文档介绍：版权声明
本文的的英文原版说明文件版权归SPM全球社区所拥有,翻译后的本中文版版权都归翻译作者蜡笔赵欣所有,同时也感谢其学姐李方方帮忙把最后两页纸质版文档整理成电子版文档,本翻译仅做交流学习之用,如果要将其用于其它商业用途,须发邮件给作者来征得其的同意。如果SPM全球社区发现本人在翻译的内容中有侵犯SPM全球社区的方面,可以发邮件给作者要求删除相关部分,同时文中有翻译的不恰当的地方,也希望你发邮件给我指出其中的错误。
作者蜡笔赵欣
电子邮箱 zhaoxin11232@
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,注意着三个条件,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