1.資料介紹
SUBJECT:1
VOLUME: 64*64*64
TR:7s
total acquisitions:96個功能像
volumes of one block:6
total blocks:16
資料集中包含一個結構像資料，96個功能像資料。 由于功能像是緊接着結構像進行采集的，是以建議将96個功能像的前幾個volume去除掉。這裡，選擇去除前12個，利用剩餘的84個功能像進行分析。
2.建立工作目錄
建立工作目錄：DIR。然後，建立兩個子檔案夾：
(i) DIR\jobs，存放批處理腳本，中間資料，模型參數 ;
(ii) DIR\classical，存放中間圖像檔案。
3.空間預處理
3.1頭動矯正
（1）在spm總的按鈕視窗中，選擇Realign下拉清單，從中選擇“Estimate & Reslice”，會彈出批處理對話框。這裡Estimate 代表評估出頭動參數，Reslice代表對圖像進行幾何矯正重采樣。
（2）在彈出的批處理對話框中，左邊導航欄會顯示目前要處理的批處理任務有哪些，一般隻會有一個；右邊是參數設定窗格，裡面包含目前批處理涉及的所有參數，有些參數必須進行設定，這樣的參數名後面，一般跟有”<-x”。有些參數則沒有進行強制要求。如果那些跟有”<-x”的參數，沒有進行設定，則run按鈕是處于非激活狀态的。
這一步，隻有選擇資料檔案是必須要設定的。
（3）其他參數如果選擇預設的話，那麼最終結果會産生：一對mean*平均腦，一個rp*頭動參數檔案，以及所有r*.hdr/img的重采樣後的檔案。
mean*平均腦在後面t2圖配準到t1圖像時用到。
一個rp*頭動參數檔案，在後面模型的定義時，根據需要可以作為設計矩陣中的一個condition。
所有r*.hdr/img的重采樣後的檔案，作為後面配準、歸一化操作的輸入。
（4）最好将所有設定的參數，進行儲存，存放到DIR\jobs中，命名為：align.m。這樣才有批處理的意義嘛。
3.2 t2圖配準到t1圖像
（1）在spm總的按鈕視窗中，選擇Coregister下拉清單，從中選擇”Coregister (Estimate)”, 會彈出批處理對話框。這裡Estimate 代表僅僅對待配準圖像做出估計，而不會對img資料進行幾何矯正重采樣。估計出的參數存放到結構像的hdr檔案中。
（2）在彈出的批處理對話框中的參數設定窗格中，有兩項必須進行設定：reference image 和source image。Reference image選擇在3.1頭動矯正中生成的mean*平均腦檔案；source image選擇資料集中的結構像。
（3）其他參數如果選擇預設的話，那麼最終結果會産生：僅僅對結構像的頭檔案hdr檔案進行修改。
（4）最好将所有設定的參數，進行儲存，存放到DIR\jobs中，命名為：coregister.m。這樣才有批處理的意義。
在這一步處理完之後，可以利用spm總的按鈕視窗中的Check Reg工具，檢查mean*平均腦檔案和結構像之間的空間相關性。
3.3 對t1圖像做分割
（1）在spm總的按鈕視窗中，選擇Segment按鈕, 會彈出批處理對話框。
（2）在彈出的批處理對話框中的參數設定窗格中，有一項必須進行設定：Data。這裡的Data選擇資料集中的結構像檔案。
（3）将”Gaussian per class”由預設的[2 2 2 4] 設定為 [1 1 1 4]。其他參數如果選擇預設的話，那麼最終結果會産生：
分割後的灰質圖像；
分割後的白質圖像；
一個經過場強矯正後的結構像；
空間标準化參數檔案；
空間逆标準化參數檔案。
（4）最好将所有設定的參數，進行儲存，存放到DIR\jobs中，命名為：segment.m。這樣才有批處理的意義。
在這一步處理完之後，可以利用spm總的按鈕視窗中的Check Reg工具，分别檢查灰質圖像和結構像之間的空間相關性，以及白質圖像和結構像之間的空間相關性。
3.4 分割後的t1圖像做配準到模闆空間
（1）在spm總的按鈕視窗中，選擇Normalise按鈕，從中選擇” Normalise (Write)”, 會彈出批處理對話框。這裡Write代表對圖像進行幾何矯正重采樣，這樣才叫配準嘛。
（2）在彈出的批處理對話框中的參數設定窗格中，有一項必須進行設定：Data。這裡的Data參數包含兩個子參數：parameters file 和 images to write。
Parameters file : 選擇在3.3生成的空間标準化參數檔案；
Images to write : 選擇在3.1中生成的所有重采樣校正後的功能圖像檔案；
（3）将”writing options”中的voxcel size從”[2,2,2]”修改為”[3,3,3]”。
