文档介绍：实例
下面这个例子是关于“视觉动作行为的注意”,相关的数据集可以从SPM网站上下载到,这个数据集是由Christian Buchel提供的,更详细的介绍可以在注释13中查到。这个数据集已经用SPM99完成了预处理的过程,。
制作一个DCM模型需要两个必须的东西,(1)一个设计矩阵(2)时间序列。这些都储存在VOI文件中,设计矩阵的回归量定义了DCM模型的输入,因此这就意味着对于给定的DCM模型的设计矩阵来说会有些略微不同于对应的GLM模型的设计矩阵。DCM模型并没有要求设计矩阵成为估计模型的一部分,它仅仅是需要被定义而已。
定义GLM
目前的实验包括4个条件(1)定位(2)静止[不移动圆点](3)不注意[移动圆点但不要求注意](4)注意。通过Christian的GLM分析,可得在V5区的激活不仅仅是因为运动的刺激而加强,同时也受到视觉运动的注意力的影响。接下来,我们会试着将这个影响作为一个影响因子在V5区进行建模,并且将它解释为一个对独立环境的调节或者是在V5区域的传入授权。如果要使用DCM模型的话,首先,我们需要进行GLM分析和从结果中提取出我们想要的时间序列。在这个例子中,我们想用同一个设计矩阵来同时适用于GLM和DCM
,因此我们重新组合上文的回归量来得到以下的三个条件。
感光:这包括所有具有看得见输入量的条件(静止,不注意,注意)
运动:这包括所有具有活动圆点的条件(不注意,注意)
注意:这仅仅包括对运动注意的条件(注意)
现在我们需要定义和估计GLM模型,大家可以好好看看第8,9章节的内容,关于这些里面都已经讲得很清楚了,接下来下面是一些相关的详细内容,这些内容是关于数据集的,你必须用这些数据集来建立GLM模型。
,它们分别被命名为,感光,运动,注意这三个条件,它们都是按照扫描次数定义的(不是按时间定义的),它们是每10个TR就是一个block。
一共扫描了360次
我的问题:关于这个说明里面前面的那些条件的设置不是很明白,刚开始的时候它说目前的实验包括4个条件(1)定位(2)静止[不移动圆点](3)不注意[移动圆点但不要求注意](4)注意。后来又说通过重新组合上文的回归量来得到以下的三个条件。(1)感光(2)运动(3)注意,。这个4个条件一下子就通过神马这个回归量这个东西就只变成3个条件的方法不知道是怎么实现的,而我们自己实验中一共有5个条件(1)红色(2)蓝色(3)灰色(4)购买(5)不购买,那么着5个条件通过回归量的分析是否可以重新组合为两个条件(1)颜色[红,灰,蓝](2)决策[购买或者不购买]。同时我们自己的实验是否也像这个例子这样只涉及到V1区,V5区和SPC这三个区域,还是我们要从result里面的结果的激活图中看到激活的具体位置,从而来另外确定所涉及到的关联区域,而不是也是用这个例子中给出V1区,V5区和SPC这三个区域。
汤医生的回答:
提取时间序列
一旦你明确和估计好了GLM模型,你就应该定义若干T检验,这些T检验是用来分别测试感光,运动和注意的。做这些事情是为了确定由于受到视觉刺激(在V1区),运动(在V5区),注意(V5区和前顶叶皮质SPC)而受到影响的具体脑部位置,因为V5区域显示所有的运动和注意的影响,从V5区域提取时间序列的时候,它对于使用运动检验来内在地覆盖注意检验是非常有用的,你应该还要去计算一下普通的感兴趣影响作用的F检验,这对于使提取出来的时间序列误差平均化是很有必要的,下面就是一个手把手教你如何提取V5区时间序列的例子。
选择“Result”按钮
选择以运动为条件的t检验
用其他条件的检验来覆盖以运动为条件的t检验:是
选择以注意为条件的t检验
选择在内部进行覆盖并且选择一个未修正的P<
选择一个看起来像V5的对象的局部极大值(通过覆盖在标准化的结构图像的激活部分,你应该可以很容易地定义出V5区)
选择VOI按钮
把这个区域命名为V5
调整数据:effect of interest(这个使时间序列误差平均化)
VOI的定义:范围
VOI的半径(mm):8
SPM现在可以计算出在VOI范围内所有体素的时间序列的最最重要的构成,所得到的结果(和这个原始的时间序列文件放在一起),现在你就可以继续来选择V1的时间序列(使用以“感光”为条件的t检验)和这个SPC的时间序列(使用以“注意”为条件的t检验),对于该例来说,我们对V1区选择