SPM12入门案例1

最新推荐文章于 2025-06-11 13:26:56 发布
原创 最新推荐文章于 2025-06-11 13:26:56 发布 · 1.4w 阅读 · 216 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#spm12 #matlab

SPM12入门案例1

Auditory fMRI data

准备工作

(1)数据下载

使用样例Auditory fMRI dataset，数据来源于官网下载未处理的数据Raw functional and structural data。

(2)创建文件夹

创建名为auditory的文件夹，在该文件夹下创建三个子文件夹分别是dummy,jobs,classical分别用于存放dummy scans、job-specification文件、design matrices 和models estimated using classical inference。
注意:为了避免在fMRI时间序列的初始扫描中出现T1效应，建议丢弃使用编号为04-15.{img,hdr}，保留使用16-99.{img,hdr}，并将这些文件存储到dummy文件夹下。

处理过程

1.启动matlab，并在command行输入 spm fmri启动。启动完成后，会出现三个窗口。左上角是菜单窗口，左下角是交互式窗口,右边是图形窗口。

Realignment

2.在SPM菜单窗口的空间预处理部分，从Realign下拉菜单中选择Realign(Est&Res)。选择Realign(Est&Res)
3. 弹出新的窗口后，单击data在该窗口的下方单击session，创建出新的session。回到上方单击session，选择数据dummy文件中的84个文件，右键Select all后单击done
在这里插入图片描述
4. 选择Reslice Options下的Resliced images中的 Mean Image Only

在这里插入图片描述

5.点击file中的save batch，保存此次批处理过程.命名为realign.mat后点击绿色小箭头按钮开始运行。将绘制出估计的平移和旋转时间序列图
在这里插入图片描述

Coregistration

  1. 点击左侧menu中的Coregistration (Estimate)

  2. 弹出新的窗口，选择Reference Image，并选择realign图片名称meanfM00223_016.img，选择Source Image，选择结构性图像 sM00223_002.img，同样保存在jobs文件夹下命名为coregister.mat.
    在这里插入图片描述

  3. 点击运行，生成该图像在这里插入图片描述

  4. 此时可以点击左侧menu中的Check Reg,同时配准Reference和Source，鼠标可以单击任意位置的图像，图像将呈现不同方向呈现的同一位置。在这里插入图片描述

Segmentation
  1. 左侧menu中点击Segment按钮，右侧窗口中选中并点击Volumes添加解剖图像。
  2. 选择实验对象的解剖图像sM00223_002.img
  3. 选中Save Bias Corrected，并选择Save Bias Corrected项
  4. 将右侧窗口向下滑动选中Deformation Fields，并选择Forward
  5. 将操作保存至jobs文件夹下命名为segment.mat
  6. 点击运行按钮，SPM将使用default tissue probability maps作为先验结构图像。SPM将生成灰质、白质和(bias-field corrected structural image)偏场矫正结构图像
  7. Check Reg选中sM00223文件夹下的c1sM00223_002.nii与sM00223_002.img*，点击Done完成显示
    在这里插入图片描述
    在这里插入图片描述
  8. 同理选中msM00223_002.nii与sM00223_002.img分别是bias-corrected image和structural image，在原来的文件目录中会产生 y_sM00223_002.nii

注意： SPM也将产生 形变场(deformation field)

Normalise
  1. 选择左侧窗口的Normalise(Write)，选择右侧窗口中的Data，并选择Subject，创建新的subject
  2. 选择右侧窗口中的Deformation Field并添加文件夹sM00223中的y_sM00223_002.nii
  3. 选择右侧窗口中的Images to Write，并将配准之后的文件添加文件夹dummy中fM000文件全部添加，点击Done*按钮
  4. 在Writing Options，中改变Voxel sizes[2 2 2]为[3 3 3]，这不是必须的步骤
  5. 保存，命名为normalise_functional.mat ，并点击运行，将在dummy文件夹下生成，以w开头的文件。
    如果你想将自己的解剖图中注入实验对象的活跃图你需要按照下面方式做:
    12保持不变。
Smoothing
  1. 左侧窗口单机Smooth按钮，并在弹出的右侧窗口点击Images to Smooth,并且选择上一步处理完成的空间规则化文件类似wf*.img的文件。
  2. 选择FWHM将[8 8 8]修改为[6 6 6]
  3. 保存为smooth.mat
  4. 点击Run，在文件夹dummy，生成wmeanfM00223_016.img
  5. 使用Check Reg，选择dummy文件夹下的wmeanfM00223_016.img与meanfM00223_016.img,之后选择Done完成，生成如下图所示。
    在这里插入图片描述

