fmri分析工具：spm里的统计学 Introduction to SPM statistics

最新推荐文章于 2024-03-17 18:37:52 发布

转载最新推荐文章于 2024-03-17 18:37:52 发布 · 285 阅读

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/haore147/p/3634535.html

本文介绍了SPM（统计参数映射）的基本统计分析流程，包括如何在每个体素上进行方差分析、计算t检验统计量及转换为z值，并通过随机场理论修正显著性水平。同时探讨了SPM中的GLM模型及其组成部分。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

　　需要特别说明，spm是每一个体素为单位，计算统计量，进行t检验。

1.分别在每个体素上做方差分析;
2.对每个体素的方差分析结果，计算t检验统计量;
3.计算等同于t检验统计量的z值;
4.绘制一副t检验统计量map，或者z值map;
5.利用随机场理论，纠正统计检验结果的显著性水平。

　　observation = a voxel value, in the voxel we are analysing, for one scan;

　　观测值 = 就是图像中的一个体素值;

　　response variable = data for all the scans for one voxel (i.e. all the observations);

　　响应变量(因变量) = 一个体素的所有观测值，也就是一个体素的样本。

　　predictor variable = covariate = effect.

　　预测变量 = 协变量 = 效应.

　　fmri较之于pet，由于时间分辨率较高，导致响应变量必须要用时间序列的方法来分析，因为时间点之间的数据是相关的。但是，下面所介绍的统计学基础对于pet和fmri都是适用的。

先做一下标记，占个位子：

　　这里要解释，什么是

　　spm的glm

　　indicator

　　统计中的因变量、自变量、协变量、误差

　　t-检验

　　z-变换

　　contrast 这个还是有点不理解

　　设计矩阵

　　最小二乘法

　　自由度

参考 reference：

转载于:https://www.cnblogs.com/haore147/p/3634535.html