afni迷 溅出的水花儿： 本帖被 wonder 从 功能和磁共振(fMRI)高级讨论区 移动到本区(2007-10-21)
SPM系列软体与所相关理论最初由Karl Friston发展,为对於由正电子放射摄影法(PET)所得之神经系统机能数据的常规性之统计分析,此软体於1991年推出,可用於近年所发展之新功能影像,并有成立相关数据分析研究实验室(哈哈,大家都知道剑桥那个实验室吧).
在过去,作脑部半定量分析时,经常需要人工手动圈选ROI,然后测量其计数值,之后使用统计软体处理实验数据,如Microsoft Excel做资料统计,来比较差异性.但通常因不同人所圈选之位置,大小不同,而造成人为误差,只能得到资料数据上的变化,对於整体形而言反而无从比较,因此SPM的所提供的测试和参考以及资料统计方式,对我们来说较有整体比较与降低人为误差的可能.
大概来说,SPM是结合受试者影像和统计方法的软体,藉由对於影像中体素(Voxel)和体素之间所含差异值的统计比较,使影像在标准空间上较为正常与平滑,其参数统计模型假定於每个体素上,再使用一般的线性模型去描绘出其数据在经数次测试后所余变化量以及影像受模糊影响的变化,再经测试表现出估计体素而得的模型参数的相关统计资料,藉由它可知一影像所含体素的统计资料与其统计所成影像或是统计参数表(SPM{t}, SPM{Z}, SPM{F}),如在f MRI应用上,一般线性模型所含叠积因连续性相关退化的结果,而使在f MRI 时间序列上产生相关统计的影像.而对於在同时间所有体素统计资料倍数之比较,是利用假设其统计影像为晶格所表现出一个基础且连续稳定之任意域,再利用尤拉特性去修正每一体素所测得的P值.并答应计算所修正的P值对丛集体素上会超过一阈值,且整体丛集固定之前阈值,导致局部更有效的统计测试.
下面看不懂的可以暂时不看
:
藉由[Mao 88]中的非线性分块原理之计数模型,其输出概率矩阵为
{ } y b B = ,1 ≤ i ≤ M,1 ≤ j ≤ NC
其中M为模型状态数,模型状态可表示为
{ } i s S = ,1 ≤ i ≤ M
NC 为码本长度,码本为
{ } i v V = ,1 ≤ j ≤ NC
假设测试次数为L,则B矩阵的计算公式为:
b y =第k次出现的次数
在识别时,观察序列O = { } T C C ... 1 被分为M块,长度分别为Li,对所识讯号表中
{ } T W W ... 1 每待识讯号其所对应矩阵为ω,统计分值为
使在分块上对分段长度上之讯息作综合.
SPM的状态数(即非线性分块的块数)M对识别率会不同影响,分别对识别讯号资料库中26 (%26;0%26;"%26;9%26;,%26;05%26;"%26;95%26;,%26;11%26;,%26;51%26;"%26;91%26;)进行实验得知,状态数取M=5时,对识别来说是较合适的.
>>> 2007-03-14 15:17
新皮层 溅出的水花儿： 嗯,这个比较老,但也算比较经典
>>> 2007-03-26 05:16
micphone 溅出的水花儿： 顶！
>>> 2007-04-02 20:14
candy 溅出的水花儿： 谢谢楼主了,现在都找不到中文的资料了 ,想问一下关于SPM中GLM模型还有就是多重比较矫正原理有没有中文资料可以参考?
>>> 2007-05-14 09:47
heheyansong 溅出的水花儿： 开始学习该数据的处理
>>> 2007-06-16 16:51
