SPM12入门案例1


Auditory fMRI data

准备工作

(1)数据下载

使用样例Auditory fMRI dataset,数据来源于官网下载未处理的数据Raw functional and structural data

(2)创建文件夹

创建名为auditory的文件夹,在该文件夹下创建三个子文件夹分别是dummy,jobs,classical分别用于存放dummy scans、job-specification文件、design matrices 和models estimated using classical inference。
注意:为了避免在fMRI时间序列的初始扫描中出现T1效应,建议丢弃使用编号为04-15.{img,hdr},保留使用16-99.{img,hdr},并将这些文件存储到dummy文件夹下。

处理过程

1.启动matlab,并在command行输入 spm fmri启动。启动完成后,会出现三个窗口。左上角是菜单窗口,左下角是交互式窗口,右边是图形窗口

Realignment

2.在SPM菜单窗口的空间预处理部分,从Realign下拉菜单中选择Realign(Est&Res)。
3. 弹出新的窗口后,单击data在该窗口的下方单击session,创建出新的session。回到上方单击session,选择数据dummy文件中的84个文件,右键Select all后单击done

4. 选择Reslice Options下的Resliced images中的 Mean Image Only

5.点击file中的save batch,保存此次批处理过程.命名为realign.mat后点击绿色小箭头按钮开始运行。将绘制出估计的平移和旋转时间序列图

Coregistration

  1. 点击左侧menu中的Coregistration (Estimate)

  2. 弹出新的窗口,选择Reference Image,并选择realign图片名称meanfM00223_016.img,选择Source Image,选择结构性图像 sM00223_002.img,同样保存在jobs文件夹下命名为coregister.mat.

  3. 点击运行,生成该图像

  4. 此时可以点击左侧menu中的Check Reg,同时配准Reference和Source,鼠标可以单击任意位置的图像,图像将呈现不同方向呈现的同一位置。

Segmentation

  1. 左侧menu中点击Segment按钮,右侧窗口中选中并点击Volumes添加解剖图像。
  2. 选择实验对象的解剖图像sM00223_002.img
  3. 选中Save Bias Corrected,并选择Save Bias Corrected项
  4. 将右侧窗口向下滑动选中Deformation Fields,并选择Forward
  5. 将操作保存至jobs文件夹下命名为segment.mat
  6. 点击运行按钮,SPM将使用default tissue probability maps作为先验结构图像。SPM将生成灰质、白质和(bias-field corrected structural image)偏场矫正结构图像
  7. Check Reg选中sM00223文件夹下的c1sM00223_002.niisM00223_002.img*,点击Done完成显示

  8. 同理选中msM00223_002.niisM00223_002.img分别是bias-corrected image和structural image,在原来的文件目录中会产生 y_sM00223_002.nii

注意: SPM也将产生 形变场(deformation field)

Normalise

  1. 选择左侧窗口的Normalise(Write),选择右侧窗口中的Data,并选择Subject,创建新的subject
  2. 选择右侧窗口中的Deformation Field并添加文件夹sM00223中的y_sM00223_002.nii
  3. 选择右侧窗口中的Images to Write,并将配准之后的文件添加文件夹dummyfM000文件全部添加,点击Done*按钮
  4. Writing Options,中改变Voxel sizes[2 2 2]为[3 3 3],这不是必须的步骤
  5. 保存,命名为normalise_functional.mat ,并点击运行,将在dummy文件夹下生成,以w开头的文件。
    如果你想将自己的解剖图中注入实验对象的活跃图你需要按照下面方式做:
    12保持不变。

Smoothing

  1. 左侧窗口单机Smooth按钮,并在弹出的右侧窗口点击Images to Smooth,并且选择上一步处理完成的空间规则化文件类似wf*.img的文件。
  2. 选择FWHM将[8 8 8]修改为[6 6 6]
  3. 保存为smooth.mat
  4. 点击Run,在文件夹dummy,生成wmeanfM00223_016.img
  5. 使用Check Reg,选择dummy文件夹下的wmeanfM00223_016.imgmeanfM00223_016.img,之后选择Done完成,生成如下图所示。

Model specification, review and estimation

模型的确定–>评介–>评估,点击Specify 1st-level

  1. 打开Timing parameters
  2. 点击Units for design并选择Scans
  3. 选择Interscan interval并输入7,使得扫描间隔时间变为7。
  4. 选择Data and Design ,然后点击NewSubject/Session,然后打开新创建的Subject/Session选项。
  5. 点击Scan选择84张经过平滑处理过的图像 从swfM00223_016.imgswfM00223_099.img
  6. 点击Condition选择New condition,选择Name然后输入listening命名。点击Onsets,输入6:12:84创建一维数组。 点击Durations然后输入6
  7. 点击Directory然后选择之前创建classical文件的路径。
  8. 存储为specify.mat,并运行。

    点击左侧Design窗口,选中Design然后下拉菜单选择Explore选择Session1选择listening,形成如下窗口

    如果选择Design Orthogonality,Orthogonality表示正交,如果列向量内积为x1Tx2=0,则x1与x2正交。

Estimate

  1. 点击Estimate button
  2. 选择Select SPM.mat,然后点击classical文件夹下的SPM.mat
  3. 将其保存为estimate.mat然后点击运行。
  4. SPM运行产生文件并存储与classical文件夹下。

Inference预测

点击Result,然后选择上一步完成的SPM.mat,显示如下窗口

Contrast manager

Contrast manage右侧的panel显示的是Design matrix,左侧具体的罗列了contrast的项目。

  1. 点击左下角Define new contrast,输入第一个contrast名称为listening > rest,设置值为1;同理设置rest > listening,设置值为 -1
  2. 选择listening > rest,点击Done完成。

Masking

  1. 弹出窗口,从 [none/contrast/image] 选择,点击none


注意:Masking implies selecting voxels specified by other contrasts.

