《VBM8使用手册》由会员分享，可在线阅读，更多相关《VBM8使用手册（6页珍藏版）》请在金锄头文库上搜索。
1、VBM8 处理流程1. 下载和安装 SPM8: 从SPM官方网站( http:/www.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相关内容，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官方网站(http:/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VBM8：1. 启动 matlab2. spm fmri 3. Spm8toolboxVBM
2、82. 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cat12这个工具包来补充的，所以最好结合cat12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“Set Origin”，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Bounding box设置成“-90 -126 -7
3、2;90 90 108” ,将Voxel sizes 设置成“3 3 3”。这步会生成以w开头的图像文件。】1. 把T1W 标准化到MNI space(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“Estimate and write”模块来调整。2. 通过“VBM8 Check data quality” 菜单中的“Display One slice for all images”和“Check sample homogeneity using covariance”（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
4、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1. 通过SPM Specify 2nd Level 模块指定统计模型。2. 采用SPM Estimate 模块估计模型3. 采用SPM Results 模块定义contrast，观测结果。3. VBM 分析流程详细描述 组织分割与标准化VBM8 Estimate and writeVolumes 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Check Reg按钮进行手动调整
5、。Estimation Options：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。Extended Options：使用默认参数即可。若要尽可能清除非大脑组织，可更换“Clean up any partitions”为 “Thorough Clean up”。也可以尝试改变两类降噪方法的权重，ORNLM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。Writing Options：使用默认参数即可。 默认的“Modulated normalized-non linear only”：仅对非线性变换带来的体积改
6、变进行调制后的图像，voxel值是经过brain size校正后的局部组织相对体积。 A bias corrected image volume： 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。 A partial volume effect (PVE) label image volume：该volume中的值是对每个voxel局部容积效应的估计。 Jacobian determinant：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。 Deformation fields：非线性变换产生的变形场。File Save Batch：（这种步
7、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 Run Batch:运行设置好的batch。输出wm*（在生成的mri文件夹里面）是指 bias corrected normalized volumes，m0wrp1*（我这边生成的是mwp1*文件，也是在mri文件夹里面）是 modulated normalized gray matter，m0wrp2（我这边生成的是mwp2*文件，也是在mri文件夹里面）则是 modulated normalized gray matter。若标准化使用low dimensional spatia
8、l normalization 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 Check Data quality Display one Slice for All images VolumesX：选择磁场均匀性校正后的图像(wm*)。 Proportional scaling: 使用默认参数即可。File Save Batch: 保存batch。FileRun Batch： 执行batch。 样本一致性检测VBM8 Check d
9、ata qualityCheck sample homogeneity using covariance VolumesX：选择各个被试的“m0wrp1”（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*） 【Load quality measures：选择report文件夹下的XML文件，也是全部受试者的都选】 Proportional scaling：使用默认参数即可。 Show slice in mm：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 Save
10、Batch: 保存batch。File Run Batch: 运行batch运行结果会生成一个样本相关性矩阵：Sample Correlation Matrix,如下所示： 图像平滑SPM Smooth Images to Smooth X:选择要进行平滑的图像（我选的是mwp1*，平滑处理后，会在mwp1*所在文件夹生成smwp1*图像文件） FWHM：设定高斯平滑参数，常用范围是 8-12mm. Data Type: 使用默认参数即可。 Filename Prefix： 使用默认参数即可。File Save Batch: 保存batch。FileRun Batch：执行batch。4. 建
11、立统计模型(SPM8Specify 2nd-level) 双样本t检验(two sample t-test)Directory: 指定SPM组分析的目标文件夹.Design: 选择 “two-sample t-test” Group 1 Scans: 选择第1组被试的预处理好的灰质数据 smwc1*.nii Group 2 Scans: 选择第2组被试的预处理好的灰质数据 smwc1*.nii Independence：Yes Variance：Equal Grand mean scaling：No ANCOVA: NoCovariates*Masking Threshold Masking
12、Absolute : 0.2 Implicit Mask: Yes Explicit Mask: Global Calculation: OmitGlobal Normalization: Overall Grand mean scaling: NoNormalization: NoneFile Save Batch：保存batch。FileRun Batch： 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。 多元回归(Multiple regression (correlation)Directory: 指定SPM组分析
13、的目标文件夹.Design: 选择 “Multiple Regression”Scans选择所有被试平滑过的灰质图像文件 DoneCovariates”New:Covariate”Covariate Vector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”） CenteringNo centering Intercept Include InterceptCovariates*Masking Threshold Masking Absolute : 0.2 Implicit Mask: Yes Explicit Mask: Global Calculation:
14、OmitGlobal Normalization: Overall Grand mean scaling: NoNormalization: NoneFile Save Batch:保存batch。FileRun Batch：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(Full factorial model(2x2 ANOVA)Directory: 指定SPM组分析的目标文件夹.Design: 选择 “Full Factorial”Factors:“New: Factor; New: Factor”Fac
15、tor Name: 指定因素名称，如 ”sex” Levels: 2（男和女） Independence: Yes Variance: Equal Grand mean scaling: No ANCOVA: NoFactor Name:指定因素名称，如 ”handness” Levels: 2（左右利手） Independence: Yes Variance: Equal Grand mean scaling: No ANCOVA: No Specify Cells：“New:Cell;New:Cell;New:Cell;New:Cell”Cell Levels: 指定cell的名称，如，“1 1” 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)Cell Levels：指定cell的名称，如，“1 2” Scans: 选择第1个因素第1个层次
