VBM8使用手册.docx
- 文档编号:6775275
- 上传时间:2023-01-10
- 格式:DOCX
- 页数:9
- 大小:93.05KB
VBM8使用手册.docx
《VBM8使用手册.docx》由会员分享,可在线阅读,更多相关《VBM8使用手册.docx(9页珍藏版)》请在冰豆网上搜索。
VBM8使用手册
VBM8使用手册
VBM8处理流程
1.下载和安装
ØSPM8:
从SPM官方网站(http:
//www.fil.ion.ucl.ac.uk/spm)下载SPM8及最新的update包。
把SPM8解压到要安装的目录,同时把update包解压,并直接覆盖SPM8相关内容,完成更新。
然后打开matlab,把spm8文件夹加入matlab路径目录,即完成安装。
ØVBM8:
从VBM官方网站((http:
//dbm.neuro.uni--jena.de/vbm8/)下载压缩包,解压后放入spm8/toolbox下,即完成安装。
Ø运行VBM8:
1.启动matlab
2.>>spmfmri
3.Spm8→toolbox→VBM8
2.VBM8分析流程简要
【字体颜色说明:
红色的都是我添加的,其它颜色基本上都是本文原有的,另外我是按cat12这个工具包来补充的,所以最好结合cat12的英文使用说明一起看】
Ø预处理
补充:
【1、将要处理的图像通过SPM中的“Display”进行可视化后,点击显示页面左下方的“SetOrigin”,然后点击这个按钮旁边的“Reorient”按钮,并保存结果(不确定这个需不需要,还是不保存了,貌似没用);
2、我先对TIW图像在SPM软件中进行Normalise(Est&Wri),两个输入图像的地方都输入这幅待处理的图像(这步不确定);将Boundingbox设置成“-90-126-72;9090108”,将Voxelsizes设置成“333”。
这步会生成以w开头的图像文件。
】
4.把T1W标准化到MNIspace(这步没做),并分割出灰质(GM),白质(WM),脑积液(CSF).相关参数可以通“Estimateandwrite”模块来调整。
5.通过“VBM8Checkdataquality”菜单中的“DisplayOnesliceforallimages”和“Checksamplehomogeneityusingcovariance”(这一步没成功,成功啦,不过不知道对不对)两个选项检查分割和标准化的质量。
6.采用spm自带的spm→smooth选项对预处理好的组织图像进行平滑。
Ø统计分析
7.通过SPM→Specify2ndLevel模块指定统计模型。
8.采用SPM→Estimate模块估计模型
✧
✧进行比较,验证图像质量。
✧Apartialvolumeeffect(PVE)labelimagevolume:
该volume中的值是对每个voxel局部容积效应的估计。
✧Jacobiandeterminant:
每个voxel值表示MNI模板上该位置变换到被试空间时,体积变化大小。
✧Deformationfields:
非线性变换产生的变形场。
File→SaveBatch:
(这种步骤都是可做可不做的好像,反正我都没有保存)
保存设置好的batch,可保存成*.m或*.mat文件。
File→RunBatch:
运行设置好的batch。
输出wm*(在生成的mri文件夹里面)是指biascorrectednormalizedvolumes,m0wrp1*(我这边生成的是mwp1*文件,也是在mri文件夹里面)是modulatednormalizedgraymatter,m0wrp2(我这边生成的是mwp2*文件,也是在mri文件夹里面)则是modulatednormalizedgraymatter。
若标准化使用lowdimensionalspatialnormalization而不是默认的DARTEL,modulated后的灰质和白质图像名称应分别为m0wp1*,m0wp2*。
【在生成的report文件夹里面的pdf文件就是分割后的彩色效果】
Ø预处理结果显示与质量控制
VBM8→CheckDataquality→DisplayoneSliceforAllimages
✧Volumes←X:
选择磁场均匀性校正后的图像(wm*)。
✧Proportionalscaling:
使用默认参数即可。
File→SaveBatch:
保存batch。
File→RunBatch:
执行batch。
Ø样本一致性检测
VBM8→Checkdataquality→Checksamplehomogeneityusingcovariance
✧Volumes←X:
选择各个被试的“m0wrp1”(我选的是mwp1*,好像cat12生成就是mwp1*)图像。
(之前不成功是因为只选了一幅图像,这边的意思是要选择全部被试者的mwp1*)
✧【Loadqualitymeasures:
选择report文件夹下的XML文件,也是全部受试者的都选】
✧Proportionalscaling:
使用默认参数即可。
✧Showsliceinmm:
使用默认参数即可。
✧Nuisance:
如果需要控制其他混淆变量,可以在这里输入。
File→SaveBatch:
保存batch。
File→RunBatch:
运行batch
运行结果会生成一个样本相关性矩阵:
SampleCorrelationMatrix,如下所示:
Ø图像平滑
SPM→Smooth
✧ImagestoSmooth←X:
选择要进行平滑的图像(我选的是mwp1*,平滑处理后,会在mwp1*所在文件夹生成smwp1*图像文件)
✧FWHM:
设定高斯平滑参数,常用范围是8-12mm.
