SPMPPI中文说明.docx

SPMPPI中文说明.docx

《SPMPPI中文说明.docx》由会员分享，可在线阅读，更多相关《SPMPPI中文说明.docx（40页珍藏版）》请在冰豆网上搜索。

SPMPPI中文说明

声明

本文的的英文原版说明文件归SPM全球社区所拥有，翻译后的本中文版都归翻译作者蜡笔欣所有，同时也感其学姐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容中有侵犯SPM全球社区的方面，可以发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，也希望你发给我指出其中的错误。

作者蜡笔欣

电子zhaoxin11232163.

PPI

33.1理论背景

心理与生理交互作用分析（PPI）和心理与生理交互分析相关的技术（φPI）都是基于统计学中因子设计模型，表1的插图显示了一个经典的2*2因子设计模型。

A1/B1

表33.12*2因子设计模型（表格形式）

表格

A因子

等级1

等级2

B因子

等级1

A1/B1

A2/B1

等级2

A1/B2

A2/B2

因子设计的等式如下所示

y=（A2－A1）β1＋（B2－B1）β2＋（A2－A1）（B2－B1）（β2－β1）β3＋Gβ4＋ε（33.1）

很明显上式中包括了所有主要的影响关系，（A2－A1）β1对应于因子A，（B2－B1）β2对应于因子B，以及这个交互条件（A2－A1）（β2－β1）β3，它也包括一个相对容易混淆Gβ3的条件。

例如运动参数，任务组影响。

当估计它们的交互作用时，主要的影响项目中所包含的条件是十分重要的，同时设计矩阵它们中所包含的条件无法得到足够的重视。

假如主要影响项目没有被考虑其中，那么我们就不能确定这个交互作用关系的估计结果没有受到主要影响因子混淆作用。

我的问题：

上面的这个因子设计的等式部分参数的意义我还明白的β1参数是A的主效应，β2参数是B的主效应，β3参数是A与B两个因子的交互效应，那β4参数又是代表什么

为了扩大因子设计的概念到PPI的基本思想，即通过在其中若干因素之一条件下的一个大脑区域来替换神经元的激活。

等式33.2描述了在因子A条件下V1区域替换神经元激活的概念。

y=V1β1＋（B2－B1）β2＋（V1（B2－B1））β3＋Gβ4＋ε（33.2）

类似的，对于心理生理交互作用激活来说，来自大脑里面的两个区域（V1区和后顶骨区（PP区））是被用来作主要影响区域，如下等式所示：

y=V1β1＋PPβ2＋（V1*PP）β3＋Gβ4＋ε（33.3）

我找到的相关资料

再次注意一下以上三个等式。

33.1,33.2和33.3都有三个代数项（不要搞混咯）——两个主要影响和一个交互作用影响，因此，设计矩阵必须至少有3列。

一个最基本地PPI设计矩阵如图33.1所示

图33.1这是一个PPI（或是φPI）的示例设计矩阵，主要影响是来自V1区域的BOLD激活，该数据在第2列中，并且一个心理上的向量，注意与不注意在第三列，推论将特别地关注交互作用的代数项，在第1列中，设计矩阵用了[1000]这样一个向量，在φPI中第三列将作为来自于源头区域的BOLD激活，而不是心理因子。

PPI与φPIs都能被想象为一个分配模型，PPIs占据着了功能连接与有效连接模型之间的中间地带，功能连接（FC）一直都是被定义为处于空间上被分割的神经生理事件之间的在时间上的一种相关，FC分析方法是最典型的无模型分析方法，同时它也不用指定一个作用的大致方向等等。

其中，A对B的作用不能通过B对A的作用区分出来，与此相反。

PPIs是基于回归模型具有很强的紧密联系，但是因为PPIs通常是非常简单（1个源区域和1个实验因子，如果是φPIs的话，则是两个源区域），他们都是有限的EC模型。

在源区域与实验环境（或者两个源区域）之间的相互作用可以用两种不同的方式来解读。

（1）如下所示，某一区域对另一区域的“贡献”是如何通过实验环境或者任务来改变的。

（2）如下例中，一个区域对一个实验环境的反馈是如何靠来自另一区域的输入来进行调节的。

图33.2所示

图33.2上图为两个可供选择的PPI作用的解读（A）区域K对另一区域的“贡献”是通过实验（心理的）环境来改变的（B）一个区域（i）对于实验（心理的）环境的反馈应归于区域K的“贡献”。

