spm心得Word格式文档下载.docx

1、save-close。设置完成后在 Matlab 中执行命令spmfmri。这样出现 了 spm8的操作界面（如下图），这也表示spm8安装成功！我们称左上侧的窗口为按钮窗口（button window），左下侧的窗口为输入窗口（input window）, 右侧大窗口 为树形结构窗口或图形窗 口 （Tree Building Window or the graphics window）一、数据准备为方便后续的数据处理，如果数据分散处理后整合，建议所有处理数据路径保持一致，要统 一路径。如原始DICOM图像放在rawdata文件夹中，data文件夹存放转换后的功能像， data3D文件夹中存放

2、转换后的结构像。处理前首先要采用数据转换软件将dicom数据转换 成SPM解析格式，转换时格式请选择NlfTI,可用SPM输入面板中的DiCOMImport模块 转换，也可以采用专门的转换软件，如MRIcovert然后进行数据预处理，预处理结束后到 matlab安装目录中备份spm*.ps文件，其中包含了空间校正和标准化的信息，然后进行建 模分析。转换后data文件夹中会有多个.img （图像数据）和.hdr （矩阵数据）；data3D文件夹中只有 一个.img和.hdr文件。二、数据处理流程1、Slice Timing Ht间层校正Slice Timimg用来校正1个volume中层与层之间

3、获取（采集）时间的差异，对事件相关设计的 实验尤为重要。我们在按钮窗口中的预处理面板中点击“Slice Timimg” ,将出现一个对话 框，修改其中参数：Data： New： SessionSession：选择你要处理的数据，如文件夹data中的所有数据Number of Slices：我们输入每祯图像的层数，如32”（可以在 spm8-Display-data： .img-done-Dimensions:64*64*32中查看）TR：我们输入重复时间，一般为2秒，我们输入“2”TA：是每祯图像获取第一层开始到获取最后一层图像的时间间隔，TR-TR/nslice,可直接输 入公式，如我们输入

4、“2-2/32”Slice order：我们输入“1:2:31 2:32”（图像是隔层扫描所得到的）。指定层获取顺序的 层次序参数是一个含N个数的向量，这里N是每个volume所含的层数。每一个数表示该 层在图（volume）中的位置。向量内的数字排列顺序是这些层的获取时间顺序。如行向量1 35791113151719 21 23 25 24 681012141618 20 22 24（在 Matlab 中可表示为 1:25,2:25）Reference Slice：我们输入“31选择参考层，通常选择nslice/2,如25层时选择13层作 为参考层。Filename Prefix：是指新生成

5、的图像前加何标记，一般采用默认设置。默认为a最后点击面板上方的向右的绿色三角即开始运行。运行完后将会生成一系列a*.img文件， 这就是时间校准后的数据。注意：很多研究者容易将时间校准和空间校准顺序颠倒，一般的观点是如果图像获取是隔层 （interleaved）进行的，如1、3、5、7、9、2、4、6、8、10,则要先进行 slice timing 再 进行realign,如果图像各层是连续（sequential）获取的，如1、2、3、4、5、6、7、8、9、 10,则要先进行 realign 再做 slice timing。先写到这吧。继续上一次的话题，做完了 Slice Timing,接下

6、来就该进行头动校正了。2、Realignment 头动校正即使我们对被试的头部做了很好的固定，在实验过程中，被试也会不由自主的有一 些轻微的头动，这在fMRI实验中尤为明显。这一步就是把一个实验序列中的每一帧图像都 和这个序列的第一帧图像按照一定的算法做对齐，以矫正头动。目的：如果在容许的头动范围内，可以使用一定的算法校正信号，使其靠近真实值, 如果超过了这个规定的范围，则必须剔除这组数据。头动范围（Check Realign）：平动W2.Omm and旋转2.0degree严老师观点我们在预处理面板校准选项中选择“Realign（Est&Res）” ,出现一个参数设置对话 框。修改其中参数：

7、然后选中data T出现的“Session”选项。点击“Specify Files,用spm文件选择器选择 刚做完时间校准的全部图像（a*.img）。 默认为 r其余选项采用默认设置，点击上方绿色的三角开始运行。做完这一步，能给出该序列中被试的头动情况，以作为是否放弃该数据的依据，如 果头动超过1个voxel （功能图像扫描矩阵一般是64*64,则体素的大小为（FOV/64） * （FOV/64） * （层厚+层间距），则要考虑放弃该时间点数据。该程序利用最小二乘法 （leastsquaresapproach）原理和含6个参数（刚体模型）的空间变换，对从一个被试获取的时间 序列进行校正。用户可

