VBM8使用手冊范本

VBM8處理流程1.下載和安裝SPM8:從SPM官方(.fil.ion.ucl.ac.uk/spm)下載SPM8及最新的update包。把SPM8解壓到要安裝的目錄，同時(shí)把update包解壓，并直接覆蓋SPM8相關(guān)容，完成更新。然后打開matlab,把spm8文件夾加入matlab路徑目錄，即完成安裝。VBM8:從VBM官方((dbm.neuro.uni--jena.de/vbm8/)下載壓縮包，解壓后放入spm8/toolbox下，即完成安裝。運(yùn)行VBM8：啟動(dòng)matlab>>spmfmriSpm8TtoolboxTVBM82.VBM8分析流程簡要【字體顏色說明：紅色的都是我添加的，其它顏色基本上都是本文原有的，另外我是按catl2這個(gè)工具包來補(bǔ)充的，所以最好結(jié)合catl2的英文使用說明一起看】>預(yù)處理補(bǔ)充：【1、將要處理的圖像通過SPM中的“Display”進(jìn)行可視化后，點(diǎn)擊顯示頁面左下方的“SetOrigin”，然后點(diǎn)擊這個(gè)按鈕旁邊的“Reorient”按鈕，并保存結(jié)果(不確定這個(gè)需不需要，還是不保存了，貌似沒用)；2、我先對TIW圖像在SPM軟件中進(jìn)行Normalise(Est&Wri),兩個(gè)輸入圖像的地方都輸入這幅待處理的圖像(這步不確定)；將Boundingbox設(shè)置成“-90-126-72;9090108'，將Voxelsizes設(shè)置成“333”。這步會(huì)生成以w開頭的圖像文件?！?.把T1W標(biāo)準(zhǔn)化到MNIspace(這步?jīng)]做)，并分割出灰質(zhì)(GM),白質(zhì)(WM),腦積液(CSF)?相關(guān)參數(shù)可以通“Estimateandwrite”模塊來調(diào)整。2通過“VBM8Checkdataquality”菜單中的“DisplayOnesliceforallimages”和“Checksamplehomogeneityusingcovariance”(這一步?jīng)]成功，成功啦，不過不知道對不對兩個(gè)選項(xiàng)檢查分割和標(biāo)準(zhǔn)化的質(zhì)量。3.采用spm自帶的spm->smooth選項(xiàng)對預(yù)處理好的組織圖像進(jìn)行平滑。>統(tǒng)計(jì)分析通過SPMTSpecify2ndLevel模塊指定統(tǒng)計(jì)模型。采用SPMTEstimate模塊估計(jì)模型采用SPMTResults模塊定義contrast，觀測結(jié)果。VBM分析流程詳細(xì)描述>組織分割與標(biāo)準(zhǔn)化VBM8TEstimateandwriteVolumes《X:輸入解剖圖像，一般為T1W圖像。由于在后續(xù)分割中，需要和MNI先驗(yàn)?zāi)０鍖R，所以這里輸入數(shù)據(jù)最好能和先驗(yàn)MNI模板方向大致相同。若圖像和模板方向差異較大，可以使用SPM的Display和CheckReg按鈕進(jìn)行手動(dòng)調(diào)整。EstimationOptions：使用默認(rèn)參數(shù)即可。這里若不采用SPM自帶的組織先驗(yàn)?zāi)０錞PM，則可選擇自己定制的模板。ExtendedOptions：使用默認(rèn)參數(shù)即可。若要盡可能清除非大腦組織，可更換“Cleanupanypartitions"為“ThoroughCleanup"。也可以嘗試改變兩類降噪方法的權(quán)重，0RNLM的最優(yōu)權(quán)重是0.7。MRF的權(quán)重不需要調(diào)整。當(dāng)不使用某個(gè)降噪方法時(shí)，可直接把其權(quán)重設(shè)為0。WritingOptions:使用默認(rèn)參數(shù)即可。默認(rèn)的“Modulatednormalized-nonlinearonly”：僅對非線性變換帶來的體積改變進(jìn)行調(diào)制后的圖像，voxel值是經(jīng)過brainsize校正后的局部組織相對體積。Abiascorrectedimagevolume：磁場不均勻性校正后的圖像?？墒褂闷谂c不校正的原始對象進(jìn)行比較，驗(yàn)證圖像質(zhì)量。Apartialvolumeeffect（PVE）labelimagevolume：該volume中的值是對每個(gè)voxel局部容積效應(yīng)的估計(jì)。Jacobiandeterminant:每個(gè)voxel值表示MNI模板上該位置變換到被試空間時(shí)，體積變化大小。Deformationfields:非線性變換產(chǎn)生的變形場。File—SaveBatch：（這種步驟都是可做可不做的好像，反正我都沒有保存保存設(shè)置好的batch，可保存成*.m或*.mat文件。File—RunBatch:運(yùn)行設(shè)置好的batch。