fMRI数据系统SPM原理与应用重点分析.pptVIP

G (刺激因素） Design matrix X G1 H (干扰因素) H1 Global activity: E.g. head motion parameters Hc Linear trends Gc stimulus GLM：设计矩阵X的结构 血氧系统对单次刺激的响应 刺激序列 HRF 设计矩阵中的刺激因素X G (stimulating) Design matrix X G1 H (non-interesting) H1 E.g.(1) head motion parameters (2) breathing (3) heartbeat Hc Linear trends due to MRI scanner Global activity: Gc stimulus GLM：设计矩阵X的结构 为什么要考虑这些干扰因素？ Linear Trend Probable Respiration Artifact head motion parameters Effect/Error Single-subject Analyses 基本过程与原理 GLM Principle of GLM Design Matrix Solution to GLM Effect of Interest and statistics 0 100 -10 +10 0 1 2 -0.01 +0.01 = + * 5 +…+ Y = X1 * β1 +… + Xn * μ + e * 50 Fitting X to Y gives you one β (parameter estimate) for each column of X, a μ and e. Betas provide information about fit of regressor X to data, Y, in each voxel GLM求解的几何表示：勾股定理 E 用X线性组合Y^近似表达Y Single-subject Analyses 基本过程与原理 GLM Principle of GLM Design Matrix Solution to GLM Effect of Interest statistics 多重比较 Example 构造 Contrast 对感兴趣的解释变量进行比较 X2 X1 Y= X ?β + ε = β1 ? X1+β2 ? X2+β3 ? X3+…+βN ? XN+ε [X1 X2 X3 … XN] [β1 β2 β3 …βN] T检验：构造 Contrast向量 F检验：构造 Contrast矩阵 实验设计 =〉感兴趣effect =〉contrast 所以contrast在数据采集之前就定下了！ 本质 Effects ? 解释空间Xs ? contrast 向量 [1 -1] x1–x2 ? ? E x1 –x2 (x1 –x2) Single-subject Analyses 基本过程与原理 GLM Principle of GLM Design Matrix Solution to GLM Effect of Interest statistics Multiple Comparisons Time Y = X ? β + ε Intensity Y Preprocessing ... The Problem of Multiple Comparisons TTo Po=0.01 * Statistical Parametric Mapping 基本原理与使用 北京师范大学 认知神经科学与学习国家重点实验室 朱朝喆 研究员 czzhu@ fMRI研究框架 实验设计 被试招募与 扫描 科学问题 结果解释 实验假设 数据统计 分析 SPM, AFNI, FSL, VoxBo SPM 版本历史 The forthcoming version is SPM5 The current version is SPM2 Previous versions SPM2b released 21st November 2002 SPM99 released 25th January 2000 SPM96 released 9th April 1997 http://www.fil.ion.ucl.ac.uk/spm/ 线 性 代 数 统 计 理 论 GLM模型 随机场模型 M R 成 像 信 号 处 理 计算神经解剖学 神