Thresholds

  1. 选择FWE。
  2. 接受默认值0.05
  3. Extent Threshold {voxels} [0],选择默认参数0。

Files

此时会将很多文件写入工作目录,包含加权参数估计的图像被保存在con_0001.nii与con_0002.nii中并存储于classical文件夹下。

Maximum Intensity Projections

Maximum Intensity Projections简称MIP,中文为最大密度投影法。MIP被投影到一个三维正交平面的glass brain

图中红色的游标可以拖动到不同的位置。

Design matrix

spm显示出被选中的对照组的design matrix,如下图中的上半部分,鼠标单击右键显示参数名称,单击左键显示design matrix values for each scan

Statistical tables

  1. 为了得到局部最大(local maxima),点击p-values窗口部分上的whole brain

此处数据显示出大于8mm的部分

图中的列从右到左依次是:

  • x,y,z(mm): 每个最大值在MNI空间上的坐标值

  • peak-level: the chance § of finding (under the null hypothesis) a peak with this or a greater height (T- or Z-statistic), corrected (FWE or FDR)/ uncorrected for search volume.
    在校正或者未校正的Search volume中找到这个顶点(peak)极值或者更大height的概率(T-statistic or Z-statistic表示T统计量 Z统计量)

  • cluster-level :the chance § of finding a cluster with this many (k) or a greater number of voxels, corrected (FWE or FDR)/ uncorrected for search volume. 对于search volume找到校正或者未校正的具有许多数量(k)或更多数量的体素。

  • set-level : 在search volumes中找到这个C或者更大的cluster的概率(chance)。

备注:点击同时值得注意的是:

  • 单击一个cluster坐标的行移动游标指针,单击其他的数字将在matlab窗口中显示确切的值
  • 为了检查一个特定的cluster(例如,在这个数据集中,右侧听觉皮层),可以移动MIP的游标(通过左键单击并且移动游标,或者是右键点击MIP的background将弹出一个下拉菜单)
  • 或者点击volume table中游标的坐标,或者在交互窗口中输入坐标

同时还能够为单个感兴趣的cluster产生统计信息表而不是整个volume。首先,选择MIP中相关的统计信息,然后在左侧的小窗口中选择p-values中的current cluster。右侧在选中的cluster中将显示局部最大local maxima(>4mm apart)的坐标和voxel-level的统计数据。

Plotting responses at a voxel

在左侧的交互窗口界面中,通过输入voxel的坐标来选择体素,点击plot,在红色的游标在右侧界面跳转到对应位置。提供5个更多的选择。

点击上图中的plot并按照指示操作

  1. Contrast estimates and 90% CI:点击plot之后按照操作,选择对照组的名称。

  2. Fitted responses:根据session/subject绘制数据与反映拟合如下该图选择的参数是listening>rest,adjusted,scan or time

  3. Event-related responses:根据刺激反应的时间绘制数据与拟合反映图。

  4. Parametric responses.

  5. Volterra kernels.


对于绘制项目相关的反应SPM提供三个options:

  • 拟合相应和PSTH(peri-stimulus time histogram):绘制每一个peri-stimulus time平均回归量和SE信号平均。
  • 拟合响应和90%CI(confidence interval):绘制90%的可信区间平均回归量(regressor)
  • 拟合响应和调整数据(Fitted response and adjusted data) 。
    值得注意的是:
  • 通过输入"Y",可以在Matlab窗口中显示和访问所选的session/subject之间的拟合响应值。输入“y”将显示调整后的数据。
  • “Adjusted” data:调整了混合和高低通滤波。

Overlays

交互界面的visualisation section(可视化部分)还提供了一个覆盖的工具,用于集群激活的解剖可视化。点击Overlays下拉菜单有几个选项包括:

  1. Slices
  2. Sections:覆盖(overlay)三个intersecting slices(sagittal矢状面, coronal冠状面, axial轴状面),选择mSM00223_002.nii点击Done
  3. Render: overlay on a volume rendered brain.
    操作过程:通过左侧的窗口中选中overlays中的render在源数据文件中寻找生成的文件render_wc1sM00223_002.mat选中点击打开即可

    点击Save按钮可以将thresholded SPMs 保存为NIfTI图像。
    在点击Render之前,按照下面说明的步骤创建生成的:
  • “Normalise (Write)”
  • 点击Render下拉菜单中的Extract Surface

