1、VBM8處理流程1. 下載和安裝?SPM8:從SPM官方網站（）下載SPM8及最新的update包。把SPM8解壓到要安裝的目錄，同時把update包解壓，并直接覆蓋SPM8相關內容，完成更新。然后打開matlab,把spm8文件夾加入matlab路徑目錄，即完成安裝。?VBM8:從VBM官方網站（）下載壓縮包，解壓后放入spm8/toolbox下，即完成安裝。?運行VBM8：1. 啟動matlab2. >>spmfmri3. Spm8toolboxVBM82. VBM8分析流程簡要【字體顏色說明：紅色的都是我添加的，其它顏色基本上都是本文原有的，另外我是按cat12這個工具包來補

2、充的，所以最好結合cat12的英文使用說明一起看】?預處理補充：1、將要處理的圖像通過SPM中的“Display”進行可視化后，點擊顯示頁面左下方的“SetOrigin”，然后點擊這個按鈕旁邊的“Reorient”按鈕，并保存結果（不確定這個需不需要，還是不保存了，貌似沒用）；2、我先對TIW圖像在SPM軟件中進行Normalise（Est&Wri）,兩個輸入圖像的地方都輸入這幅待處理的圖像（這步不確定）;將Boundingbox設置成“-90-126-72;9090108”,將Voxelsizes設置成“333”。這步會生成以w開頭的圖像文件。】1. 把T1W標準化到MNIspace

3、（這步沒做，并分割出灰質（GM），白質（WM），腦積液（CSF）.相關參數可以通“Estimateandwrite模塊來調整。”2. 通過“VBM8Checkdataquality菜單中的”“DisplayOnesliceforallimages和“Check”samplehomogeneityusingcovariance（這一步沒成功，成功啦，不過不知道對不對”）兩個選項檢查分割和標準化的質量。3. 采用spm自帶的spmsmooth選項對預處理好的組織圖像進行平滑。?統計分析4. 通過SPMSpecify2ndLevel模塊指定統計模型。5. 采用SPMEstimate模塊估計模型6.

4、采用SPMResults模塊定義contrast,觀測結果。3. VBM分析流程詳細描述?組織分割與標準化VBM8EstimateandwriteVolumesX:輸入解剖圖像，一般為T1W圖像。由于在后續分割中，需要和MNI先驗模板對齊，所以這里輸入數據最好能和先驗MNI模板方向大致相同。若圖像和模板方向差異較大，可以使用SPM的Display和CheckReg按鈕進行手動調整。EstimationOptions：使用默認參數即可。這里若不采用SPM自帶的組織先驗模板TPM，則可選擇自己定制的模板。ExtendedOptions：使用默認參數即可。若要盡可能清除非大腦組織，可更換“Clean

5、upanypartitions為”“ThoroughCleanup”。也可以嘗試改變兩類降噪方法的權重，ORNLM的最優權重是0.7。MRF的權重不需要調整。當不使用某個降噪方法時，可直接把其權重設為0。WritingOptions：使用默認參數即可。默認的“Modulatednormalized-nonlinearonly：僅對非線性變換帶來的體積改變進行調”制后的圖像，voxel值是經過brainsize校正后的局部組織相對體積。Abiascorrectedimagevolume：磁場不均勻性校正后的圖像。可使用期與不校正的原始對象進行比較，驗證圖像質量。Apartialvolumeeff

6、ect（PVE）labelimagevolume:該volume中的值是對每個voxel局部容積效應的估計。Jacobiandeterminant:每個voxel值表示MNI模板上該位置變換到被試空間時，體積變化大小。Deformationfields:非線性變換產生的變形場。FileSaveBatch:（這種步驟都是可做可不做的好像，反正我都沒有保存）保存設置好的batch,可保存成*.m或*.mat文件。FileRunBatch:運行設置好的batch。輸出wm*（在生成的mri文件夾里面）是指biascorrectednormalizedvolumes,m0wrp1*（我這邊生成的是mw

7、p1*文件，也是在mri文件夾里面）是modulatednormalizedgraymatter,m0wrp2（我這邊生成的是mwp2*文件，也是在mri文件夾里面）貝U是modulatednormalizedgraymatter。若標準化使用lowdimensionalspatialnormalization而不是默認的DARTEL,modulated后的灰質和白質圖像名稱應分別為m0wp1*,m0wp2*。【在生成的report文件夾里面的pdf文件就是分割后的彩色效果】?預處理結果顯示與質量控制VBM8CheckDataqualityDisplayoneSliceforAllimages

8、VolumesX：選擇磁場均勻性校正后的圖像（wm*）。Proportionalscaling:使用默認參數即可。FileSaveBatch:保存batch。Batch:執行batcho?樣本一致性檢測VBM8CheckdataqualityChecksamplehomogeneityusingcovarianceVolumesX：選擇各個被試的"m0wrp1"（我選白是mwp1*,好像cat12生成就是mwp1*）圖像。（之前不成功是因為只選了一幅圖像，這邊的意思是要選擇全部被試者的mwp1*）【Loadqualitymeasures;:選擇report文件夾下的XML文

9、件，也是全部受試者的都選】Proportionalscaling:使用默認參數即可。Showsliceinmm:使用默認參數即可。Nuisance：如果需要控制其他混淆變量，可以在這里輸入。FileSaveBatch:保存batch。FileRunBatch:運彳bbatch運行結果會生成一個1本相關性矩陣：SampleCorrelationMatrix,如下所示：?圖像平滑SPMSmoothImagestoSmoothX:選擇要進行平滑的圖像(我選的是mwp1*，平滑處理后，會在mwpl*所在文件夾生成smwpl*圖像文件)FWHM：設定高斯平滑參數，常用范圍是8-12mm.DataType

