静息态功能磁共振成像(rs-fMRI)原理与数据分析学习笔记(8):Statistical Analysis

该文详细介绍了fMRI数据的质量控制流程,包括dpabi软件的操作,如QC步骤、阈值设定等。接着,文章阐述了统计分析的各种方法,如One-SampleT-Test、Two-SampleT-Test、ANOVA等,并提到了多重比较矫正的重要性和不同策略。最后,讨论了结果查看和可靠性测试。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

视频来自:8_StatisticalAnalysis_哔哩哔哩_bilibili

pdf:The R-fMRI Course | The R-fMRI Network

目录

1. 质量控制(Quality Control)

1.1. 软件操作

2. 统计分析(Statistical Analysis)

2.1. 软件操作

2.2. 多重比较矫正(Multiple Comparison Correction)

2.3. Different Multiple Comparison Correction Strategies

2.4. Test-retest Reliability

3. 结果查看(Results Viewing)

3.1. Viewer

1. 质量控制(Quality Control)

1.1. 软件操作

(1)dpabi→Quality Control(⭐这些应该是进行了数据处理之后才有的文件,不是原始数据集)

(2)QC:Raw T1

        ①打开的要是如下.tsv文件,可以修改tsv文件中的数值

(3)QC:Raw Fun:会打开功能影像

(4)QC:Normalization

        ①黄色的线条是白质灰质的边界

        ②在中间QC Comment可以给对于白质灰质分界判断好坏的分数

        ③第二次点QC:Normalization的时候会生成分数框

(5)Threshold QC Score

        ①这个设定得到是分数的下界,所得数据要大于这分数才能进入被统计分析数据

        ②设定完后左边框中小于这些分数的被试都会被排除掉

(6)Generate Group Masks

        ①wAutoMask是MI空间,且根据它可以生成GroupMask

        ②可以在这个文件中输入值,此例为要求90%的被试都cover这个voxel才进入GroupMask(即进入统计分析)

(7)Threshold Coverage

        ①先选择GroupMask

        ②再次对比阈值,如果达到了就保留,否则舍去

(8)Motion Report

        ①显示MeanFD

        ②再点击view显示被试头动大小

 (9)Threshold Motion

        ①被试的平均值和被排除的阈值设置

 (10)最后会生成一个SubjectList把所有不合格的被试都排掉

2. 统计分析(Statistical Analysis)

2.1. 软件操作

(1)dpabi→Statistical Analysis

(2)可以做的统计

(3)One-Sample T-Test

        ①可以看看患者和普通人ALFF的图像差异

        ②在左边栏加入被试,右边是协变量,可以不添加

        ③生成的结果示例

 (4)Two-Sample T-Test

        ①One Sample是没有实际意义的,一般要使用Two-Sample来进行数据分析

        ②在左方添加两个文件夹(值第一组减去第二组的值,所以顺序很有关系)

        ③上图中Covariate Images添加的灰质密度图像,Covariate Images为图像协变量

        ④功能上一般是3*3*3的voxel size,但结构上一般是1*1*1或1.5*1.5*1.5。此时用Utilities→Image Reslicer可以将结构像变成功能像的大小,否则在这不一样大会报错

        ⑤上图中Text Covariates添加了头动,Text Covariates是文本协变量

(5)Paired T-Test

        ①对同一个被试的重复测量,此图是同一被试睁眼闭眼的图像

        ②被试内设计具有很高的说服力,因为排除了组间差异。因此在小样本分析时,尽量用被试内分析

        ③个人一般不需要加协变量,除非加头动

(6)ANOVA or ANCOVA

 

        ①有三组的时候就需要ANOVA,即推断三组之间有两组具有显著差异,避免多重比较

        ②可以直接做ANOVA,也可以在做的时候先做多重比较矫正。看结果可以用Z值

(7)Correlation Analysis

        ①用于有更多组的时候

        ②Correlation Seed Series:和什么做相关

(8)Mixed Effect Analysis

        ①做混合设计,既有被试内因素,也有被试间因素

        ②得到的文件,最重要的是中间那个

 (9)最后在Run左边有Permutation test(PALM)可以勾画上,会跳出来选参框,一般选默认参数就好(但是5000可能太高了)

 

2.2. 多重比较矫正(Multiple Comparison Correction)

(1)概念:尽管一个被试的正确率可能高达0.95,但要保证在极大量下全部被试的全部正确率却会因为0.95^n(n极大)而显著降低

(2)优化

        ①Bonferroni:将p值(一般是0.05或0.01)缩小为p/n(n为检验次数)。但这样p值太小了,即算出来的significant值要<p/n才算显著。这样很难有显著的差异的样本

        ②False Discovery Rate(FDR):有很多种方法(太多且复杂就不一一例举,仅给出严老师PPT里给的方法),比Bonferroni更为温和实用。在DPABI_VIEW里Cluster可选FDR矫正

 

 

        ③Family-Wise Error(FWE):也有很多种办法,如下

        ④Gaussian Random Field Theory Correction(GRF Correction)

        ⑤AlphaSim Correction:不是很推荐

        ⑥Threshold-Free Cluster Enhancement(TFCE):

 

2.3. Different Multiple Comparison Correction Strategies

 

