《静息态ICA处理》课件

静息态fMRI的ICA处理方法及流程20120709涂世鹏

1精选课件fMRI数据预处理用spm做预处理：slicetimingrealign(Est&Res)Normalise(Est&Wri)Smooth无需去协变量全脑均值ICA使用的是smooth之后的数据。2精选课件使用GIFT软件做独立成分分割软件包如同SPM只需添加到matlab搜索路径中保存然后在matlab中输入：gift即可调用。其使用说明书和相关文档：v1.3h_GIFTManual.pdfv1.3h_GIFT_Walk_Through.pfd3精选课件主界面4精选课件导入数据以及参数选择setupICAAnalysis选择输出路径注意：（每个被试的数据有一个文件夹，然后将所有文件夹放在同一个路径下）就是选择这个路径。选择好后Directoriesselected：15精选课件第一行：选择输入文件前缀（按个人习惯）第二行：选择要处理的数据，点入：Isyourdatastoredinonefolder？选择No（因为你的每一个被试都有一个文件夹）6精选课件被试数目选择：（即所有被试数目总数）Session处选择1，这里每个被试只有一个数据集（即我们说的一个run）点ok7精选课件左边一栏为所有被试的数据输入的入口，从第一个起逐一选择每一个被试：点击Subject…Session1，变蓝下面点击Subject1Session1选择第一个被试的数据8精选课件在左栏找到第一个被试的文件夹点入，右边即显示了：[1:200]swrasub01_run1_*img,1这说明第一个被试有一个run，200个时间点，点击一下右边呈蓝色，则FilesSelected：200表示选中了第一个被试的这200个时间的数据。其他被试操作相同直到所有被试的数据都选中好。9精选课件选则好数据后一般是要估计成分数的。这里虽然给出了一个默认的20个IC但是在上面一个选项中要选择yes，来估计IC数目。10精选课件这就是估计出来的IC数目：平均数目为36，最小的为27，最大的为54；11精选课件NumberofIC，这里的选择是不确定的，具体填多少要看最后分出来的效果，即，要与研究的问题相结合。一般来讲；要求分出：DMN（默认模式网络）、感觉网络、自参考网络、视觉网络、听觉网络、运动网络…当然还必须包括你要研究的ICs；当然取的成分数过多就会将这些网络细分开。12精选课件一般IC可以从最小的选择起，如这里选择27，最后看分出的效果，不好再改变。其他的选项选择默认不变就可以了。点击Done下一栏的所有选项也保持默认不变直接点击Done。最后在输入路径中会生成一个文件：componet_ica_parameter_info.mat13精选课件在主菜单栏中选择：RunAnalysis，出现右边的选框然后选择刚才生成的.mat参数文件，如蓝色点击ok即可。14精选课件选择All***即可。至此，已经完成了，数据的导入和输出。耐心等待它的处理。15精选课件先选中Component变绿，然后选择右下方的Display即可以看到我们前面选择的27个成分的空间解剖分布及其对应的时间序列：16精选课件按解剖细节区分各个成分……17精选课件ICA后处理选择和确定好要研究的IC这里IC相当于大脑之中的功能子网络，当然，作为更大尺度的网络来看，各个功能子网络之间也是相关的，根据这种相关程度可以构建更大尺度的网络并进一步进行分析：第一步：对要考察的各个成分的时间序列进行滤波0.01到0.8Hz；（如要做全脑尺度的网络，选的IC比较多，简单的办法是使用功率谱分析，排除非功能网络IC）18精选课件网络一般的构建方法与常用的分析：1