对于Overlays中的下拉菜单Render,通过以下步骤创建。

  • “Normalise (Write)”(在左菜单的窗口中)选择图片 c1sM00223_002.nii 和c2sM00223_002.nii ,“Deformation Field设置为**y_sM00223_002.nii **,voxel size 设置为[1 1 1]
  • 选择Render中的Extract Surface
  • 选择灰质和白质图像wc1sM00223_002.nii和wc2sM00223_002.nii
  • 使用默认选项(Rendering and Surface)保存结果。

前方高能请注意

点击Overlays下拉菜单的Render在SPM安装的路径中选中canonical文件夹下的cortex_20484.surf.gii将生成一个3D图像


SPM12入门案例1相关推荐

  1. SPM12入门案例2

    Face fMRI data 要求实验者通过按键来判断知名度.因此这里有4种兴趣的类型:第一二步显示出有知名度和没有知名度的人脸,代表着N1,N2,F1和F2. ###准备工作 通过EPI获得图像,其 ...

  2. SPM12入门案例3

    Face group fMRI data Introduction 多种fMRI的实验对象的random effect 分析与second-level模型.second-level包含三个基本类型: ...

  3. 2021年大数据Flink(八):Flink入门案例

    目录 Flink入门案例 前置说明 API 编程模型 准备工程 pom文件 log4j.properties Flink初体验 需求 编码步骤 代码实现 Flink入门案例 前置说明 API API ...

  4. Python:Scrapy的安装和入门案例

    Scrapy的安装介绍 Scrapy框架官方网址:http://doc.scrapy.org/en/latest Scrapy中文维护站点:http://scrapy-chs.readthedocs. ...

  5. Vue安装配置以及入门案例

    Vue Vue简介 Vue (读音 /vjuː/,类似于 view) 是一套用于构建用户界面的渐进式框架.与其它大型框架不同的是,Vue 被设计为可以自底向上逐层应用.Vue 的核心库只关注视图层,不 ...

  6. AOP配置开发入门案例

    该AOP开发入门案例采用XML文件方式配置开发(非注解方式)共包含一个xml文件和4个Java类,创建好web工程后引入相应jar包(文末会给出),建好包(若自定义包名注意更改类中的包名),将xml文 ...

  7. python与人工智能编程-总算明白python人工智能编程入门案例

    Python是非常简洁的一种脚本语言,写同样的程序,代码量仅为java的三分一,除了性能没有Java强之外,它的优点还是相当多的.以下是小编为你整理的python人工智能编程入门案例 下载Active ...

  8. mybatis基于注解的入门案例

    mybatis基于注解的入门案例:             把IUserDao.xml移除,在dao接口的方法上使用@Select注解,并且指定SQL语句             同时需要在SqlMa ...

  9. python截图保存到内存卡_Python画月饼,云上过中秋,天池Python入门案例系列赛开启...

    阿里云天池推出了一个Python入门案例系列教程,在此之前他们还推出了一个Python基础训练营. 在天池龙珠计划Python训练营中,天池给学习者详细的介绍了Python的基础和进阶知识,根据学习者 ...

最新文章

  1. r语言中调用c 程序,如何在R程序包中调用C函数
  2. 读《程序是怎样跑起来的》第七章有感
  3. SpringBoot 使用WebMvcConfigurer处理请求
  4. 计算机软件通常称为,计算机软件通常分为
  5. python多行注释以三个英文_Python中多行注释可以包含在三对英文半角单引号('''''')或三对英文半角双引号(\\\...
  6. 在ubuntu 下安装基于 Tomcat6的web服务
  7. IDEA SpringBoot多模块项目搭建详细过程(转)
  8. Hutool - 身份证验证及其信息解读封装
  9. matlab2010改语言,[转载]ubuntu下安装matlab2010及语言环境设置和创建桌面启动
  10. 印象笔记 网易云笔记 腾讯文档 对比
  11. MxNet创建ILSVRC2012.rec文件
  12. html浏览器图片不显示图片,教你网页图片显示不出来怎么办
  13. 伍斯特理工学院计算机硕士怎么样,美国伍斯特理工学院研究生专业排名如何?...
  14. 人类历史上最有影响力的五个数据可视化信息图
  15. Echarts x轴设置上下偏移
  16. cocos2dx 精灵增加触摸事件
  17. 如何更改IE窗口初始大小及位置
  18. leetcode 1567 替换所有问号
  19. Masking Adversarial Damage: Finding Adversarial Saliency for Robust and Sparse Network
  20. vue生成自定义样式二维码

热门文章

  1. H3C配置静态路由、下一跳地址,使PC相通
  2. 【名说】DB2查询sql缓慢的调优方法
  3. Selenium中级 | 在Selenium中模拟键盘操作
  4. FBI变态测试题,猜中一半的,赶紧去看看心理医生哦
  5. Til the Cows Come Home
  6. 史沐凡的python笔记
  7. 异构计算(Heterogeneous Compute)
  8. 一些名企秋招网申链接合集
  9. safari阅读模式_如何在Safari中使用和调整阅读器模式
  10. Mybatis-plus读取(GeoJson)和保存Postgis geography数据