輸出wm*（在生成的mri文件夾里面）是指biascorrectednormalizedvolumes，mOwrpl*（我這邊生成的是mwp1*文件，也是在mri文件夾里面）是modulatednormalizedgraymatter，m0wrp2（我這邊生成的是mwp2*文件，也是在mri文件夾里面則是modulatednormalizedgraymatter。若標(biāo)準(zhǔn)化使用lowdimensionalspatialnormalization而不是默認(rèn)的DARTEL,modulated后的灰質(zhì)和白質(zhì)圖像名稱應(yīng)分別為m0wp1*,m0wp2*?！驹谏傻膔eport文件夾里面的pdf文件就是分割后的彩色效果】＞預(yù)處理結(jié)果顯示與質(zhì)量控制VBM8—CheckDataquality—DisplayoneSliceforAllimagesVolumes^X:選擇磁場均勻性校正后的圖像wm*）。Proportionalscaling:使用默認(rèn)參數(shù)即可。File—SaveBatch:保存batch。File—RunBatch：執(zhí)行batch。＞樣本一致性檢測VBM8—Checkdataquality—ChecksamplehomogeneityusingcovarianceVolumesGX：選擇各個(gè)被試的“mOwrpl”（我選的是mwp1*，好像cat12生成就是mwp1*）圖像。（之前不成功是因?yàn)橹贿x了一幅圖像，這邊的意思是要選擇全部被試者的mwp1*）[Loadqualitymeasures：選擇report文件夾下的XML文件，也是全部受試者的都選】Proportionalscaling：使用默認(rèn)參數(shù)即可。Showsliceinmm：使用默認(rèn)參數(shù)即可。Nuisance：如果需要控制其他混淆變量，可以在這里輸入。File—SaveBatch:保存batch。File—RunBatch:運(yùn)行batch運(yùn)行結(jié)果會(huì)生成一個(gè)樣本相關(guān)性矩陣：SampleCorrelationMatrix,如下所示>圖像平滑SPM->SmoothImagestoSmooth《X:選擇要進(jìn)行平滑的圖像(我選的是mwpl*，平滑處理后，會(huì)在mwpl*所在文件夾生成smwpl*圖像文件)FWHM:設(shè)定高斯平滑參數(shù)，常用圍是8-12mm.DataType:使用默認(rèn)參數(shù)即可。FilenamePrefix:使用默認(rèn)參數(shù)即可。File—SaveBatch:保存batch。FileRunBatch：執(zhí)行batch。4.建立統(tǒng)計(jì)模型(SPM8—Specify2nd-level)雙樣本t檢驗(yàn)(twosamplet-test)Directory:指定SPM組分析的目標(biāo)文件夾.Design:選擇“two-samplet-test”GrouplScans:選擇第l組被試的預(yù)處理好的灰質(zhì)數(shù)據(jù)smwcl*.niiGroup2Scans:選擇第2組被試的預(yù)處理好的灰質(zhì)數(shù)據(jù)smwcl*.niiIndependence：YesVariance：EqualGrandmeanscaling：NoANCOVA:NoCovariates*MaskingThresholdMasking—Absolute:0.2ImplicitMask:YesExplicitMask:<None>GlobalCalculation:OmitGlobalNormalization:OverallGrandmeanscaling:NoNormalization:NoneFile—SaveBatch:保存batch。File—RunBatch：執(zhí)行batch。SPM將顯示design矩陣，并在指定SPM組分析目錄中產(chǎn)生SPM.mat文件保存design信息。多?；貧w(Multipleregression(correlation))Directory:指定SPM組分析的目標(biāo)文件夾.Design:選擇“MultipleRegression”Scans—［選擇所有被試平滑過的灰質(zhì)圖像文件］—DoneCovariates—”New:Covariate”CovariateVector—按照輸入圖像文件的順序輸入?yún)?shù)值Name—待檢驗(yàn)變量的名字(如，“年齡”)Centering—NocenteringIntercept—IncludeInterceptCovariates*MaskingThresholdMasking—Absolute:0.2ImplicitMask:YesExplicitMask:<None>GlobalCalculation:OmitGlobalNormalization:OverallGrandmeanscaling:NoNormalization:NoneFile—SaveBatch:保存batch。