摘要：
1.几大常用格式这张ppt介绍了现在常用的三种格式：dicom主要由扫描器产生，一般是一个slice一个文件；analyze 格式= .img/.hdr spm下用的最多；nifti ，由fsl & afni & spm几个老大哥共同确定的格式，支持3d或者4d。2.利用spm的dicom import 把dicom原始数据转换成分析格式。 一般从sanner拷出来的文件夹中，每一个文件夹里的dicom文件，代表一个被试一次run的结果。spm会自动将dicom转成hdr/img格式。3.利用matlab从hdr/img中读取文件信息，绘图，抽取出矩阵数据等等。 学会使用spm 阅读全文
摘要：
http://hi.baidu.com/flykite083/blog/item/920f56636e803b640c33facb.htmlhttp://www.cnblogs.com/ysjxw/archive/2008/05/28/1209033.htmlI've found a good passage talking about covariate:Covariate:In design of experiments, a covariate is an independent variable not manipulatedby the experimenter but st 阅读全文
摘要：
reference:http://www.psychology.gatech.edu/cabi/Resources/Course/index.htmlsluggish 懒散的，无精打采的。哈哈，ppt作者好有意思啊。有效的设计，是能够hrf可预测。predictable。1. 统计量是基于可解释和不可解释的变异性之间的比率；variability 1. HRF是很缓慢的，加性的。 1.视觉皮层，展现了视觉刺激，在人眼接受刺激5s之后。所以，fmri是一种间接的测量方式。 为了使可预测的变异性最大，我们把神经信号与HRP作卷积，得到一个近似的响应信号。 1.我们说fmri的bold信号，... 阅读全文
摘要：
基于下面这份ppt：Comparing SPM and FSL， bylChris Rordenfsl & spm都是免费的，都很受欢迎。spm更受欢迎。 两者的区别在于何时利用normalise 归一化操作。二者的头动矫正算法是不同的：spm是基于variance指标，fsl是基于normalised correlation 指标。spm的头动，包含非刚体变换unwarp操作。fsl的会将头动参数传递给feat的统计模型中。spm的头动矫正，sophisticated（好，但是复杂），并且耗时。这两种技术都可以去除噪声，但是在与头动相关的研究中，也会带来问题，reduce power 阅读全文
摘要：
在肖柯的硕士毕业论文中《基于CCA的fMRI时空模型数据处理方法的研究》，他的总体思路是利用cca提取出fmri图像在时间和空间上两个相关系数，也就是两个特征，然后利用pca，对这两个特征进行融合，得的一个综合的相关系数，然后利用这个综合的相关系数进行选取阈值，然后判别激活与否。首先，他没有降噪。其次，他有一个假设，就是信号发生体素具有空间局部性和时间局部性。所以，我们才有这样的假设，就是如果一个体素的时间cca系数较高，或者空间cca系数较高，那么，再或者空间-时间两者系数都较高，那么我们就可以判别这个体素是激活的。但是，这个假设成立与否，是值得怀疑的。最后，这位作者的实验设计，不够完整，比 阅读全文
摘要：
A kernel machine-based fMRI physiological noise removal method关于，fmri研究中，生理噪声去除的价值：一、现在随着技术的提升，高场fmri越来越得到应用。高场能够提高图像的信噪比，但是生理噪声却也会提升。所以在高场成像分析中，生理噪声的去除会成为一个不可忽略的因素。二、在静息态fmri中，功能网络的检测依赖于低频的大脑自发信号。这些信号和生理噪声，在频率上，是有着类似的特征。为了提高静息态分析的准确性，去除生理噪声，是必须的操作。在这篇论文中，作者试图采用pca分析fmri的数据，思想是从时域，或者说频率上将混叠的信号和噪音进行区 阅读全文
摘要：
方差分析参考：http://wiki.mbalib.com/wiki/%E6%96%B9%E5%B7%AE%E5%88%86%E6%9E%90方差分析(Analysis of Variance，简称ANOVA)什么是方差分析 方差分析（ANOVA）又称“变异数分析”或“F检验”，是R.A.Fister发明的，用于两个及两个以上样本均数差别的显著性检验。 由于各种因素的影响，研究所得的数据呈现波动状。造成波动的原因可分成两类，一是不可控的随机因素，另一是研究中施加的对结果形成影响的可控因素。 一个复杂的事物，其中往往有许多因素互相制约又互相依存。方差分析的目的是通过数据分析找出对该事物有显... 阅读全文
摘要：
