《静息态ICA处理》PPT课件.ppt

静息态fMRI的ICA处理方法及流程 20120709涂世鹏 fMRI数据预处理 用spm做预处理 slicetiming realign Est Res Normalise Est Wri Smooth无需去协变量全脑均值ICA使用的是smooth之后的数据 使用GIFT软件做独立成分分割 软件包如同SPM只需添加到matlab搜索路径中保存然后在matlab中输入 gift即可调用 其使用说明书和相关文档 v1 3h GIFTManual pdfv1 3h GIFT Walk Through pfd 主界面 导入数据以及参数选择 setupICAAnalysis选择输出路径注意 每个被试的数据有一个文件夹 然后将所有文件夹放在同一个路径下 就是选择这个路径 选择好后Directoriesselected 1 第一行 选择输入文件前缀 按个人习惯 第二行 选择要处理的数据 点入 Isyourdatastoredinonefolder 选择No 因为你的每一个被试都有一个文件夹 被试数目选择 即所有被试数目总数 Session处选择1 这里每个被试只有一个数据集 即我们说的一个run 点ok 左边一栏为所有被试的数据输入的入口 从第一个起逐一选择每一个被试 点击Subject Session1 变蓝下面点击Subject1Session1选择第一个被试的数据 在左栏找到第一个被试的文件夹点入 右边即显示了 1 200 swrasub01 run1 img 1这说明第一个被试有一个run 200个时间点 点击一下右边呈蓝色 则FilesSelected 200表示选中了第一个被试的这200个时间的数据 其他被试操作相同直到所有被试的数据都选中好 选则好数据后一般是要估计成分数的 这里虽然给出了一个默认的20个IC但是在上面一个选项中要选择yes 来估计IC数目 这就是估计出来的IC数目 平均数目为36 最小的为27 最大的为54 NumberofIC 这里的选择是不确定的 具体填多少要看最后分出来的效果 即 要与研究的问题相结合 一般来讲 要求分出 DMN 默认模式网络 感觉网络 自参考网络 视觉网络 听觉网络 运动网络 当然还必须包括你要研究的ICs 当然取的成分数过多就会将这些网络细分开 一般IC可以从最小的选择起 如这里选择27 最后看分出的效果 不好再改变 其他的选项选择默认不变就可以了 点击Done下一栏的所有选项也保持默认不变直接点击Done 最后在输入路径中会生成一个文件 componet ica parameter info mat 在主菜单栏中选择 RunAnalysis 出现右边的选框然后选择刚才生成的 mat参数文件 如蓝色点击ok即可 选择All 即可 至此 已经完成了 数据的导入和输出 耐心等待它的处理 先选中Component变绿 然后选择右下方的Display即可以看到我们前面选择的27个成分的空间解剖分布及其对应的时间序列 按解剖细节区分各个成分 ICA后处理 选择和确定好要研究的IC这里IC相当于大脑之中的功能子网络 当然 作为更大尺度的网络来看 各个功能子网络之间也是相关的 根据这种相关程度可以构建更大尺度的网络并进一步进行分析 第一步 对要考察的各个成分的时间序列进行滤波0 01到0 8Hz 如要做全脑尺度的网络 选的IC比较多 简单的办法是使用功率谱分析 排除非功能网络IC 网络一般的构建方法