前言
本來上周要更新此篇的，但由于本身有問題沒有解決清楚，再加上導師給了資料處理的任務下來了，兩下耽擱，就等到現在了，上回說到，做了VBM和SBM的指標提取及雙樣本T檢驗的統計分析，那接下來我們還可以做什么呢，可以從許多文獻中看到，有的不僅僅只計算每個體素指標值之間的差異，還會想到要將其放到各個腦區上，比較指標在腦區之間的差異，而ROI分析就是問了解決這個問題，需要注意的是，目前小編通過cat12.7只能對基于體素水平的統計結果做ROI分析，皮層處理會報錯，原因暫不明了，待小編繼續深究，接下來自然是必須要說的，小編是初學者，很多東西也才剛了解，并不能說自己的就是100%正確，只是希望分享經驗，至于經驗的正誤還需各位讀者通過實踐去檢驗，也歡迎大家提出問題并指正，特別強調，所有文章結果圖片僅供演示用，無任何實際意義，
一、簡要概念介紹
1、Voxel水平&Vertex水平： 皮層重構是由一些三角形組成的，而三角形的頂點就是此處的Vertex，至于為什么是三角形，還需要讀者自己去了解哦，當然小編也會在以后更新，VBM的最小單位是Voxel（體素）,這個相信讀者已經非常熟悉了，而Vertex（頂點）便是皮層的最小單位，也就是說在VBM中是針對全腦中每個體素做分析，而SBM中是針對全腦中每個頂點做分析，具體原理小編將在下篇更新，其對應的統計分析結果圖如：spmT_xxxx.nii & spmT_xxxx.gii，Vertex頂點示意圖如下：
2、ROI水平——logPThreshold_Nameofcontrast_NameofAtlas_measure.nii
ROI就要從atlas腦圖譜說起了，以前有許多神經解剖學專家為了更好地描述大腦內部結構連接與功能連接的關系，通過解剖學知識及其解剖結構，再根據某些大腦功能的關系，將大腦分成多個區域，（其實就是大腦地圖，劃分了很多區域，像一個省地圖，然后不同色塊表示不同的市，Atlas就是省地圖板塊，ROI就是市板塊）如下圖所示，這是幾種典型的atlas圖譜，小編將用到的是aal3圖譜模板，
圖片參考出處：https://surfer.nmr.mgh.harvard.edu/fswiki/CorticalParcellation
而ROI分析便是基于這些區域提取對應的指標值，尋找區域之間聯系，進行統計分析，
二、工具包
1、CAT12.7
2、xjview：可用來查看體素水平的圖片，并且可對VBM的T檢驗結果做多重比較校正，有興趣讀者可自行了解，
三、基于ROI水平的VBM分析——主要以灰質體積為主
PS:
由于之前的急于完成作業，沒有仔細了解cat12，再加上最新版總是報各種錯誤警告，相信各位讀者也遇到過同樣的問題，所以為了省事，就采用的老版本，即前面結構態的處理均是采用cat12.5的版本，但這兩天小編發現，cat12的新版本cat12.7更新了很多atlas，其中有一個正是小編月前導師交待的任務之一，添加自定義的模板，為了搞定此問題，小編決定從現在開始使用cat12.7，報錯就只能盡力解決它，此篇開始只要提及cat12均是使用最新版本，老版本和新版本之間的區別就在于更新了一些atlas，界面更加集成化，其他區別暫時還不清楚，沒有用到，基本功能都是一致的，
@copyright：小編原創不易，轉載注明出處哦！
https://blog.csdn.net/Sophia2023/article/details/112463920
1、資料準備：
（1）分割后的灰質體積圖NII檔案，如下圖所示：
（2）分割時選擇的atlas圖譜如下圖所示，小編選擇的aal3，讀者若有需要也可以選其他，
選擇這個有什么用呢，還記得在VBM預處理分割時會生成的三個檔案夾嗎，有一個label的檔案夾，里面生成的有以下四種檔案，之后在后面的處理中cat12會自己呼叫這些檔案，雖然不用匯入，但小編希望大家能去了解這個檔案，里面的資訊量還是很高的，特別是未來要做一些跟演算法有關的，可以直接從此處提取相關資料，問題來了！！
第一個問題： 小編希望讀者能自己用matlab打開以下兩個mat檔案，看一下里面存盤的什么資料，帶s的資料和不帶s的資料分別代表什么？
第二個問題： cat12默認顯示的圖譜只有四個，沒有現在小編現在顯示的那么多，大家可以對照一下自己的cat12的分割界面，那我們應該如何顯示呢？
第三個問題： 在Atlases里面有一個選項叫own atlas maps，這個代表可以添加自定義的模板，那如何才能添加呢？這個是小編的一個任務，與大家分享，希望也能一起學習找到解決辦法！
問題答案小編會根據評論來公布，有問題歡迎討論，小編會定期查看評論回復，同各位一起學習進步，
2、生成vertex水平上的T值（統計分析采用cat12直接做，這里不用spm12，但是原理步驟一樣，生成設計矩陣，估計，做contrast檢驗分析）：
（1）第一步：生成設計矩陣，點擊下圖中cat12紅色框按鈕，彈出batch，輸入資料，點擊運行，在結果檔案夾中生成設計矩陣的SPM.mat檔案，這個betch就不需要小編再重復了，相信讀者也已經熟透了，
（2）第二步：估計β值，點擊如下圖所示的cat12選單紅色框按鈕，選擇上一步的SPM.mat檔案，點擊done運行，運行狀態可以在matlab命令框中查看
（3）第三步：contrast，點擊如下圖所示的call Results ，
彈出以下batch框，選擇上一步生成的SPM.mat檔案，點done，運行情況在matlab命令框可見，
依然按照之前的設定方法設定contrast，做T檢驗，獲取t值影像——spmT_0001.nii，整個的程序原理與spm12一致，
（4）ROI分析： 點擊如下所示的紅色框按鈕，選擇上一步生成的spm.mat檔案
選擇自己想要做的統計檢驗結果，如下圖所示：
接下來小編跟隨默認，選擇p值0.05，讀者可根據自己需要選擇，之后還要繼續選擇一些選項（小編基本都是默認選擇），如下圖所示：
便有了下面的兩張圖片，第一張其命名原則是：logPThreshold_Nameofcontrast_NameofAtlas_measure.nii，
所以此處的結果表示小編取得p值是0.05，contrast的命名為PAT-CON，采用的atlas圖譜為aal3，尋找的是灰質體積在aal3圖譜上的差異，此處有一些疑問，就是小編到底計算的是做的是vertex水平還是ROI水平？不知道讀者中有沒有明白的，小編想了好久，不是特別敢確定，但是小編猜想是ROI的，請繼續往下看小編的一個證據，
第二張是切片圖，就是剛剛選擇顯示的切片層：
證據在此： 下圖是用xjview工具包查看的結果圖，注意看檔案名，在玻璃腦中顯示的是一塊一塊的，ROI便是區域性的，
而直接打開的spmT_0001.nii，全是一小點一小點的，vertex是頂點水平，如下圖所示，相信讀者能直觀看出區別所在，
至此，基于ROI水平的VBM分析結束，歡迎讀者提問討論，相互學習！基于ROI水平的SBM分析下周更新，可期待一下！！
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/254909.html
標籤：其他
上一篇：Docker 快速入門