8、指定某个volume作为随后volumes的参考。可以是第1个volume, 也可选择比较有代表性的volume（更明智的选择），例如选择磁场相对稳定的第4个volume。校正信息（头动信息）将在结果窗口 （GraphicsWindow）显示。每个Session的校正信息将存储 为rp*.txt,其中*为Session数据集名称。另外，头动校正信息将以plot图形显示。Translation图表示被试头部在X, Y, Z三个方向的平移，分别用蓝，绿，红三种 颜色表示。Rotation图表示被试头部在实验过程当中绕X（L-R）, Y（A-P）, Z（S-I）三条轴的转 动角度。横坐标代表这个序列

9、所采集的所有图像，纵坐标表示的是偏移量和偏转角度，分别 以毫米和度为单位。采用SPM8,头动信息和空间标准化的图形文件将以spm_ data” .ps 的形式保存于matlab的工作目录下，如我们是2009年4月30日处理的数据，则将以 spm_2009Apr30.ps文件存于matlab的work目录下。当然也可以将生成的图像保存成jpg 格式：File-Save As-.jpg说明：matlab中如何查看头动范围打开rp_af*.txt文件，前3列为平动数据、后3列为旋转数据；在matlab中输入命令：b=load（ *rp_af.txt ）;%-载入头动数据文件c=max（abs（b）;

10、%-取b值的绝对值的最大值，表示找出每列的最大值c（4:6）=c（4:6）*180/pi %-4-6列为转动，将以弧度为单位的数值转化为以角度为单位的值, pi表示加运行结束后将生成一对mean* （.img和.hdr）文件（平均脑）、一个rp_*.txt 文件（头动参数文件）及若干对r* （.img和.hdr）文件。3、Coregister 配准是将所有的图像同一个volume对齐，对功能像与结构像做一个信息的变换。我们相 信对于被试，功能像与结构像是线性相关的平动与转动，而不是扭曲的。由功能像向结构像 去配，对于结构像中的hdr文件存有一个矩阵，而这个矩阵就包含了功能像的信息。过程：在sp

11、m8中选择Coregister （Estimate）:只需要将旋转的矩阵写入到hdr文件中，不需要 生成新的文件，也就是对3D文件做一个刚体的变换，变换到功能像空间里Reference Image选择头动校正后生成的mean*.img文件Source Image选择3D文件，即data3D文件夹中的.img文件Source image与Reference image的关系，可以认为是将结构像向以mean开头的 功能像里估计，估计结束后就可以将旋转矩阵写入到精度更高的3D文件当中，最后做出的 图像的分辨率就会很高。（结构像比功能像清晰很多）4、Segment 分割要将被试的结构像配到功能像里，就

12、需要将结构像进行分割。一般分割为灰质、白质 和脑脊液三部分。在spm8中选择SegmentData选择配准后的3D图像，即data3D文件夹中的.img文件.Clean up any partitions-Light cleanAffine Regularisation-选择欧洲人或东亚人大脑模板如：ICBMspace template-European brains5、Normalise 标准化将不同容积及形状的被试的大脑放到一个标准空间里，用一个公用的坐标系去描述具 体的一个位置。方法： .Normalize by using EPI templates；.Normalize by usi

13、ng T1 image unified segmentationo先说第种方法的操作：在预处理面板标准化选项中选择“NormaliseEstimate&Write”，出现一个对话框，我们做 如下设置：选中“data”“newsbject”，在data T新出现的“subject”选项中作如下设置，“sourceimage”选择空间校准步骤中生成的mean文件，“image to write”选择所有刚进 行完校准的文件“ra*.img”，“template image”我们选择“EPl.nii”，其余采用默认设置, 点绿三角运行。或用第种方法的操作:用3D像文件做分割，用分割的信息去做空间标准

14、化，分割要做三个小步骤，被试 既有结构像，又有功能像，我们要用结构像分割所得到的信息来做功能像的空间标准化。首 先，要保证功能像与结构像在同一个位置。所以，需要做一次coregister,即配准。先把被 试的结构像变换到被试的功能像空间里，然后将变换到功能像里的结构像分割所得到的相应 信息运用到功能像里。结构像在功能像空间里被分割后，会得到一个矩阵。这个矩阵就会告诉我们如何从 被试的功能空间去往标准空间。也就是MNI空间。我们可以根据这些信息应用到功能像里, 写进去以后就会自动配准到标准空间里去。Normalise: WriteData: new subjectParameter File参数文件，选择3D文件夹下segment后的文件，有2个文件， 分别是seg_sn.mat和s