33.2心理生理交互作用分析（所有操作步骤的汇总）

一个PPI分析包括以下几步

（1）做一个标准的GLM分析

（2）从经过GLM分析后定义的一个源区域提取出BOLD信号。

（3）构成相互作用组（源信号*实验处理）

（4）再做一个包括相互作用组的GLM分析，源区域提取的信号和设计矩阵的实验向量，源区域所提取信号的在东东与实验矩阵的在东东都很类似，它们都包含了方差分析的主成分影响因子，为的是在交互作用组里做出推导。

由于FMRI（BOLD）数据的独一无二的特性（最基本的神经信号是通过一个血液动力学反馈函数处理成卷积的形式），所以构建一个合适的交互作用组被证明是一件相当具有挑战性的事情。

然而，在大脑互作用组发生交互作用是在神经的层面上而非血液动力学的层面上，因此，交互作用组所适合的模型就要求非直接测量的神经信号，但替代方又必须被经过卷积的高通滤波器所导出的，这个PPI软件（spm_peb_ppi.m）就是为了提供这个经过高通滤波而具有鲁棒性的反褶积和交互作用组之间正确的推导而生的。

33.3实际例子

在这个例子中的所有数据集都是来自报告中所提到的一个被研究的被试，你可以从SPM的上下载到可用的“和动作有关的注意”的数据集，这个我们在前面的DCM的一章中已经对其进行了详细的描述。

使用PPI的目的就是为了检查当在注意或者不注意点的移动速度的条件下，被试观察在视觉层面上的运动（不断移动的点）所产生的在V2与V5区有效连接的变化，这个心理生理交互作用分析可以被设想成为在不同的关注水平下，寻求与V1和V5激活区域的回归线的斜率之间的显著不同。

33.3.1GLM分析——设计的初始化与估计

备注：

该数据集已经经过早期版本的SPM软件的预处理了（经过配准，标准化与平滑）

1.分析的目录应该包括

（a）.一个叫functional的目录，其中应该要包含有经过预处理的fmri的文件。

（b）.一个叫structural的目录，其中包含有一个T1结构像的文件

（c）.其他若干文件：

factors.mat，block_regressors.mat，multi_condition.mat和multi_block_regressors.mat

（d）.你也要新建两个空文件夹来为接下来的GLM分析做准备，这两个空文件夹一个叫GLM,一个叫PPI。

2.在matlab命令行中输入

>>cdGLM

>>spmfmri

3.点击batch按钮打开Batch系统。

4.从Batch窗口的SPM菜单选项中，点击stats选项，然后选择FMRIModelspecification模块，Estimation模块和ContrastManger模块。

FMRIModelspecification模块参数设置

5.点击目录并选择上面你刚才新建的GLM文件夹。

6.UnitsforDesign[SCANS]

7.Interscaninterval[3.22]

8.Microtimeresolution[16]

9.Microtimeonset[1]

10.点击DATA&DESIGN，然后选择NEW：

SUBJECT/Session

11.点击SCAN并且选择所有的功能像snffMoo587_00xx.img，应该一共有360个文件。

我的问题：

我们的使用是基于任务而不是想这个例子是基于BOLD，那么这上面Interscaninterval[3.22]里面所填的数值是不是要改为0，其他的选项是不是也要进行相应的修改。

12.这个实验的conditions可以被单个地定义来输入或者导入一个multi_condition.mat文件，这个给你来练习的案例显示了出于教学目的的所有操作方法，但是当你做真正意义上的分析时，可以参考以下两种方法中的任意一种。

13.单个地定义conditions

加载包含单个条件的mat文件

>>loadfactors.mat

你可以在matlab命令行输入变量名就可以看到加载的变量（stat代表stationary，natt代表noattention，att代表attention）

>>stat

>>natt

>>att

14.点击conditions，然后在下面的选项中点击NEW：

condition3次

15.Condition1：

Name=stationary。

Onset=stat，Durations=10.

16.Condition2：

Name=No-attention。

Onset=natt，Durations=10.