Model specification, review and estimation

模型的确定–>评介–>评估，点击Specify 1st-level。

  1. 打开Timing parameters
  2. 点击Units for design并选择Scans。
  3. 选择Interscan interval并输入7，使得扫描间隔时间变为7。
  4. 选择Data and Design ，然后点击NewSubject/Session，然后打开新创建的Subject/Session选项。
  5. 点击Scan选择84张经过平滑处理过的图像 从swfM00223_016.img 到swfM00223_099.img
  6. 点击Condition选择New condition，选择Name然后输入listening命名。点击Onsets，输入6:12:84创建一维数组。 点击Durations然后输入6。
  7. 点击Directory然后选择之前创建classical文件的路径。
  8. 存储为specify.mat，并运行。
    在这里插入图片描述
    点击左侧Design窗口，选中Design然后下拉菜单选择Explore选择Session1选择listening，形成如下窗口
    在这里插入图片描述
    如果选择Design Orthogonality，Orthogonality表示正交，如果列向量内积为x1Tx2=0，则x1与x2正交。
Estimate
  1. 点击Estimate button
  2. 选择Select SPM.mat，然后点击classical文件夹下的SPM.mat
  3. 将其保存为estimate.mat然后点击运行。
  4. SPM运行产生文件并存储与classical文件夹下。

Inference预测

点击Result，然后选择上一步完成的SPM.mat，显示如下窗口
在这里插入图片描述

Contrast manager

Contrast manage右侧的panel显示的是Design matrix，左侧具体的罗列了contrast的项目。

  1. 点击左下角Define new contrast，输入第一个contrast名称为listening > rest，设置值为1；同理设置rest > listening，设置值为 -1
  2. 选择listening > rest，点击Done完成。
    在这里插入图片描述
Masking
  1. 弹出窗口，从 [none/contrast/image] 选择,点击none

在这里插入图片描述
注意:Masking implies selecting voxels specified by other contrasts.

Thresholds
  1. 选择FWE。
  2. 接受默认值0.05
  3. Extent Threshold {voxels} [0]，选择默认参数0。

在这里插入图片描述

Files

此时会将很多文件写入工作目录，包含加权参数估计的图像被保存在con_0001.nii与con_0002.nii中并存储于classical文件夹下。

Maximum Intensity Projections

Maximum Intensity Projections简称MIP，中文为最大密度投影法。MIP被投影到一个三维正交平面的glass brain
在这里插入图片描述
图中红色的游标可以拖动到不同的位置。

Design matrix

spm显示出被选中的对照组的design matrix，如下图中的上半部分，鼠标单击右键显示参数名称，单击左键显示design matrix values for each scan
在这里插入图片描述

Statistical tables
  1. 为了得到局部最大(local maxima)，点击p-values窗口部分上的whole brain
    在这里插入图片描述

此处数据显示出大于8mm的部分

图中的列从右到左依次是：

  • x,y,z(mm): 每个最大值在MNI空间上的坐标值

  • peak-level： the chance § of finding (under the null hypothesis) a peak with this or a greater height (T- or Z-statistic), corrected (FWE or FDR)/ uncorrected for search volume.
    在校正或者未校正的Search volume中找到这个顶点(peak)极值或者更大height的概率(T-statistic or Z-statistic表示T统计量 Z统计量)

  • cluster-level :the chance § of finding a cluster with this many (k) or a greater number of voxels, corrected (FWE or FDR)/ uncorrected for search volume. 对于search volume找到校正或者未校正的具有许多数量（k）或更多数量的体素。

  • set-level : 在search volumes中找到这个C或者更大的cluster的概率(chance)。

备注：点击同时值得注意的是：

  • 单击一个cluster坐标的行移动游标指针，单击其他的数字将在matlab窗口中显示确切的值
  • 为了检查一个特定的cluster(例如，在这个数据集中，右侧听觉皮层)，可以移动MIP的游标(通过左键单击并且移动游标，或者是右键点击MIP的background将弹出一个下拉菜单)
  • 或者点击volume table中游标的坐标，或者在交互窗口中输入坐标

