己收获良多。希望咱们能继续,形成一个共同学习进步的良性循环。接下来的SBM的ROI分析也是仅将操作步骤放上,有任何问题皆可在评论区留言讨论,也欢迎各位前辈指正。结果图片仅供演示,不具任何参考价值。
一、基于ROI的SBM皮层指标提取
1、提取基于ROI的皮层指标值:点击红色框,
弹出下图所示的batch界面,输入四个指标数据,并选择对应的皮层图谱,小编需要用到Schaefer2018包含的402个脑区的图谱,故选择这个,读者可各取所需,连着四个指标怎么提取已经在其他文章中提到,故此篇不在提。
提取的结果在哪看呢,这里就要公布一下上一篇其中一个问题,label文件夹里面的mat文件可查看,如下图所示:
这个值提取出来是为了将来便于直接那数据矩阵进行处理,像以后要做机器学习之类的。后面的基于ROI的统计分析cat12会自己调用。接下来继续说统计分析!
二、基于ROI的SBM统计分析(依旧使用cat12)
一般的统计分析基本上会生成以下几种文件,这是vertex水平的,这个概念在上一篇中提过,可翻阅查看
(一)第一步: 生成设计矩阵。点击Basic Model,弹出下图所示batch框,输入指标,此处可同时对四种指标同步进行,方法与之前一致。
(二)第二步: 估计β值。点击estimate surface models,如下图所示,连续点击四次,输入四个指标的SPM.mat文件,得到β值。
(三)第三步: vertex水平的统计分析。点击如下图所示的红色方框按钮,弹出batch框,输入上一步生成的SPM.mat文件,由于是练习,所以接下来的值选的默认,读者可根据自己需要选择。
vertex水平生成的结果文件spmT_XXXX.gii目前可用cat12,
皮层的多重比较校正小编还需要一些时间去理解,目前暂不是特别熟悉,所以只能先言尽于此。spmT_XXXX.gii显示结果如下图所示:
其他值也是如此显示,这只是练习,熟悉操作步骤,数据量小,所以结果仅供演示,不具参考价值。
(四)第四步:ROI水平的统计分析: 与VBM的ROI分析同理,操作一致,可得结果如下所示,由于某些原因,cat12.7总是报错,无法生成对应的文件,cat12.5却可以完整地处理得到结果,如下图所示:下图不是小编上面地测试数据跑出来的,仅供做类似参考。
至此小编认为的SBM的ROI分析就此结束,有任何问题皆可留言哦!sorry,新版的问题还是没解决,只能先到这里喽,通过这几天的摸索,发现CAT12.5和CAT12.7都可以进行如此的ROI分析,操作基本一致,sMRI系列的下一篇应该是一些剩下的细节操作问题,估计年后见喽,小编这周末终于放假了,研究生生涯过去六分之一喽,希望自己这半年有所收获,也希望各位读者有所得。