VBM8使用手册范本

VBM8处理流程1.下载和安装SPM8:从SPM官方(.fil.ion.ucl.ac.uk/spm)下载SPM8及最新的update包。把SPM8解压到要安装的目录，同时把update包解压，并直接覆盖SPM8相关容，完成更新。然后打开matlab,把spm8文件夹加入matlab路径目录，即完成安装。VBM8:从VBM官方((dbm.neuro.uni--jena.de/vbm8/)下载压缩包，解压后放入spm8/toolbox下，即完成安装。运行VBM8：启动matlab>>spmfmriSpm8TtoolboxTVBM82.VBM8分析流程简要【字体颜色说明：红色的都是我添加的，其它颜色基本上都是本文原有的，另外我是按catl2这个工具包来补充的，所以最好结合catl2的英文使用说明一起看】>预处理补充：【1、将要处理的图像通过SPM中的“Display”进行可视化后，点击显示页面左下方的“SetOrigin”，然后点击这个按钮旁边的“Reorient”按钮，并保存结果(不确定这个需不需要，还是不保存了，貌似没用)；2、我先对TIW图像在SPM软件中进行Normalise(Est&Wri),两个输入图像的地方都输入这幅待处理的图像(这步不确定)；将Boundingbox设置成“-90-126-72;9090108'，将Voxelsizes设置成“333”。这步会生成以w开头的图像文件。】1.把T1W标准化到MNIspace(这步没做)，并分割出灰质(GM),白质(WM),脑积液(CSF)•相关参数可以通“Estimateandwrite”模块来调整。2通过“VBM8Checkdataquality”菜单中的“DisplayOnesliceforallimages”和“Checksamplehomogeneityusingcovariance”(这一步没成功，成功啦，不过不知道对不对两个选项检查分割和标准化的质量。3.采用spm自带的spm->smooth选项对预处理好的组织图像进行平滑。>统计分析通过SPMTSpecify2ndLevel模块指定统计模型。采用SPMTEstimate模块估计模型采用SPMTResults模块定义contrast，观测结果。VBM分析流程详细描述>组织分割与标准化VBM8TEstimateandwriteVolumes《X:输入解剖图像，一般为T1W图像。由于在后续分割中，需要和MNI先验模板对齐，所以这里输入数据最好能和先验MNI模板方向大致相同。若图像和模板方向差异较大，可以使用SPM的Display和CheckReg按钮进行手动调整。EstimationOptions：使用默认参数即可。这里若不采用SPM自带的组织先验模板TPM，则可选择自己定制的模板。ExtendedOptions：使用默认参数即可。若要尽可能清除非大脑组织，可更换“Cleanupanypartitions"为“ThoroughCleanup"。也可以尝试改变两类降噪方法的权重，0RNLM的最优权重是0.7。MRF的权重不需要调整。当不使用某个降噪方法时，可直接把其权重设为0。WritingOptions:使用默认参数即可。默认的“Modulatednormalized-nonlinearonly”：仅对非线性变换带来的体积改变进行调制后的图像，voxel值是经过brainsize校正后的局部组织相对体积。Abiascorrectedimagevolume：磁场不均匀性校正后的图像。可使用期与不校正的原始对象进行比较，验证图像质量。Apartialvolumeeffect（PVE）labelimagevolume：该volume中的值是对每个voxel局部容积效应的估计。Jacobiandeterminant:每个voxel值表示MNI模板上该位置变换到被试空间时，体积变化大小。Deformationfields:非线性变换产生的变形场。File—SaveBatch：（这种步骤都是可做可不做的好像，反正我都没有保存保存设置好的batch，可保存成*.m或*.mat文件。File—RunBatch:运行设置好的batch。输出wm*（在生成的mri文件夹里面）是指biascorrectednormalizedvolumes，mOwrpl*（我这边生成的是mwp1*文件，也是在mri文件夹里面）是modulatednormalizedgraymatter，m0wrp2（我这边生成的是mwp2*文件，也是在mri文件夹里面则是modulatednormalizedgraymatter。若标准化使用lowdimensionalspatialnormalization而不是默认的DARTEL,modulated后的灰质和白质图像名称应分别为m0wp1*,m0wp2*。【在生成的report文件夹里面的pdf文件就是分割后的彩色效果】＞预处理结果显示与质量控制VBM8—CheckDataquality—DisplayoneSliceforAllimagesVolumes^X:选择磁场均匀性校正后的图像wm*）。Proportionalscaling:使用默认参数即可。File—SaveBatch:保存batch。File—RunBatch：执行batch。＞样本一致性检测VBM8—Checkdataquality—ChecksamplehomogeneityusingcovarianceVolumesGX：选择各个被试的“mOwrpl”（我选的是mwp1*，好像cat12生成就是mwp1*）图像。（之前不成功是因为只选了一幅图像，这边的意思是要选择全部被试者的mwp1*）[Loadqualitymeasures：选择report文件夹下的XML文件，也是全部受试者的都选】Proportionalscaling：使用默认参数即可。Showsliceinmm：使用默认参数即可。Nuisance：如果需要控制其他混淆变量，可以在这里输入。File—SaveBatch:保存batch。File—RunBatch:运行batch运行结果会生成一个样本相关性矩阵：SampleCorrelationMatrix,如下所示>图像平滑SPM->SmoothImagestoSmooth《X:选择要进行平滑的图像(我选的是mwpl*，平滑处理后，会在mwpl*所在文件夹生成smwpl*图像文件)FWHM:设定高斯平滑参数，常用围是8-12mm.DataType:使用默认参数即可。FilenamePrefix:使用默认参数即可。File—SaveBatch:保存batch。FileRunBatch：执行batch。4.