（4）将上面的參數設定儲存為normalise.m，友善以後批處理使用。然後，點選RUN運作，在這裡會生成這些檔案：就是對所有重采樣的功能圖像配準到模闆空間後的新的功能圖像檔案。
如果以後希望把功能激活圖像疊加到結構圖像上，那麼結構圖像也需要做一下配準。Parameters files和上面一樣，也選擇在3.3中生成的空間标準化參數檔案。Images to write選擇在3.3中場強校正後的結構像。這裡的voxel size要設定結構像的大小，也就是”[1,1,3]”。将這一步的批處理操作儲存為struct_normalise.m。
3.5 空間平滑
（1）在spm總的按鈕視窗中，選擇Smooth按鈕, 會彈出批處理對話框。
（2）在這一步有兩個參數必須要進行設定：images to write，選擇要進行平滑的功能圖像，将在3.4中生成的所有配準後的功能像選擇進來就好了；平滑的”全寬半高FWHM”,将預設的”[8,8,8]”,改成”[6,6,6]”。這裡的6，是我們所采用資料的體素大小的兩倍。
（3）将批處理參數儲存成smooth.m，然後點選RUN運作。這裡會将選進來的所有功能像進行平滑，生成相應的平滑後的檔案。
到這裡，預處理也就結束了。
4.模型定義，評估，檢查
（1）在spm總的按鈕視窗中，選擇specify 1st - lever按鈕, 會彈出批處理參數設定對話框。
（2）在”timing parameters”選項中，有一些參數必須進行設定：
Directory 輸出目錄設定為：DIR\classical,用于存放在這一步生成的SPM.mat；
Units of design 設定為 scans；//也就是說這裡以每一次掃描為機關，而不是時間seconds。
Interscan interval 也就是TR，設定為7s。
Data and design又存在很多子選項需要設定：
Scans選擇在上面預處理生成的平滑後的，配準後的，頭動校正過的96個功能像的後84個圖像。
Condition 也存在子選項需要設定：
Name：active；
Onsets：設定為 6：12:84
Duration:設定為6
這裡的設定需要解釋一下，這樣設定之後，我們其實可以算出來，就是這84個scans中，是onsets的scans分别為：
如果是從零開始計數，就是
6 7 8 9 10 11 為on
18 19 20 21 22 23 為on
30 31 32 33 34 35 為on
42 43 44 45 46 47 為on
54 55 56 57 58 59 為on
66 67 68 69 70 71 為on
78 79 80 81 82 83 為on
其餘的都為off。
（3）這裡參數都設定好之後，點選儲存為”specify.m”批處理檔案。然後，點選RUN運作。會在輸出目錄中得到一個SPM.mat檔案。
這裡，為了確定模型參數設定的正确性，推薦使用在spm總的按鈕視窗中的Review按鈕來檢查。點選Review按鈕之後，會彈出一個視窗。在視窗中有一個小的菜單，菜單中有這樣幾個子項：
Design matrix會把設計矩陣進行圖形化展示。
Explore -> session 1 –> active 會展示一個叫做”exploring design matrix”的窗格。總共會展示三幅圖像：
一個叫做active的regressor，就是我們上面定義的active condition。但是這不同于condition方波化的展示，在這裡将方波和hrf做了卷積。
以及這個active regressor的譜密度圖。
還包括一個hrf圖形。
Design orthogonality:
包含一個設計矩陣；
設計矩陣的下方是一個正交性矩陣，用以展示不同regressor之間的正交性。
在spm中，設計矩陣已經設計出來之後，其實整個glm已經完成一大辦。下面所要做的就是估計和推斷。估計就是通過逆矩陣運算，求解得到原始beta參數，beta參數指的是不同regressor對最後測量得到的信号，所産生的effect效應。這是glm統計學中的術語。然後，我們基于beta和殘差構造t統計量，進行推斷，當然需要先設定一個顯著性水準才可以。
5.推斷
在做完估計之後，就可以在spm總的按鈕視窗中，選擇results按鈕, 會彈出批處理參數設定對話框。
在這裡，把在4中生成的SPM.mat選進來就好了。這時，就會彈出contrast manager對話框。
這裡需要對spm下的glm的contrast腦補一下：
