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

 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

上一篇:JavaScript的作用域链


下一篇:MVC路由规则进一步了解