建立统计模型(SPM8—Specify2nd-level)双样本t检验(twosamplet-test)Directory:指定SPM组分析的目标文件夹.Design:选择“two-samplet-test”GrouplScans:选择第l组被试的预处理好的灰质数据smwcl*.niiGroup2Scans:选择第2组被试的预处理好的灰质数据smwcl*.niiIndependence：YesVariance：EqualGrandmeanscaling：NoANCOVA:NoCovariates*MaskingThresholdMasking—Absolute:0.2ImplicitMask:YesExplicitMask:<None>GlobalCalculation:OmitGlobalNormalization:OverallGrandmeanscaling:NoNormalization:NoneFile—SaveBatch:保存batch。File—RunBatch：执行batch。SPM将显示design矩阵，并在指定SPM组分析目录中产生SPM.mat文件保存design信息。多兀回归(Multipleregression(correlation))Directory:指定SPM组分析的目标文件夹.Design:选择“MultipleRegression”Scans—［选择所有被试平滑过的灰质图像文件］—DoneCovariates—”New:Covariate”CovariateVector—按照输入图像文件的顺序输入参数值Name—待检验变量的名字(如，“年龄”)Centering—NocenteringIntercept—IncludeInterceptCovariates*MaskingThresholdMasking—Absolute:0.2ImplicitMask:YesExplicitMask:<None>GlobalCalculation:OmitGlobalNormalization:OverallGrandmeanscaling:NoNormalization:NoneFile—SaveBatch:保存batch。FileRunBatch：执行batch。SPM将显示design矩阵，并在指定SPM组分析目录中产生SPM.mat文件保存design信息。>全因素模型（Fullfactorialmodel（2x2ANOVA）Directory:指定SPM组分析的目标文件夹.Design:选择“FullFactorial”Factors:“New:Factor;New:Factor”FactorName:指定因素名称，如”sex”Levels:2（男和女）Independence:YesVariance:EqualGrandmeanscaling:NoANCOVA:NoFactorName:指定因素名称，如"handness"Levels:2（左右利手）Independence:YesVariance:EqualGrandmeanscaling:NoANCOVA:NoSpecifyCells：“New:Cell;New:Cell;New:Cell;New:Cell"CellLevels:指定cell的名称，如，“11"Scans:选择第1个因素第1个层次和第2个因素第1个层次对应的数据文件（如,男性左利手）（smwc1*.nii）CellLevels:指定cell的名称，如，“12"◊Scans:选择第1个因素第1个层次和第2个因素第2个层次对应的数据文件（如男性右利手）（smwc1*.nii）CellLevels:指定cell的名称，如，“21"◊Scans:选择第1个因素第2个层次和第2个因素第1个层次对应的数据文件（如女性左利手）（smwc1*.nii）CellLevels:指定cell的名称，如，“22"◊Scans:选择第1个因素第2个层次和第2个因素第2个层次对应的数据文件（如女性右利手）（smwc1*.nii）Covariates*MaskingThresholdMasking—Absolute:0.2ImplicitMask:YesExplicitMask:<None>GlobalCalculation:OmitGlobalNormalization:OverallGrandmeanscaling:NoNormalization:NoneFile—SaveBatch:保存batch。FileRunBatch：执行batch。SPM将显示design矩阵，并在指定SPM组分析目录中产生SPM.mat文件保存design信息。全因素模型(FULLFACTORIALMODEL-INTERACTION)Directory:指定SPM组分析的目标文件夹.Design:选择“FullFactorial”Factors:“New:Factor;New:Factor”FactorName:指定因素名称，如”sex”Levels:2(男和女)Independence：YesVariance：EqualGrandmeanscaling：NoANCOVA:NoSpecifyCells：“New:Cell;New:Cell”CellLevels:指定cell的名称，如“1"Scans:选择第1个因素第1个层次对应数据文件(如，男性)(smwc1*.nii)CellLevels:指定cell的名称，如“2"Scans:选择第1个因素第2个层次对应数据文件(如，女性)(smwc1*.nii)Covariates—“New：Covariate"CovariateVector—按照输入图像文件的顺序输入对应参数值Name—待检验变量的名字(如，“年龄")Interactions—WithFactor1Centering—NocenteringMaskingThresholdMasking—Absolute:0.2ImplicitMask:YesExplicitMask:<None>GlobalCalculation:OmitGlobalNormalization:OverallGrandmeanscaling:NoNormalization:NoneFile—SaveBatch:保存batch。File—RunBatch：执行batch。SPM将显示design矩阵，并在指定SPM组分析目录中产生SPM.mat文件保存design信息。SPM8—EstimateSelectSPM.mat:选择之前保存的SPM.mat文件。然后点击run按钮即可进行估计。定义Contrast(SPM8—Results—SelecttheSPM.mat—Definenewcontrast):双样本T检验：◊选择t,输入[1-1],效应为GroupA>GroupB.多元回归：◊选择t,输入[1],效应为正相关。◊选择t,输入/