✧DataType:
使用默认参数即可。
✧FilenamePrefix:
使用默认参数即可。
File→SaveBatch:
保存batch。
File→RunBatch:
执行batch。
3.建立统计模型(SPM8→Specify2nd-level)
Ø双样本t检验(twosamplet-test)
Directory:
指定SPM组分析的目标文件夹.
Design:
选择“two-samplet-test”
✧Group1Scans:
选择第1组被试的预处理好的灰质数据smwc1*.nii
✧Group2Scans:
选择第2组被试的预处理好的灰质数据smwc1*.nii
✧Independence:
Yes
✧Variance:
Equal
✧Grandmeanscaling:
No
✧ANCOVA:
No
Covariates*
Masking
✧ThresholdMasking→Absolute:
0.2
✧ImplicitMask:
Yes
✧ExplicitMask:
GlobalCalculation:
Omit
GlobalNormalization:
✧OverallGrandmeanscaling:
No
Normalization:
None
File→SaveBatch:
保存batch。
File→RunBatch:
执行batch。
SPM将显示design矩阵,并在指定SPM组分析目录中产生SPM.mat文件保存design信息。
Ø多元回归(Multipleregression(correlation))
Directory:
指定SPM组分析的目标文件夹.
Design:
选择“MultipleRegression”
Scans→[选择所有被试平滑过的灰质图像文件]→Done
Covariates→”New:
Covariate”
Covariate
✧Vector→按照输入图像文件的顺序输入参数值
✧Name→待检验变量的名字(如,“年龄”)
✧Centering→Nocentering
✧Intercept→IncludeIntercept
Covariates*
Masking
✧ThresholdMasking→Absolute:
0.2
✧ImplicitMask:
Yes
✧ExplicitMask:
GlobalCalculation:
Omit
GlobalNormalization:
✧OverallGrandmeanscaling:
No
Normalization:
None
File→SaveBatch:
保存batch。
File→RunBatch:
执行batch。
SPM将显示design矩阵,并在指定SPM组分析目录中产生SPM.mat文件保存design信息。
Ø全因素模型(Fullfactorialmodel(2x2ANOVA)
Directory:
指定SPM组分析的目标文件夹.