首先，contrast是為了簡化多變量分析，多變量假設檢驗的一種方法。Contrast其實是一個權重向量。其實，類似我們在求多元微分學中，當隻考慮一個變量的變化趨勢時，我們就使用偏導數這個工具來研究問題。這裡，也是這個原因，通過contrast可以突出某個變量的效應effect，可以忽略某個變量的效應effect。
一般是多少個condition，就在contrast向量中對應多少個元素，這裡對于設計矩陣中的常數covariante是不考慮的。
參考：PrinciplesStatistics - MRC CBU Imaging Wiki中的Introduction to SPM statistics
在這裡，由于隻有一個condition，就是active。是以，contrast向量，隻含一個元素。Active -> rest 用1來表示，rest -> active 用-1來表示。
5.1 contrast manager
（1）在contrast manager中選擇定義新的contrast, “Define new contrast”。
（2）在Define new contrast中進行contrast的設定。設定後，重新傳回到contrast manager對話框中。
（3）然後，在contrast manager中選擇剛定義的contrast。點選DONE。那我們可以到下一步。
5.2 masking
在5.1點選DONE之後，會彈出新的視窗，在視窗中問你，
Mask with other contrast ? [Yes/No]. 還需不需要其他contrast來做模闆，我們選擇no就好了。
Mask分兩種：inclusive 和exclusive。
Mask并不會影響最後p值得計算，隻是包含或者排除一些滿足要求的體素。
5.3 thresholds
這裡設定p值，其實是設定顯著性水準（範統計學中一類錯誤的機率），這裡的設定方法是：
Title for comparison 設定為 active > rest
p value adjustment to control: [FWE/none]. 選擇FWE.
p value(family-wise error) 具體的p值設定為預設值0.05。
在spm中，顯著性水準，或者一類錯誤的機率，稱為假陽性水準。
接下來，會讓你設定最小cluster的大小：
Extent Threshold fvoxelsg [0] 這裡保持預設值0就好了。如果這裡輸入某一個值v，就代表最終激活圖中，各個cluster中至少包含v個體素。
>> 這一步，設定完之後，spm就真的給我們構造一個spms統計參數圖了。
5.4 files
在上一步，threshold設定完之後，會在SPM.mat所在目錄下得到一些檔案：
兩個權重參數檔案：con 0002.hdr/img, con 0003.hdr/img;
兩個t統計量檔案：spmT 0002.hdr/img, spmT 0003.hdr/img。
5.5 maximum intensity projection
最大強度投影其實是醫學血管造影中的技術，什麼意思呢？就是僅僅對血管成像，而把什麼骨頭啊，組織什麼的，全部都忽略掉。
其實，在spm中最大強度投影指的就是玻璃腦。
在上一步，設定完門檻值之後，就會彈出一個玻璃腦graphics視窗，用以顯示結果；還會彈出一個design互動式對話框。這個design互動式對話框非常強大，可以選擇控制顯示的内容，可以進行疊加、渲染。
在所彈出的玻璃腦graphics視窗中，左上方顯示玻璃腦，右上方顯示設計矩陣。設計矩陣是可互動的，右擊設計矩陣會顯示相應參數名，左擊設計矩陣會顯示相應beta向量中的元素。
說明：
（1） 定義對比 ，一般 0不用輸，要看超過基線或 control 的部分， contrast 選 1，反之可以選 -1；
（2） extent threshold ：範圍的門檻值，定義多少個連在一起有意義的體素數目才不認為有可能是噪聲。這個數值的選擇一般要結合標明的P值和 smooth 中 FWHM 值來定。
（3） Overlays中選擇 slice 檢視 2D 激活圖 、選擇 sectors 檢視 3D 激活圖，檔案選擇經标準化後的3D檔案，以 wms 開頭；也可選Render，在spm8工具箱中的render中的三個模闆，用以檢視在玻璃腦中的激活圖。
本文轉自二郎三郎部落格園部落格，原文連結：http://www.cnblogs.com/haore147/p/3657412.html，如需轉載請自行聯系原作者
![光栅化之 Bresenham 算法[圖]](data:image/gif;base64,R0lGODlhAQABAIAAAP///wAAACwAAAAAAQABAAACAkQBADs=)