17.Condition3：

Name=attention。

Onset=att，Durations=10.

18.下一步你将会输入3个回归量到Modelblockeffect。

这个将说明出这样一个事实，实验产生了4个运行，这4个运行已经连接到一个单任务，从而让PPI分析更容易。

注意，4个任务中只有3个任务需要通过block回归量来进行模型化，因为第4个事已经用设计矩阵的平均量模型化了。

首先加载回归量

19.点击Regressors，然后在当前目录下点击NEW：

Regressor3次。

20.Regressor1：

NEW=Block1，Value=block1。

21.Regressor2：

NEW=Block2，Value=block2。

22.Regressor3：

NEW=Block3，Value=block3。

用multiplecondition文件与Multipleregressor文件定义condition

我的问题：

我记得我们实验中好像没有regressor这个文件，都是用系统默认的选项，在这一点上面是不是也要进行适当的修改？

23.假如你想要看看multiplecondition文件中的变量，首先加载它。

>>loadmulti_condition

>>names

>>onsets

>>durations

在多条件的文件中的所有变量必须要被命名：

’name’,’onset’和’duration’这些类必须要填入相应的变量名称，注意到这三个类地变量的矩阵是元胞数组。

（注意：

如果你有一个现成的multiple_condition的mat文件就可以略去上面这一步而直接加载，你也可以把multiple_condition的mat文件中的变量用键盘单个输入其中，效果是一样的）

24．为了在设计矩阵中利用到前面所说的多条件文件。

点击Multipleconditions，然后在相应的文件夹中选择multi_condition.mat文件。

25．下一步你将通过使用一个多回归量的文件来输入3个回归量到模型block影响因子中去，为了观察多回归变量文件中的具体情况，首先必须加载该文件。

>>loadmulti_block_regressor.mat

>>R

注意该文件包含单一变量R，该变量是一个360×3的矩阵，矩阵的行数是与扫描的次数一致，同时，每个回归量都是单独一列。

26．如果要使用多回归量文件，请点击MultipleRegressors然后选择multi_block_regressor.mat文件。

完成设计矩阵的设置

27.高通滤波（注意：

大部分的设计矩阵的高通滤波值为128，然而，这个数据集要求一个更长的高通滤波，这是因为防止丢失设计矩阵的低频部分）

28.因子设计的部分可以暂时不用。

29.基函数是标准的高通滤波器，模型衍生选择[NODERIVATIVES]

30.模型的交互作用函数（volterra）[DonotModelInteractions]

31.全局标准化[NONE]

32.利用覆盖的部分[None]

33.序列相关[AR

（1）]

模型估计

在ModelEstimation下方点击spm.mat文件，然后点击Dependency按钮，同时选择FmriModelSpecificaition：

spm.mat文件，方法用默认的Classical就行了。

对比管理

35.在contrastmanager选项下选择spm.mat文件。

然后点击Dependency按钮，同时选择fmrimodelspecification：

spm.mat文件。

方式选择“Classical”。

36.点击ContrastVectors同时第一次选择NEW：

F-contrast，第二次再从当前菜单中选择NEW：

T-Contrast。

37.点击ContrastVectors同时选择NEW：

F-contrastvector

38.F检验矩阵里面可以输入单位矩阵和全零矩阵[eye（3）,zeros（3,4）],如下所示

1000000

0100000

0010000

39．对于第一个T检验来说，NAME可以设置为Attention，并且T检验的矩阵为0-110000（注意到在设计矩阵中条件的设置顺序应为：

Stationary，NoAttMot和AttMot）

40．对于第二个T检验来说，NAME可以设置为Motion，并且T检验矩阵是-2110000

41．点击工具条上的保存按钮，同时保存为batch文件

我的问题：

F检验矩阵里面可以输入单位矩阵和全零矩阵[eye（3）,zeros（3,4）]中矩阵数值代表什么意思？

T检验的矩阵的为0-110000又是根据什么规则来设计的？

设计矩阵估计

42．假如所有的设置已经被正确输入后，Run按钮应该会变成绿色的，点击Run按钮来估计矩阵。

43．设计矩阵应该如图33.7所示

33.2GLM分析——结果

1.点击RESULT按钮同时选择spm.mat文件

2.选择Attention对比

3.是否用其他的对比来覆盖[No]

