引言 Introduction

　　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。

命名说明 Naming of parts

　　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.

PET and fMRI

　　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。

An example analysis in SPM

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

　　*度

参考 reference：

1.http://imaging.mrc-cbu.cam.ac.uk/imaging/PrinciplesStatistics