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