4.标题命名[Attention]

5.是否采用p值调整来控制[None]

6.阀值T或者p值[0.0001]

7.体素的阀值围[10]

8.你应该看到图33.8这样的spm矩阵的图像，注意到前顶骨和前额叶的激活。

选择OVERLAYS—>SECTIONS，然后选择标准化的结构像，你应该能够可以更精确地来定义解剖学。

9.你可以看到Attention的Motion的对比与NoAttention的Motion的对比要更加明显了。

点击RESULTS，选择spm.mat文件同时选择Motion对比。

10.采取（其他区域来）覆盖吗？

[Yes]

11.选择用覆盖的区域来做对比：

ChoosetheAttentioncontrast

12.未校正的覆盖区域的p值[0.01]

13.覆盖的区域的属性：

[inclusive]

14.生成的比较文件的文件名：

（默认就行了）即[Motion（mask[incl].byAttentionatp=0.01）]

15.通过调整的p值来控制：

[FWE]

16.阀值T或p值[0.05]

17.体素阀值的围[3]

18.在透明脑被覆盖的motion检验如下所示

我的问题：

使用FEW的方法的P的调整是否过于严格，经过FEW调整后设置的p值0.05都会看不到什么激活的区域图像，是否可以换成none。

33.4GLM分析—提取感兴趣的区域.（VOI）

1.首先选择Motion检验，但是不要包含masking。

用一个经过FEW调整的校正的p值，该p值的权重阀值为0.05，阀值cluster为3

2.选择点[15-78-9]

3.点击eigenvariate

4.区域名[V2]

5.为…调整数据[effectofinterest]

6.VOI定义[sphere]

7.VOI半径（mm）[6]

这一步将把提取出的VOI数据保存在工作路径下的VOI_V2_1.mat文件并且同时显示出来，左边的部分显示了在标准脑中的具体位置。

右边部分则显示出提取来的首个本征值（线代用语）

33.5PPI分析—新建PPI变量

1.你可以通过点击窗口上的SPM菜单或者从SPM界面选择PHYSIO/PSYCHO—PHYSIOLOGIC菜单项目—>statasmenuoftheBatchEDITOR。

这个例子应用了批处理编辑

2.在GLM目录下选择SPM.mat文件

3.分析的类型：

选择PSYCHO—PHYSIOLOGICINTERACTION

4.选择VOI：

选择VOI_V2_1.mat文件

5.输入变量与校验权重：

他们必须被定义为一个n×3的矩阵，n为包含在PPI条件的数目，矩阵的第一列表示的是spm.sess.U（i），矩阵的第二列表示的是spm.sess.U（i）.nameii，除存在的参数的影响，否则第二列通常都是1.而矩阵的第三列是表示是检验的权重。

为了在PPI中能够包含Attention—No-attention，回忆起前面所输入的条件：

Stationary。

No-attention，Attention因此，该矩阵应写成[21-1;311]

6.PPI的文件名[V2×（Att-NoAtt）]

7.显示结果：

Yes

我的问题：

上面的第5个序列中那个定义的n×3的矩阵第一列，第二列所表示的意义？

几秒钟后PPI的结果应该可以计算出来同时你也会看到一个很多曲线的窗口，在窗口的左上角，PPI计算设置的所有信息都一清二楚，其中包括所选择的VOI文件。

所包含的条件以及他们的检验权重，中央图形中的蓝色曲线所显示的是最初的BOLD信号（实际上就是本征值），而神经信号或者说卷积的信号用绿色曲线表示，这些曲线与block的设计矩阵看上去是十分类似的，而在左下方的图形显示的是任务的条件曲线，用绿线表示，另外还有这个卷积的任务条件曲线（psych变量）。

在右下方则显示的是PPI相互作用的曲线

对PPI的计算将在当前工作路径下生成一个PPI_V2×（Att-NoAtt）.mat文件，这个文件包括变量PPI.ppi（相互作用组）.PPI.Y（最早的VOI本征值变量）和变量PPI.p（Attention-NoAttention任务矩阵），你将会在设置你的PPI的GLM分析时用到这些矩阵，仔细观察spm_peb_ppi文件，你将会看到PPI数据结构的所有描述。

