fMRI数据处理

产生的一系列文件中：

https://www.bilibili.com/video/BV1U5411s7kg?p=3   严老师视频

（1）头动矫正  其中FD_Jenkinson最好

 

 下面这个是很早以前用来排除被试的，现在不用了，现在都用meanFD排除

 

 HeadMotion.tsv: 显示最大或平均头动，mean FD,...一般使用 mean FD后面做统计分析

 

（2）Reonent Fun和Reonent T1用于质量控制，调整位置到前联合（空间的原点）     自己可以打分

 

 

 （3）AutoMask

有的被试被扫的面积没有覆盖到全脑，用来检验盖住的多少，

 （4）T1 DICOM to NIFTI：

dicom的结构像转成nifti

（5）Bet： 结构像和功能像配准之前去除头皮干扰

 

 具体步骤：先bet去除头皮干扰，然后结构像去配准功能像，后再应用到之前未去头皮的结构像，再去segment分割（带着头皮分割效果好，bet也有可能损伤）

 

 （6）T1 Coreg Fun：结构像配到功能像空间

 

（7）segment：把大脑的结构像分割成灰质、白质和脑脊液，是老的segment不用

用new segment+DARTEL：  36min

segment生成的结果：

 

 

（8）Nuisance Covariates Regression：去除噪声

         Polynomial trend:1 去除线性漂移

         Head Motion model: 用Friston 24 做头动矫正

          。。。

 

（9）Normalize 空间配准

        意义：将很多被试者的大脑配到一个标准的模板上面，才能对相同的东西进行比较，如pcc

       方法：1.EPI模板 2.T1先对T1分割成白质灰质脑脊液，再用到功能图像上去 3.DARTEL：用的最多

                   45min DARTEL：基于分割结果，基于100个被试的group  ，，再把这个模板配到MNI空间    费时。。

       smooth：提高配准效果    注：计算reho、degree前不要用smooth！

       Default mask：基于脑内的体素进行

 

至此，所有的预处理步骤选择完毕！！！  （只进行预处理的话，下面所有的一切全都不用选了）

 

数据分析：