使用ProNTo工具分析fMRI数据，进行MVPA操作（基于MATLAB）

1、下载安装ProNTo

MLNL :: PRoNTo

下载之前需要提交表单

提交表单之后即可下载一系列版本

我的版本（2.1.1）

2、打开MATLAB

设置路径（set path）找到下载的ProNTo的位置保存然后关闭

 

MATLAB中输入pronto，出现button

 

3、创建存放结果的文件夹。

MATLAB打开文件所在位置，点击button中的Data&Design按钮，在弹出的新button中Browse选择刚才创建的存放结果的文件夹。路径中不要有中文和空格。

第一列是分配组

第二列是主题

第三列是周围的模式，点击ADD

Name：是什么样的数据，点击Enter new 新建name

Design：

Load SPM.mat：添加spm.mat文件

 

Specify design：指定设计，设计矩阵，可以看见添加的不同条件的文件（TR等信息）

 

Select：选择进行预处理之后的文件（w开头，没有进行平滑的）

可以添加多组

4、Mask

放mask

 

5、保存并查看结果

Save --> Review

 

可以看见有多少个组和主题

不同颜色意味着不同的条件

调高HRF时，选择可用的扫描变得更低，因为当你考虑HRF功能的大量方式时，这意味着你可能会在两个不同的contrast之间引入重叠？？Pronto做的是直接移除一些扫描，来就咸亨一些不和谐，但是通常设置6s。实验设计如果没有设置短暂的休息时间，那么就看不到变化。完成后可关闭。

主界面会提示你做了什么工作。

点击Save，保存刚才做的设置。当做了修改之后要点击save去保存刚才的设置

生成了一个PRT.mat，在刚才新建的result文件夹中。

设置结束后点击quit退出。

6、准备数据集

在弹出窗口选择PRT.mat

选中文件后新弹出一个button

选择fmri模态，condition选择all condition

Detrend：改变我们可以纠正信号漂移的方式（important），建议Polynomial多项式

Features：特征选择

 

梭状回

第一次使用mask的时候是全脑mask

Done

给特征选择集合起个名字（FFA_FS）

点击Build kernel查看数据矩阵可以看到处理的信息在命令窗口中打印出来

 

 

7、Specify model 确定模型

再次选择PRT.mat

设置Model name

指定模型阶段：Model

选择模型类别  分类和回归

Classification -> define classes

 

定义类别，类接口

分类的类别数量

选择class

选择我们应该选择的组和条件（可以选择多个）

Done

选择机器学习分类模型

使用交叉验证 优化参数

Cross-Validation Scheme 选择交叉验证方案

 

选择交叉验证的文件夹数量

交叉验证阶段：

 

Specify and run model

8、Display results

得到结果

 此处关注点赞加收藏！（wink~）