对功能连接的体会

神经影像学分为功能像和核磁像，
功能像通过一系列预处理，有reho值，dc值，alff值等等，但是最重要的还是FC值。因为这个值比较容易解释，像reho啊，其对应的生理学意义不太好解释。
结构像经过一系列预处理，其实也有功能连接的指标，之前都是计算FA值，网络值这些，现在也有计算功能连接值的。这方面暂且不提。

这里只专注于功能像。
功能像的所有计算和分析，都建立在最原始的数据上。最原始的数据只有2个方面，一个是体素的体素值，一个是时间序列值。
计算功能连接，实际上是计算相关性，而且功能连接也只能 one versus one，因为其本质就是相关性。
具体实例来说：可以计算一个体素和一个体素的功能连接，可以计算一个脑区和脑区的功能连接，可以计算一个脑功能网络和一个脑功能网络的功能连接。
对于体素和体素的功能连接，其实就是很正常的普通的相关性分析，但是这个一般不用，因为单个体素在生理学上没有任何意义。
对于脑区和脑区的功能连接，这是比较常用的计算方式。但是它是怎么计算出来的呢？
下面以dparsf得到的results为例。
经过处理后，original data被import到MNI空间，然后形状是（61，73，61，230），然后看results里的order key文件，dparsf默认是用了多个模板提取了很多的模板roi，里面包括了Mask的ROI 1-10，Dosenbach的160ROI，Power Neuro的264ROI，所以一共就生成了2287个ROI。这就是MNI公共空间的所有ROI了。
以ROI1FCMap_Sub_001为例，它的形状是（61，73，61，1），这很容易理解，就是ROI1这个点和其余体素去计算相关性，然后以ROI1为1，其他点的值就是R值。所以再看看result里面的ROIcorrelation，那就好理解了，就是2287×2287的矩阵。ROIcenter of mass就储存了它的坐标，包括了自然空间坐标和MNI坐标。
经过上述解释，相信大家和我一样，对ROI和功能连接就十分清晰明了了。
举例二：
放入两个大一点的自定义ROI，放入一个sub，我们来计算ROI-ROI的功能连接。
1、首先是提取了ROI的时间序列，所以就是（2，230），然后自动计算了correlation 和 fisher z的correlation。看，就像我猜的那样，ROI1就是1，ROI2的值就是他们之间的功能连接。我真的是太聪明了。

2、我们放进入sub2的，同理得到这些。
3、对于两个ROI的功能连接变化，当然一个sub的两个ROI只有1个值，一个sub和另一个sub是没办法做连接变化的。但是换个角度想想，假如sub里面包括多个sub-sub呢，那就有多个sub-sub了，那另一个sub和这个sub就可以做功能连接变化了，就用置换检验（在临床上，会选择参数或者非参数，在神经影像学里，常规用置换检验，不用其他方法，因为其他方法假阳性高，此外这个方法不需要前提假设，非常方便，一般不会被审稿人质疑结果）。

如此这样，脑区与脑区的功能连接变化就清晰明了了。
但是这样又出现了新的问题，这个问题涉及到后面要提的网络间与网络间的功能连接变化。
我们知道，一个脑区一般只有激活和抑制的状态，目前来说，基本我们人体的状态只有单向（除了物理学里面的波粒二象性，这个比较特殊），神经元也是如此。那么从定义的脑区去研究另一个定义的脑区，用的是脑区内所有体素的平均时间序列，这没问题。但是，假如define的ROI跨脑区呢？假如恰好这个脑区是激活，旁边的脑区是抑制呢？那么这个ROI的均值就很小很小了，（假如激活=抑制，那均值就是0），0与其他值去相关，当然就不对了，因此这个时候，其实更好的方法是，使用主成分的时间序列。就是计算这个区域体素的主成分，然后提取主成分的时间序列。这个方法可以在SPM12里面去实现。
网络间与网络间的问题，其实就是上面我们说到的这个问题，把这个问题理解透了，其实网络间与网络间的功能连接就很简单了。

还有一个问题，就是相关性计算的问题。在计算相关性的时候，一定要去除全局信号，因为这影响很大。在去除全局信号以后，使用皮尔逊相关，还是有一个问题，就是这个相关是包含了该ROI和其他所有体素的影响，所以r值会很大，假阳性高。这个时候，其实更推荐使用稀疏的逆协方差方法，这个方法把其他所有体素当成干扰因素，去分析两个ROI的直接相关性，也就是我们所说的偏相关的负值。
稀疏的逆协方差方法使用后，ROI-ROI的功能连接强度会弱很多，虽然假阳性低了，但是太严格，太难出结果。有一个折衷的方法，并且有文章表面其鲁棒性更好，重复性也更好，就是基于切线空间的相关，这种方法的连接强度在皮尔逊相关和偏相关之间，一般这种方法出的结果，不会被审稿人去质疑。

以上就是功能像的功能连接的本质。这是干货，能理解透彻的话，自己用R和python就可以用脚本去计算ROI的连接变化，然后挑选有显著p值的功能连接变化。