2.4. Test-retest Reliability

 

3. 结果查看(Results Viewing)

3.1. Viewer

(1)Overlay

(2)Overlay Configure:是阈值设置,可以滑动也可以输入 

(3)Position上面XYZ是坐标,下面IJK是对应代码矩阵的位置

(4)Time Course:显示时间序列

(5)Atlas:看点击的区域是在大脑的什么位置

 

(6)Structure

 

<think>我们正在处理的是关于DPABI中配对T检验(Paired T-test)在静息fMRI分析中的教程请求。注意:用户之前的问题是关于单样本T检验,现在转向配对T检验。配对T检验用于同一组受试者在两种不同条件下的比较(例如,治疗前vs治疗后)。 根据DPABI的操作流程,配对T检验需要两组数据(每个受试者有两个数据文件,分别对应两个条件)。我们将按照以下步骤进行: 1. **数据准备**:需要两个文件夹,分别存放两种条件下所有受试者的数据(例如,PreTreatment和PostTreatment)。每个受试者在两个文件夹中应该有对应的数据文件(按相同顺序排列)。 2. **协变量**:如果需要,可以准备协变量文件(如年龄、性别等),但注意配对T检验中,受试者内因素不需要将受试者变量作为协变量(因为自身配对已经控制了受试者内变异)。 3. **启动DPABI**:选择配对T检验模块。 注意:在DPABI中,配对T检验是通过“Two-sample T-test”模块来实现的,但需要选择配对选项。具体步骤如下: 步骤: 1. 在MATLAB中运行`dpabi`,选择“Statistical Analysis-> “Two-sample T-test”。 2. 在“Group1 Images”中添加第一组数据(例如,治疗前)的文件夹。 3. 在“Group2 Images”中添加第二组数据(例如,治疗后)的文件夹。注意:两个文件夹中的文件必须按相同的受试者顺序排列(即第一个文件夹的第一个文件第二个文件夹的第一个文件是同一个受试者)。 4. 勾选“Paired”选项(这是关键,将两样本T检验转换为配对T检验)。 5. 其他选项(如协变量、掩膜、输出目录等)单样本T检验类似。 下面详细说明:</think>### DPABI配对T检验(Paired T-test)静息fMRI分析指南 #### 1. **数据准备** - **输入数据**:需要两组**配对数据**(如治疗前vs治疗后) - **数据组织**: - `Group1`文件夹:存放条件1的所有受试者数据(如`pre_treatment`) - `Group2`文件夹:存放条件2的所有受试者数据(如`post_treatment`) - **关键要求**:两组数据**受试者顺序必须严格对应**(第1个文件夹的第1个文件对应第2个文件夹的第1个文件)[^1] - **文件格式**:预处理后的指标文件(如ReHo/fALFF的`*.nii`文件) - **协变量**(可选):TXT文件(每行一个受试者,每列一个协变量) #### 2. **操作流程** ```mermaid graph TD A[启动DPABI] --> B[选择 Statistical Analysis > Two-sample T-test] B --> C[设置Group1 Images] C --> D[设置Group2 Images] D --> E[勾选Paired选项] E --> F[设置Output Directory] F --> G[点击Run] ``` #### 3. **参数设置详解** 1. **Group1/Group2 Images** - 分别添加两组数据的文件夹路径 - 示例: - Group1: `D:\rsfMRI\pre_treatment` - Group2: `D:\rsfMRI\post_treatment` 2. **配对设置**(关键步骤) - **必须勾选**"Paired"选项(默认不勾选) - 验证数据配对:确保两组文件数量相同且排序一致 3. **协变量设置** - 格式示例(3个受试者,2个协变量): ``` 28 0.15 35 0.09 42 0.12 ``` 4. **高级选项** - `Mask File`:建议使用灰质掩膜提高灵敏度 - `Permutation test`:推荐勾选(默认5000次置换) - `Prefix`:结果文件前缀(如`PairedT_`) #### 4. **统计原理** 配对T检验公式: $$ t = \frac{\bar{d}}{s_d/\sqrt{n}} $$ 其中: - $\bar{d}$:配对差异的均值 - $s_d$:配对差异的标准差 - $n$:受试者数量 检验假设: $$ H_0: \mu_1 = \mu_2 \quad vs \quad H_1: \mu_1 \neq \mu_2 $$ #### 5. **结果解读** 1. **输出文件**: - `spmT_0001.nii`:T统计图 - **正值**:Group1 > Group2 - **负值**:Group1 < Group2 - `con_0001.nii`:对比图像(Group1 vs Group2) 2. **结果查看**: ```matlab dpabi_viewer % 启动查看器 ``` - 加载`spmT_0001.nii`,设置阈值(推荐$p<0.001$,簇大小>20体素) - 示例:治疗前vs治疗后fALFF比较,正激活区=治疗后活动增强脑区 3. **结果报告**: - 使用`xjview`或`DPABI_VIEW`生成激活簇表格 - 包含:脑区坐标(MNI)、簇大小、峰值T值、p值 > **注意事项**:配对T检验要求差异值近似正分布,建议预先检查差异值的分布特征。对于纵向研究,建议添加头动参数作为协变量[^1]。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值