参考：http://emuch.net/html/201102/2841741.html首先是目的不同。F检验用于比较两种分析方法是否存在显著差异（单边检验）或者两种方法紧密度是否存在差异（双边检验），我记得老师说是用于检验新方法是否可行，相当于系统误差。而T检验是利用统计量t，检验操作是否存在误差，或者不同人（不同实验组）之间是否存在误差。按这种说法，如果为了彻底检验新方法，就得必须先做F检验，再做T检验（不存在系统误差方法才可行）。简单的说T检验时检验平均值的，F检验时检验标准方差的。第二个就是精度不同。这个我记不清了印象中F检验成功，T检验可能不成。按上边说法，说点个人理解。lzF检验没 阅读全文
摘要：
1.什么情况下，应用t检验1. 已知总体的均值m，或者我们假设了一个总体均值m；2. 我们知道样本的个数n，样本的的方差var，样本的均值m；3. 我们假设总体，或者样本都是服从正太分布的。2. 我们的目的，就是要检验这个总体均值m是否合理 3.具体步骤：参考：http://wiki.mbalib.com/wiki/T%E6%A3%80%E9%AA%8CT检验的步骤 1、建立虚无假设H0:μ1= μ2，即先假定两个总体平均数之间没有显著差异； 2、计算统计量t值，对于不同类型的问题选用不同的统计量计算方法； 1）如果要评断一个总体中的小样本平均数与总体平均值之间的差异程度，其统计量t值... 阅读全文
摘要：
工具箱下载：http://leelab.googlecode.com/svn/trunk/apps/drtoolbox/————————————————————————————————————————————参考：https://chunqiu.blog.ustc.edu.cn/?p=413 这个工... 阅读全文
摘要：
1.应用pca的前提 应用pca的前提是，连续信号具有相关性。相关性是什么，是冗余。就是要利用pca去除冗余。2.pca的定义 pca是一种去除随机变量间相关性的线性变换。是一种常用的多元数据分析方法。pca将互相关的输入数据转换成统计上不相干的主成分（或者特征），所得到的主成份通常是按照方差大... 阅读全文
摘要：
1.从概率论中相关系数推广而来 在概率论中，研究两个变量之间的线性相关情况时，提出了 相关系数 这个概念。做一下推广，如果研究一个变量和多个随机变量之间的线性相关关系时，提出了 全相关系数（或者复相关系数）的概念。然后，在1936年，有个叫做hotelling的数学家，又进一步做了推广，研究 多个... 阅读全文
摘要：
在写Matlab笔记时，其中要输入一些公式。如果用截图，上传图片到博客中，会因为截的图大小不一很难看，而且图片数据很大，很不科学，这有点麻烦！so，我google搜索下解决方法和资源，整理如下：首先肯定是解决如何在博客中插入公式：1,在博客设置中，html头中添加代码，导入mathML库如：然后直接... 阅读全文
摘要：
Mathtype常用快捷键其实细心一些大家会发现，mathtype中不必用鼠标点来点去，大部分都对应有键盘操作，既快捷又准确。而且，你在用光标点选时，状态栏都会提示选的内容及其快捷键。下面是一些常用的。1. 放大或缩小尺寸,只是显示，并不改变字号Ctrl+1（100%）Ctrl+2（200%）Ctr... 阅读全文
摘要：
什么叫做方法的鲁棒性： fmri分析有四级： 一级：单个被试，单次实验。individual、a singal run； 二级：单个被试，多次实验。individual、multiple runs； 三级：多个被试，但是是一个群体如果你有一个方法，能在这四级分析中都能保持结果的敏感性和特异性，那么你的方法就是鲁棒的。 阅读全文
摘要：
关于fmri数据分析的两大类，四种方法： 数据驱动：tca：其实这种方法，主要是提取时间维的特征。如果用它来进行数据的分析，则必须要利用其他的数据方法，比如结合ICA。ica：作为pca的一般化实现。是一种结构化的方法，就像和小波、傅立叶类似。只不过，比他们要更一般化。小波和傅立叶主要是在频率域做分析，而ica提取出的成分是统计独立的。这些成分，可以理解为本质上有是独立的成分。这就已经超越了频域相同的范畴，更加一般化了。聚类：什么意思呢。先找指标，特征。然后，剩余的方法，就完全和老冯的属性论，定性映射是相仿的。就是根据欧氏距离来判断，二者是否属于一类。 模型驱动：基于spm的glm模型，这种方 阅读全文
摘要：
一、利用ica进行fmri数据分解时，在得到相互独立的成分后，这些成分的后续处理，其实是有很多文章可以做的。比如，对这些成分进行排序和选择。如果能够提出某种方法，能够自动地制造特征，并将这些特征与分解后的独立成分的特征进行比对，确定相应的结果。比如，激活与否。这也可以算做是fmri信号的盲分离算法。二、tca分析，就是进行成分的特征提取与判别的。这种方法的假设是：一个被试在一次run中，大概会得到150多个timepoint的数据。将大脑在这150多个时间点的峰值信号值提取出来，然后得到一个150多个信号的一维向量。用这个向量来反映大脑在一次run中的状态的持续，其中向量中的每一个值代表大脑在 阅读全文