基于cat12搞定SBM的ROI的统计分析——vertex水平和ROI水平的双样本T检验

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。