Module 16 一般线性模型在fMRI上的应用
文章目录
- 核心概念
- 一般线性模型概述
- GLM建模分析流程概览
- fMRI中的回归分析
- 第一级GLM:单一体素,单一对象
核心概念
一般线性模型概述
GLM:一般线性模型。它的核心思想是把数据看作是**模型函数(预测因子,predictor)和噪声(误差,error)**的线性结合。用线性代数的知识,我们可以将GLM表述为下面的形式:
图1.GLM的数学形式
用矩阵形式写为:Y=Xβ+εY = X\beta + \varepsilonY=Xβ+ε,其中 XXX为设计矩阵,Y,β,εY , \beta,\varepsilonY,β,ε分别为观测数据,模型参数,残差,这三个量都是列向量.
接触过回归分析的同学不难理解,利用GLM,我们只要在假定模型函数属于某一类已知的函数之后,剩下的任务就是如何估计模型中未知的参数了。
GLM这个模型构建的架构包含了许多常用的fMRI数据分析技术,所以理解了GLM在fMRI中的应用方法,也就算正式入门fMRI数据分析了
GLM建模分析流程概览
图2.GLM的分析流程
如图2,为了能够利用GLM建模,我们需要预先进行试验设计,这个环节已经在Module12中讲过了,这里就不多讲了。我们的GLM通常是一个两级模型(two stage hierarchical model),也就是一般来说我们会分两级分析。第一级是单独针对每个个体进行数据分析,第二级是在个体间进行组间分析,在这里,我们的GLM把这两步结合在了一起。
再具体一些,这些步骤的设计过程是针对我们要拟合的fMRI数据的设计矩阵(design matrix,请看Module12),接着我们从第一级上来估计每个人的成像数据,接着对于每个体素(voxel)我们拟合模型,选定要对比的图像(这在下面我们会讲到),在不同的条件下,不同的被试之间进行组分析。接着,我们可以准备好进行神经活动或体素激活的定位了。
fMRI中的回归分析
最典型的分析方法可以称为集中单变量分析法(Mass Univariate Analysis)
图3.集中单变量分析法概述
如图3,一般来说,对于我们的模型,模型的输出是每个体素的大脑活动情况,输入是刺激,任务或者相关表现性状。这是一个多变量映射过程,多变量混合分析的重要假定是:每个体素之间活动是独立的,因此我们可以对每个体素进行独立的分析,然后在把他们合起来分析。接下来,让我们想想如何把GLM应用到某个指定的体素上。
第一级GLM:单一体素,单一对象
让我们来考虑一个实际问题:如何定位大脑中判别名人和非名人面孔的区域?
比如,现在有两张照片,一张是安吉丽娜.朱莉的,一张是路人甲的照片。如何通过fMRI实验,找到判别路人与朱莉的脑区呢?
图四.明星脸判别脑区的鉴定的实验设计
假定一次采样时间为20秒,有两种思路,一种,是我们持续让受试对象看朱莉的照片20秒(当然这中间是有空档的,即,朱莉的照片,没有照片,朱莉的照片),再让他看路人的照片20秒,如此循环。这种方法我们称之为组块设计(blocked designs),另一种是方法是,我们让受试者在20秒内一会看朱莉的照片,一会看路人的照片,这之间的间隔没有规律。这种方法,我们称之为事件相关设计(event-related designs)
图5A.第一级GLM,有一个预测变量的情况,比如针对预测变量,我们可以设明星脸为1,路人脸为-1。参数[公式]是对我们后续分析特别有用的量。
图5B.第一级GLM,有两个预测变量。比如,对明星脸的判别问题中,我们同时考虑了明星脸和路人脸两种状态在模型中对实验数据的影响。
图6.血液动力学延迟
如图6,我们在Module8中了解到,由于fMRI实际上测量的是人脑血液动力响应可实际上血液动力响应信号,与实际的神经活动信号在时间上是有延迟的,那我们该如何用GLM来表示真实的神经活动信号对于体素信号的影响呢?