Design:
选择“FullFactorial”
Factors:
“New:
Factor;New:
Factor”
Factor
✧Name:
指定因素名称,如”sex”
✧Levels:
2(男和女)
✧Independence:
Yes
✧Variance:
Equal
✧Grandmeanscaling:
No
✧ANCOVA:
No
Factor
✧Name:
指定因素名称,如”handness”
✧Levels:
2(左右利手)
✧Independence:
Yes
✧Variance:
Equal
✧Grandmeanscaling:
No
✧ANCOVA:
No
SpecifyCells:
“New:
Cell;New:
Cell;New:
Cell;New:
Cell”
Cell
✧Levels:
指定cell的名称,如,“11”
✧Scans:
选择第1个因素第1个层次和第2个因素第1个层次对应的数据文件(如,男性左利手)(smwc1*.nii)
Cell
✧Levels:
指定cell的名称,如,“12”
✧Scans:
选择第1个因素第1个层次和第2个因素第2个层次对应的数据文件(如,男性右利手)(smwc1*.nii)
Cell
✧Levels:
指定cell的名称,如,“21”
✧Scans:
选择第1个因素第2个层次和第2个因素第1个层次对应的数据文件(如,女性左利手)(smwc1*.nii)
Cell
✧Levels:
指定cell的名称,如,“22”
✧Scans:
选择第1个因素第2个层次和第2个因素第2个层次对应的数据文件(如,女性右利手)(smwc1*.nii)
Covariates*
Masking
✧ThresholdMasking→Absolute:
0.2
✧ImplicitMask:
Yes
✧ExplicitMask:
GlobalCalculation:
Omit
GlobalNormalization:
✧OverallGrandmeanscaling:
No
Normalization:
None
File→SaveBatch:
保存batch。
File→RunBatch:
执行batch。
SPM将显示design矩阵,并在指定SPM组分析目录中产生SPM.mat文件保存design信息。
Ø全因素模型(FULLFACTORIALMODEL-INTERACTION)
Directory:
指定SPM组分析的目标文件夹.
Design:
选择“FullFactorial”
Factors:
“New:
Factor;New:
Factor”
Factor
✧Name:
指定因素名称,如”sex”
✧Levels:
2(男和女)
✧Independence:
Yes
✧Variance:
Equal
✧Grandmeanscaling:
No
✧ANCOVA:
No
SpecifyCells:
“New:
Cell;New:
Cell”
Cell
✧Levels:
指定cell的名称,如“1”
✧Scans:
选择第1个因素第1个层次对应数据文件(如,男性)(smwc1*.nii)
Cell
✧Levels:
指定cell的名称,如“2”
✧Scans:
选择第1个因素第2个层次对应数据文件(如,女性)(smwc1*.nii)
Covariates→“New:
Covariate”
Covariate
✧Vector→按照输入图像文件的顺序输入对应参数值
✧Name→待检验变量的名字(如,“年龄”)
✧Interactions→WithFactor1
✧Centering→Nocentering
Masking
✧ThresholdMasking→Absolute:
0.2
✧ImplicitMask:
Yes
✧ExplicitMask:
GlobalCalculation:
Omit
GlobalNormalization:
✧OverallGrandmeanscaling:
No
Normalization:
None
File→SaveBatch:
保存batch。
File→RunBatch:
执行batch。
SPM将显示design矩阵,并在指定SPM组分析目录中产生SPM.mat文件保存design信息。
ØSPM8→Estimate
SelectSPM.mat:
选择之前保存的SPM.mat文件。
然后点击run按钮即可进行估计。
Ø定义Contrast(SPM8→Results→SelecttheSPM.mat→Definenewcontrast):
双样本T检验:
✧选择t,输入[1-1],效应为GroupA>GroupB.
多元回归:
✧选择t,输入[1],效应为正相关。
✧选择t,输入[-1],效应为负相关。
2X2ANOVA:
✧选择t,输入[1-100],效应为left-handedmales>right-handedmales.
✧选择t,输入[001-1].效应为left-handedfemales>right-handedfemales.
✧选择t,输入[10-10].效应为left-handedmales>left-handedfemales.
✧选择t,输入[010-1].效应为right-handedmales>right-handedfemales.
✧选择t,输入[11-1-1].效应为males>females.
✧选择t,输入[1-11-1].效应为left>right.
✧选择t,输入[1-1-11].效应为interactionbetweenhandandsex.
Interaction:
✧选择t,输入[001-1].效应为GroupA>GroupB.
✧选择t,输入[00-11].效应为GroupA ØSPM8→Results SelecttheSPM.mat: 选择估计后的SPM.mat contrastmanager→Definenewcontrast: 按上所述定义感兴趣的对比向量 Maskwithothercontrast(s): [No] Titleforcomparison: [correlation] Pvalueadjustmenttocontrol: [None] Threshold: [0.001] Extentthresholdvoxels: [100].
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- VBM8 使用手册
![提示](https://static.bdocx.com/images/bang_tan.gif)