10、:使用默認參數即可。Prefix：使用默認參數即可。FileSaveBatch:保存batch。Batch:執行batch。4. 建立統計模型(SPM8Specify2nd-level)?雙樣本t檢驗(twosamplet-test)Directory:指定SPM組分析的目標文件夾.Design:選擇“tw-osamplet-test”Group1Scans:選擇第1組被試的預處理好的灰質數據smwc1*.niiGroup2Scans:選擇第2組被試的預處理好的灰質數據smwc1*.niiIndependence：YesVariance：EqualGrandmeanscaling：NoANCO

11、VA:NoCovariates*MaskingThresholdMaskingAbsolute:0.2ImplicitMask:YesExplicitMask:<None>GlobalCalculation:OmitGlobalNormalization:OverallGrandmeanscaling:NoNormalization:NoneFileSaveBatch:保存batch。Batch：執行batch。SPM將顯示design矩陣，并在指定SPM組分析目錄中產生SPM.mat文件保存design信息。?多元回歸(Multipleregression(correlation

12、)Directory:指定SPM組分析的目標文件夾.Design:選擇“MultipleRegression”Scans選擇所有被試平滑過的灰質圖像文件DoneCovariates”New:Covariate”CovariateVector按照輸入圖像文件的順序輸入參數值Name待檢驗變量的名字(如，“年齡”)CenteringNocenteringInterceptIncludeInterceptCovariates*MaskingThresholdMaskingAbsolute:0.2ImplicitMask:YesExplicitMask:<None>GlobalCalcul

13、ation:OmitGlobalNormalization:OverallGrandmeanscaling:NoNormalization:NoneFileSaveBatch:保存batch。Batch:執行batch。SPM將顯示design矩陣，并在指定SPM組分析目錄中產生SPM.mat文件保存design信息。?全因素模型（Fullfactorialmodel（2x2ANOVA）Directory:指定SPM組分析的目標文件夾.Design:選擇“FullFactorial”Factors:“New:Factor;New:Factor”FactorName:指定因素名稱，如”sex”L

14、evels:2（男和女）Independence:YesVariance:EqualGrandmeanscaling:NoANCOVA:NoFactorName:指定因素名稱，如"handness”Levels:2（左右利手）Independence:YesVariance:EqualGrandmeanscaling:NoANCOVA:NoSpecifyCells：“New:Cell;New:Cell;New:Cell;New:Cell”CellLevels:指定cell的名稱，如，“11”Scans選擇第1個因素第1個層次和第2個因素第1個層次對應的數據文件（如，男性左利手）（sm

15、wc1*.nii）CellLevels：指定cell的名稱，如，“12”Scans:選擇第1個因素第1個層次和第2個因素第2個層次對應的數據文件（如，男性右利手）（smwc1*.nii）CellLevels:指定cell的名稱，如，“21”Scans:選擇第1個因素第2個層次和第2個因素第1個層次對應的數據文件（如，女性左利手）（smwc1*.nii）CellLevels:指定cell的名稱，如，“22”Scans:選擇第1個因素第2個層次和第2個因素第2個層次對應的數據文件（如，女性右利手）（smwc1*.nii）Covariates*MaskingThresholdMaskingAbsol

16、ute:0.2ImplicitMask:YesExplicitMask:<None>GlobalCalculation:OmitGlobalNormalization:OverallGrandmeanscaling:NoNormalization:NoneFileSaveBatch:保存batch。Batch:執行batch。SPM將顯示design矩陣，并在指定SPM組分析目錄中產生SPM.mat文件保存design信息。?全因素模型(FULLFACTORIALMODEL-INTERACTION)Directory:指定SPM組分析的目標文件夾.Design:選擇“FullFac

17、torial”Factors:“New:Factor;New:Factor”FactorName:指定因素名稱，如”sex”Levels:2(男和女)Independence：YesVariance：EqualGrandmeanscaling：NoANCOVA:NoSpecifyCells：“New:Cell;New:Cell”CellLevels:指定cell的名稱，如“1”Scans選擇第1個因素第1個層次對應數據文彳(如，男性)(smwc1*.nii)CellLevels：指定cell的名稱，如“2”Scans:選擇第1個因素第2個層次對應數據文件(如，女性)(smwc1*.nii)Co

18、variates“New：Covariate”CovariateVector按照輸入圖像文件的順序輸入對應參數值Name待檢驗變量的名字(如，“年齡”)InteractionsWithFactor1CenteringNocenteringMaskingThresholdMaskingAbsolute:0.2ImplicitMask:YesExplicitMask:<None>GlobalCalculation:OmitGlobalNormalization:OverallGrandmeanscaling:NoNormalization:NoneFileSaveBatch:保存batch。Batch:執行batch。SPM將顯示design矩陣，并在指定SPM組分析目錄中產生SPM.mat文件保存design信息。?SPM8EstimateSelectSPM.mat:選擇之前保存的SPM.mat文件。然后點擊run按鈕即可進行估計。?定義Contrast(SPM8ResultsSelecttheSPM.matDefinenewcontrast):雙樣本T檢驗：選擇t,輸入1-1,效應為GroupA>GroupB.多元回歸：選擇t,輸入1,效應為正相關。選擇t,輸入-1,效應為負相關。2X2ANOVA:選擇t,輸入1-100,選擇t,