解决方法是,我们假定我们研究的大脑的是一个线性时不变系统(LTI system,信号的参数不随时间改变且满足叠加原理的系统,详情请看信号与系统教材),我们认为GLM中的预测变量为血液动力学响应函数(即为HRF,我们认为它的参数不随时间变化,且可以用两个函数τ\tauτ的线性组合jjj进行拟合)与神经响应函数的卷积。
图7.LIT系统假设与预测变量的组成
Module 16 一般线性模型在fMRI上的应用相关推荐
- Temporal Shift Module(TSM) 部署在自己电脑上并训练自己的数据集
引言: 本小白第一次写博客,如有不妥请多多包含. 能接触到TSM还是因为毕设的原因.本小白今年本科大四,在毕设的时候选择了 "用事件相机进行人体动作的识别" 这个项目.该项目旨在应 ...
- 在Ubuntu 16.0.4.5 LTS上安装python 2.7版本的cv2模块
简介 OpenCV是一个C++库,用于实时处理计算机视觉方面的问题,涵盖了很多计算机视觉领域的模块. OpenCV有两个Python接口,老版本的cv模块使用OpenCV内置的数据类型,新版本的cv ...
- macos安装python3.6_在CentOS 7/Ubuntu 16.04/Debian 9/macOS上安装Python 3.6的方法
本文介绍在CentOS 7/Ubuntu 16.04/Debian 9/macOS操作系统上安装Python 3.6的方法,包括使用Python 3.6创建virtualenv,目前大多数Linux发 ...
- mac系统下快速安装windows软件 a_每日一款Mac软件之“Parallels Desktop 16.0.1(48919) Mac上最高效与好用的虚拟机工具”...
应用介绍 Parallels Desktop 中文版被称为 Mac 电脑上最强大的虚拟机软件.用户可以在 OS X 下同时运行 Windows.Linux 等操作系统及软件,而不必繁琐地重启电脑,并能 ...
- gta5在线模式服务器暂停使用,R星官网放出《GTAOL》停服公告,12月16日正式关闭线上服务器!...
R星官网在前天就放出了GTAOL即将停服的公告,不知道大家有没有看到这则消息,在首页就可以看到清晰的几个大字,R星官网现在自带翻译功能,所以点进去就可以阅读哦,不过PC玩家完全不需要担心,因为此次停服 ...
- linux手机壳,四款“非常帅”的魅族16手机壳,套上后爱不释手
1.魅族16琉璃手机壳 这款魅族16琉璃手机壳,真是非常帅,有品质,有青春,有情怀,壳子是琉璃材质的,握着手感一流,原生真机手感,经过一步步改良,让壳子更轻薄了,创意个性,全包边保护,防摔保护,不油腻 ...
- JAVA入门[16]-form表单,上传文件
一.如何传递参数 使用 @RequestParam 可以传递查询参数.例如:http://localhost:8092/category/detail?id=1 1 2 3 4 5 6 7 8 9 @ ...
- docker启动odoo提示module没有安装_Windows Server 2019上的Docker 入门
本文字数:1679字 阅读时间:6分钟 导读 Windows Server 2019 现在可以使用了!它是Windows Server的下一个长期支持版本,对运行Docker Windows容器进行了 ...
- 第16届东北赛区线上比赛斯赛点时间安排+直播链接
§01 比赛B站直播 序号 赛点 赛点直播链接 队伍数 给定时间 腾讯直播通道1 腾讯会议直播通道2 腾讯会议直播通道3 1 大连海事大学 https: live.bilibili.com 87686 ...
最新文章
- 合肥工业大学—SQL Server数据库实验一:数据库的创建和删除
- Linux网络编程--进程间通信(一)
- 《深入理解计算机系统》第八章——异常控制流知识点总结
- C语言经典例5-输入三个数由小到大输出
- ROS学习(七):ROS launch 文件
- 谈大数据里各子项目搭建时的环境变量配置(深入)
- python怎么接收前端参数_Python常驻任务实现接收外界参数代码解析
- jquery自动点击按钮
- 排序算法java实现
- 数据库查询求小于_SQL学习笔记(二)简单查询
- Twitter Storm安装配置(Ubuntu系统)单机版
- 如何使用Docker安装Redis\Zookeeper\Mysql
- 读书笔记-人月神话10
- Android自定义View,画一个好看带延长线的饼状图
- 要干翻苹果的魅族,到底输在哪里?
- ORA-01790: expression must have same datatype as corresponding expression
- bcm5396交换机级联配置_工业以太网交换机的专业术语汇总
- 高德w ndows版地图,高德地图API
- 专科计算机网络技术综述,高职高专计算机系列教材:计算机网络技术
- 服务器 ftp查询文件是否存在,ftp查看远程服务器文件是否存在