同时还能够为单个感兴趣的cluster产生统计信息表而不是整个volume。首先，选择MIP中相关的统计信息,然后在左侧的小窗口中选择p-values中的current cluster。右侧在选中的cluster中将显示局部最大local maxima(>4mm apart)的坐标和voxel-level的统计数据。

Plotting responses at a voxel

在左侧的交互窗口界面中，通过输入voxel的坐标来选择体素，点击plot，在红色的游标在右侧界面跳转到对应位置。提供5个更多的选择。

在这里插入图片描述

点击上图中的plot并按照指示操作

  1. Contrast estimates and 90% CI：点击plot之后按照操作，选择对照组的名称。
    在这里插入图片描述

  2. Fitted responses：根据session/subject绘制数据与反映拟合如下该图选择的参数是listening>rest,adjusted,scan or time
    在这里插入图片描述

  3. Event-related responses：根据刺激反应的时间绘制数据与拟合反映图。
    在这里插入图片描述

  4. Parametric responses.

  5. Volterra kernels.
    在这里插入图片描述

对于绘制项目相关的反应SPM提供三个options：

  • 拟合相应和PSTH(peri-stimulus time histogram)：绘制每一个peri-stimulus time平均回归量和SE信号平均。
  • 拟合响应和90%CI(confidence interval)：绘制90%的可信区间平均回归量(regressor)
  • 拟合响应和调整数据(Fitted response and adjusted data) 。
    值得注意的是：
  • 通过输入"Y"，可以在Matlab窗口中显示和访问所选的session/subject之间的拟合响应值。输入“y”将显示调整后的数据。
  • “Adjusted” data：调整了混合和高低通滤波。

在此处输入坐标值选择voxel

Overlays

交互界面的visualisation section(可视化部分)还提供了一个覆盖的工具，用于集群激活的解剖可视化。点击Overlays下拉菜单有几个选项包括：

  1. Slices
  2. Sections:覆盖(overlay)三个intersecting slices(sagittal矢状面, coronal冠状面, axial轴状面)，选择mSM00223_002.nii点击Done
    在这里插入图片描述
  3. Render: overlay on a volume rendered brain.
    操作过程：通过左侧的窗口中选中overlays中的render在源数据文件中寻找生成的文件render_wc1sM00223_002.mat选中点击打开即可
    在这里插入图片描述
    点击Save按钮可以将thresholded SPMs 保存为NIfTI图像。
    在点击Render之前，按照下面说明的步骤创建生成的：
  • “Normalise (Write)”
  • 点击Render下拉菜单中的Extract Surface

对于Overlays中的下拉菜单Render，通过以下步骤创建。

  • “Normalise (Write)”(在左菜单的窗口中)选择图片 c1sM00223_002.nii 和c2sM00223_002.nii ，“Deformation Field设置为**y_sM00223_002.nii **，voxel size 设置为[1 1 1]
  • 选择Render中的Extract Surface
  • 选择灰质和白质图像wc1sM00223_002.nii和wc2sM00223_002.nii
  • 使用默认选项(Rendering and Surface)保存结果。
    在这里插入图片描述
    在这里插入图片描述

前方高能请注意

点击Overlays下拉菜单的Render在SPM安装的路径中选中canonical文件夹下的cortex_20484.surf.gii将生成一个3D图像
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

