VBM后的双样本t检验

上一篇文章写到做完了VBM,做完后因为数据一般都是患者组和HC组,这两个组之间需要进行比较,那么我们就要进行双样本t检验。
这里介绍双样本t检验的做法。
依然使用的是SPM-fMRI。

1.第一步是选择Specify 2nd-level

在这里插入图片描述

打开以后我们可以看到这个界面,Directory就选择自己准备保存数据的文件夹。
注意:我们要做双样本t检验,打开这个界面我们会发现,Design下面默认的是单样本t检验,我们点击Design,选择Two-sample t-test
选择完以后,就会发现有以下这些需要选择。Group 1 scans和Group 2 scans就分别选择HC组和患者组的灰质图像即可。就是上一篇文章中最后得到的smwc1xxxx图像。
在这里插入图片描述
之前也提到了一般是将颅内体积作为协变量来进行t检验。那么这里的Multiple covariates就需要选择New:Covariates来添加一个协变量。这里的File(s)选择时可以是.mat或者是.txt文档。我这里使用的是.txt.

txt文件的创建:
这个txt文件里应包含所有被试的颅内体积,例如前面共选择了10例HC和10例患者,那么.txt文件里应该有20个数据,并且注意顺序,应该与之前的选择顺序一致。HC在前或者患者在前。
在这里插入图片描述
其余的不用动,运行以后会得到一个 SPM.mat文件

2.estimation

对上一步生成的.SPM文件进行估计,从首页选择estimate或者是直接在batch上方找到都可以。
在这里插入图片描述
在这里插入图片描述
这一步很简单,直接在select SPM.mat选择上一步得到SPM.mat文件就可以。
这一步可能会弹出是否要覆盖之前得到的SPM.mat,选择继续就可以。

3.对比

这个我在首页没有看到,在batch里可以直接选择。在这里插入图片描述
SPM.mat的选择就选上一步estimate后的结果。在Contrast Sessions里选择T-contrast。
Name可以随便命名,我建议是你比较的是哪两组就写哪两组的名字,例如:HC-xx患者这种。
重要的是Weghts vector这里,我是输入的[-1 1]。这里的意思实际上就是怎么比较,
如果输入【1 -1】,得到的结果如果是正值就是A-B>0,以灰质体积为例,就可以理解为B组的灰质体积相对A组减少。如果是负值,那么意味着A-B<0,理解为B组的灰质体积相对A组增加。个人认为这样不清楚,不如写【-1 1】,结果为正就是体积增加,结果为负就是体积减少。当然这也和A和B组的顺序相关,看个人怎么选择。
在这里插入图片描述
其余的就没有什么了,可以运行得到结果。
这个spmT图就是最终我们得到的双样本t检验结果。这是一个nii图像,可以使用xjview打开,然后对其进行FDR校正或者FWE校正,看自己需要。xjview也可以report激活的脑区,还是很方便的。对图像进行校正后,可以使用xjview把图保存下来,再使用brainnet viewer看看,也可以得到比较好看的图。至于brainnet viewer的使用我前面有写过,可以参考一下。
在这里插入图片描述

  • 2
    点赞
  • 65
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
引用\[1\]: 在做spm pair-t检验时,首先需要加载模型并合并模型。具体步骤包括加载原始的LLaMA tokenizer和中文sentencepiece模型,并将它们转换为Protocol Buffers格式。然后,从中文sentencepiece模型中提取词汇,并将这些词汇添加到LLaMA tokenizer中。最后,将合并后的模型保存到指定的目录。这样就得到了合并后的Chinese-LLaMA tokenizer。\[3\] 引用\[2\]: 在spm pair-t检验中,边际是偏好评级的离散函数。研究发现,这个边际成分可以提高帮助性奖励模型的准确性,特别是在两个response更好区分的样本上。也就是说,边际成分可以帮助我们更好地区分样本的不同反应。\[2\] 综上所述,spm pair-t检验是一种用于比较两个样本之间差异的统计方法。在进行这个检验时,我们需要合并模型并考虑边际成分,以提高准确性和区分度。 #### 引用[.reference_title] - *1* [VBM后的配对t检验以及xjview使用](https://blog.csdn.net/xxxxffff_/article/details/123876329)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [LLaMA的解读与其微调:Alpaca-LoRA/Vicuna/BELLE/中文LLaMA/姜子牙/LLaMA 2](https://blog.csdn.net/v_JULY_v/article/details/129709105)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 7
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值