Processing block: regress
预处理模块:回归
这是单被试分析中的主要步骤-对我们的模型进行回归分析。我们的回归模型由几个简单的部分组成:
1.多项式基线,用于说明扫描的平均值
以及缓慢的基线漂移
2.对兴趣刺激的反应
3.运动参数,意在解决残余运动影响 ,3dvolreg无法完美纠正
The proc.FT script:
3dDeconvolve -input pb04.$subj.r??.scale+orig.HEAD \
-polort 3 \
-num_stimts 8 \
-stim_times 1 stimuli/AV1_vis.txt 'BLOCK(20,1)' \
-stim_label 1 Vrel \
-stim_times 2 stimuli/AV2_aud.txt 'BLOCK(20,1)' \
-stim_label 2 Arel \
-stim_file 3 dfile.rall.1D'[0]' -stim_base 3 -stim_label 3 roll \
-stim_file 4 dfile.rall.1D'[1]' -stim_base 4 -stim_label 4 pitch \
-stim_file 5 dfile.rall.1D'[2]' -stim_base 5 -stim_label 5 yaw \
-stim_file 6 dfile.rall.1D'[3]' -stim_base 6 -stim_label 6 dS \
-stim_file 7 dfile.rall.1D'[4]' -stim_base 7 -stim_label 7 dL \
-stim_file 8 dfile.rall.1D'[5]' -stim_base 8 -stim_label 8 dP \
-gltsym 'SYM: Vrel -Arel' \
-glt_label 1 V-A \
-fout -tout -x1D X.xmat.1D -xjpeg X.jpg \
-fitts fitts.$subj \
-errts errts.$subj \
-bucket stats.$subj
3dDeconvolve的输入是“scale”数据集的列表。 请注意-input选项的参数为pb04.$ subj.r ??.scale + orig.HEAD。
此通配符表达式(“ ??”字符正好等于2个字符
匹配模式)匹配以pb04。$ subj开头的所有文件
'r’和任意2个字符(在我们的情况下为数字),后缀为
‘.scale + orig.HEAD’。
接下来的两对选项指定了感兴趣的回归变量。 首先
这对是“视觉可靠”的刺激类。
-stim_times 1 stimuli / AV1_vis.txt'BLOCK(20,1)'\
-stim_label 1 Vrel
这告诉3dDeconvolve每次在stimuli / AV1_vis.txt中都有
应该是对20秒的刺激的BOLD 回应。 每个卷积的粗体响应将持续约35秒。
最后的选项如下:
-fout -tout -x1D X.xmat.1D -xjpeg X.jpg \
-fitts fitts。$ subj \
-errts errts。$ subj \
桶统计信息。$ subj
-fout和-tout选项告诉3dDeconvolve输出F状态和t状态在适当的时候。
-x1D选项指定要在其中写入X矩阵的文件的名称 文本形式,而-xjpeg指定用于写入图像版本的名称。 这两个文件都代表X矩阵,但是它们给出了不同的观点。
最后3个选项用于输出数据集。 -fitts数据集如下所示该模型尽可能适合数据。 -errts数据集是错误时间序列数据或残差。 它等于输入减去fitts。最后一个选项-bucket指定3dDeconvolve应该将所有Beta权重和统计量。