基于cat12搞定VBM的ROI分析——vertex水平和ROI水平的双样本T检验

前言

本来上周要更新此篇的，但由于本身有问题没有解决清楚，再加上导师给了数据处理的任务下来了，两下耽搁，就等到现在了。上回说到，做了VBM和SBM的指标提取及双样本T检验的统计分析，那接下来我们还可以做什么呢，可以从许多文献中看到，有的不仅仅只计算每个体素指标值之间的差异，还会想到要将其放到各个脑区上，比较指标在脑区之间的差异，而ROI分析就是问了解决这个问题。需要注意的是，目前小编通过cat12.7只能对基于体素水平的统计结果做ROI分析，皮层处理会报错，原因暂不明了，待小编继续深究。接下来自然是必须要说的，小编是初学者，很多东西也才刚了解，并不能说自己的就是100%正确，只是希望分享经验，至于经验的正误还需各位读者通过实践去检验，也欢迎大家提出问题并指正。特别强调，所有文章结果图片仅供演示用，无任何实际意义。

一、简要概念介绍

1、Voxel水平&Vertex水平： 皮层重构是由一些三角形组成的，而三角形的顶点就是此处的Vertex，至于为什么是三角形，还需要读者自己去了解哦，当然小编也会在以后更新。VBM的最小单位是Voxel（体素）,这个相信读者已经非常熟悉了，而Vertex（顶点）便是皮层的最小单位，也就是说在VBM中是针对全脑中每个体素做分析，而SBM中是针对全脑中每个顶点做分析。具体原理小编将在下篇更新，其对应的统计分析结果图如：spmT_xxxx.nii & spmT_xxxx.gii。Vertex顶点示意图如下：

2、ROI水平——logPThreshold_Nameofcontrast_NameofAtlas_measure.nii
ROI就要从atlas脑图谱说起了，以前有许多神经解剖学专家为了更好地描述大脑内部结构连接与功能连接的关系，通过解剖学知识及其解剖结构，再根据某些大脑功能的