FileRunBatch：執(zhí)行batch。SPM將顯示design矩陣，并在指定SPM組分析目錄中產(chǎn)生SPM.mat文件保存design信息。>全因素模型（Fullfactorialmodel（2x2ANOVA）Directory:指定SPM組分析的目標(biāo)文件夾.Design:選擇“FullFactorial”Factors:“New:Factor;New:Factor”FactorName:指定因素名稱，如”sex”Levels:2（男和女）Independence:YesVariance:EqualGrandmeanscaling:NoANCOVA:NoFactorName:指定因素名稱，如"handness"Levels:2（左右利手）Independence:YesVariance:EqualGrandmeanscaling:NoANCOVA:NoSpecifyCells：“New:Cell;New:Cell;New:Cell;New:Cell"CellLevels:指定cell的名稱，如，“11"Scans:選擇第1個(gè)因素第1個(gè)層次和第2個(gè)因素第1個(gè)層次對應(yīng)的數(shù)據(jù)文件（如,男性左利手）（smwc1*.nii）CellLevels:指定cell的名稱，如，“12"?Scans:選擇第1個(gè)因素第1個(gè)層次和第2個(gè)因素第2個(gè)層次對應(yīng)的數(shù)據(jù)文件（如男性右利手）（smwc1*.nii）CellLevels:指定cell的名稱，如，“21"?Scans:選擇第1個(gè)因素第2個(gè)層次和第2個(gè)因素第1個(gè)層次對應(yīng)的數(shù)據(jù)文件（如女性左利手）（smwc1*.nii）CellLevels:指定cell的名稱，如，“22"?Scans:選擇第1個(gè)因素第2個(gè)層次和第2個(gè)因素第2個(gè)層次對應(yīng)的數(shù)據(jù)文件（如女性右利手）（smwc1*.nii）Covariates*MaskingThresholdMasking—Absolute:0.2ImplicitMask:YesExplicitMask:<None>GlobalCalculation:OmitGlobalNormalization:OverallGrandmeanscaling:NoNormalization:NoneFile—SaveBatch:保存batch。FileRunBatch：執(zhí)行batch。SPM將顯示design矩陣，并在指定SPM組分析目錄中產(chǎn)生SPM.mat文件保存design信息。全因素模型(FULLFACTORIALMODEL-INTERACTION)Directory:指定SPM組分析的目標(biāo)文件夾.Design:選擇“FullFactorial”Factors:“New:Factor;New:Factor”FactorName:指定因素名稱，如”sex”Levels:2(男和女)Independence：YesVariance：EqualGrandmeanscaling：NoANCOVA:NoSpecifyCells：“New:Cell;New:Cell”CellLevels:指定cell的名稱，如“1"Scans:選擇第1個(gè)因素第1個(gè)層次對應(yīng)數(shù)據(jù)文件(如，男性)(smwc1*.nii)CellLevels:指定cell的名稱，如“2"Scans:選擇第1個(gè)因素第2個(gè)層次對應(yīng)數(shù)據(jù)文件(如，女性)(smwc1*.nii)Covariates—“New：Covariate"CovariateVector—按照輸入圖像文件的順序輸入對應(yīng)參數(shù)值Name—待檢驗(yàn)變量的名字(如，“年齡")Interactions—WithFactor1Centering—NocenteringMaskingThresholdMasking—Absolute:0.2ImplicitMask:YesExplicitMask:<None>GlobalCalculation:OmitGlobalNormalization:OverallGrandmeanscaling:NoNormalization:NoneFile—SaveBatch:保存batch。File—RunBatch：執(zhí)行batch。SPM將顯示design矩陣，并在指定SPM組分析目錄中產(chǎn)生SPM.mat文件保存design信息。SPM8—EstimateSelectSPM.mat:選擇之前保存的SPM.mat文件。然后點(diǎn)擊run按鈕即可進(jìn)行估計(jì)。定義Contrast(SPM8—Results—SelecttheSPM.mat—Definenewcontrast):雙樣本T檢驗(yàn)：?選擇t,輸入[1-1],效應(yīng)為GroupA>GroupB.多元回歸：?選擇t,輸入[1],效應(yīng)為正相關(guān)。?選擇t,輸入/