【入门且详细！fMRI信号预处理操作流程笔记】SPM12版
10-10 2823
spm预处理操作流程图文笔记，超详细！适合入门新手以及长时间不使用的老手复盘。
【入门且详细！fMRI信号一阶处理操作流程笔记】SPM12版
10-11 1484
主要是被试水平上一般线性模型（GLM）的建立与分析
SPM12 初学者指南. SPM12 starter's guide.zip_spm12 中文_spm12 中文教程_spm12
07-15
matlab的SPM软件包中文学习指南 包含有时域处理，空间域处理，统计分析等
Spm12 入门教程
热门推荐
Jane_yuhui的专栏
11-29 4万+
下载MATLAB，以及对应的 SPM 版本。   SPM12 使用一种标准 3D（有些情况下是 4D）图像格式，称为 NIfTI-1.1。每个 NIfTI 格式的图 像是一个扩展名为“.nii”的文件。 “.nii”文件包括：  - 一个包含图像中所有数据的位图；  - 一个将位图套入 3D 坐标体系的变换矩阵（称为仿射变换：如旋转，平移，缩放和/或 裁剪）。   一个时间序列（如 ...
SPM学习笔记：预处理
最新发布
Mithlos的博客
06-11 743
讲解了使用SPM12进行fMRI数据预处理的完整流程。
SPM12_manual.pdf
05-21
Statistical Parametric Mapping（SPM）软件是MATLAB（的一套MathWorks公司）函数和子例程与一些外部编译的C例程。 编写SPM是为了组织和解释我们的功能性神经影像学数据。 SPM是指用于测试关于功能成像数据的假设的空间扩展统计过程的构建和评估。SPM软件包已被设计用于脑成像的数据序列的分析。序列可以是来自不同群组的一系列图像，或来自相同受试者的时间序列。目前的版本用于分析 fMRI， PET， SPECT，EEG 和 MEG。
【SPM12新手入门必备】：三步搭建高效工作流
![spm12预处理教程.docx]...本文首先介绍SPM12的基本概念、安装过程及用户界面，然后深入探讨其核心功能，包括任务的创建、管理和优先级设置以及报告的生成与数据分析。接着，通过实际
【SPM12机器学习】：应用案例研究，解锁数据价值
本文全面介绍了SPM12机器学习的基础知识、实践应用和项目管理。第一章为机器学习入门，阐述了机器学习的基本概念。第二章深入讲解了数据预处理和特征工程，包括数据清洗、规范化、特征选择、提取以及这些方法对模型...
vue.js的入门练习案例
01-02
vue.js的入门练习案例 适用于后端程序员初学vue的练习 具体的文件可以参考博主的文章 博主首页：https://blog.youkuaiyun.com/weixin_43333483?spm=1011.2415.3001.5343 上述代码文件包含以下博客的练习代码 【Vue】一、...
mybatisplus入门案例
09-05
- *1* *3* [快速上手Mybatis-Plus 入门案例](https://blog.youkuaiyun.com/qq_59138417/article/details/123454703)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt...
Mybatis之xml开发-4个案例带你快速入门（答案）
05-05
博文【Mybatis】Mybatis之xml开发—4个案例带你快速入门—答案，项目资源压缩包 4个案例主要是老师学生班级课程之间相互关联嵌套，通过Mybatis的xml开发方式来进行实现。 要求：在查询所有同时，对每一个相关双向...
SPM12 Manual
12-05
SPM12是SPM8的改进版本，功能更强大，操作更方便。SPM12是用于脑科学研究的基本工具，可以处理多种模态的医学成像数据，如fMRI、PET等。
SPM12 manual.pdf
09-23
MRI数据处理最常用的软件之一——spm的早期版的原理及其使用过程中涉及的知识讲解
SPM12manual.pdf
07-15
SPM，即统计参数图，也是这个软件的最终输出，它是由英国伦敦大学的 Friston教授等人在通用数学软件包Matlab基础上开发的软件系统，其统计功能非常强大，设计这个软件包的初衷是采用统计的方法来处理fMRI，PET和 SPECT的数据。用SPM进行数据处理分析过程主要分为两大部分:预处理过程和统计分析过程。
aal2_for_SPM12.tar
08-03
aal模板 SPM12
matlab中的spm12
04-04
学习Niftynet平台中，读取nii格式的文件，用于医学图像处理第一步 SPM（Statistical Parametric Mapping）是由UCL(University College London)的Wellcome Trust Centre中心的成员及其合作者开发的应用于神经影像的软件。
SPM12入门案例2
The_best_man的博客
05-28 9558
Face fMRI data 要求实验者通过按键来判断知名度。因此这里有4种兴趣的类型；第一二步显示出有知名度和没有知名度的人脸，代表着N1,N2,F1和F2。 ###准备工作 通过EPI获得图像，其中回复时间TE=40ms，重复时间TR=2s，24个下降的切片，3mm厚和1.5mm间距。 数据获取：Face Repetition dataset 创建face_rep的文件夹用来存放分析的...
利用matlab的SPM12进行功能核磁共振成像数据处理_Auditory fMRI data（四）
qq_27273607的博客
11-07 4474
懒癌患者可以直接利用SPM12 batch script的代码对数据处理进行操作，连数据都不需要下载，直接打开matlab,运行以下代码即可。 data_path = fileparts(mfilename('fullpath')); if isempty(data_path), data_path = pwd; end fprintf('%-40s:', 'Downloading Auditor...
使用SPM12对fMRI数据进行预处理和统计分析
Doris.Liu的博客
03-17 5246
使用基于Matlab的SPM12来处理fMRI数据，对数据进行预处理和统计分析。
评论 11
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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