33.5.1PPIGLManalysis—设计矩阵的设置与估计

1.复制文件PPI_V2×（Att-NoAtt）.mat到你在做这例子开始前就新建好的PPI路径下

2.换一个新的路径：

cdPPI

3.在Matlab命令行中

>>loadPPI_V2×（Att-NoAtt）.mat

4.在这个BATCHEDITOR中，正如你上文已经做的那样，通过选择FMRIMODELSPECIFICATION和CONTRASTMANAGER这些模块，然后按照下面的方法来设置这些模块

5.路径：

选择PPI文件夹

6.设计矩阵单元：

[scans]

7.扫描间隔时间：

[3.22]

8.在DATA&DESIGN下添加一个新的：

SUBJECT/SESSION

9.点击SCANS并且选择所有的功能像扫描snffM00587_00xx.img文件，一共应该有360个文件。

10.点击NEW：

REGRESSOR并且新增6个回归量

11.回归量1：

NAME=PPI-interaction。

VALUE=PPI.ppi

12.回归量2：

NAME=V2-BOLD。

VALUE=PPI.Y

13.回归量3：

NAME=Psych_Att-NoAtt。

VALUE=PPI.P

14.回归量4：

NAME=Block1。

VALUE=block1

15.回归量5：

NAME=Block2。

VALUE=block2

16.回归量6：

NAME=Block3。

VALUE=block3

17.高通滤波[192]

模型估计

18.在MODELESTIMATION选项下点击SELECTSPM.mat，然后再点击“DEPENDENCY”按钮。

同时选择MODELESTIMATION:

SPM.MAT文件

检验管理

19.在CONTRASTMANAGER点击选择spm.mat文件，然后点击“DEPENDENCY”按钮。

同时选择MODELESTIMATION:

SPM.MAT文件

20.点击CONTRASTSESSIONS然后再点击NEW：

T-CONTRAST

21.T-CONTRAST，NAME：

PPI-Interaction，矩阵：

1000000

22.保存批处理文件

23.运行

设计矩阵如下所示

检验管理

19.在CONTRASTmanager点击选择spm.mat文件，然后点击Dependency按钮，同时选择ModelEstimation：

spm.matfile。

20.点击ContrastSessions然后再点击New：

T-Contrast

21.T-ContrastName：

PPI-Interaction，矩阵：

1000000

22.保存批处理文件

23.运行

设计矩阵如下所示：

33.5.2PPI分析—结果

1.点击Results按钮，同时在PPI文件路径下选择spm.mat文件

2.选择PPI-Interaction检验

3.使用覆盖[No]

4.设定对比文件名[PPI-Interaction]

5.校正的P值来控制：

[None]

6.阀值T或P值：

[0.01]

7.体素阀值的围[10]

8.这时看到的spm图形应该和正文中图33.15最上方的那部分一模一样，spm结果显示，由于attention和noattention不同条件的影响，一些激活区域显示相对于V2区域的不同连通水平。

33.5.3PPI分析—绘图

1.V5区域显示了心理生理交互作用（PPI），在该项中是位于坐标[39-720]的位置，移动光标到这一点可以观察这一激活区域，如图33.15所示。

2.为了绘制出显示受到attention条件影响的PPI图形曲线，需要从V5区域提取出VOI[Voxelsofinteresting]为了达到这个目的，要回到先前的GLM分析过程中去。

3.点击Result，然后选择GLM来分析SPM.mat和选择Motion检验。

4.使用覆盖[No]

5.比较之后的文件名[Motion]

6.校正的P值来控制：

[None]

7.阀值T或P值：

[0.001]

8.体素阀值围[3]

9.指向点的坐标位置：

[39-720]

10.点击Eigenvariate

11.区域的命名：

[V5]

12.为。

。

。

校正数据[effectofinterest]

13.定义VOI[Sphere]

14.VOI半径（mm）:

[6]

15.现在将生成4个PPIs文件，可以通过PPI的自动化软件来新建交互矩阵，而不是用行为向量来乘以从V2区与V5区中提取出来的本征值所得的的结果，这样就能生成正确的PPI矩阵了。

（这句话可能有点难理解，我也是理解半