下周做老鼠实验
- group analysis
SPM group analysis
数据地址 - resting state 可以分析:correlation 计算两个脑区的相关性
静息态实验简单 - functional
- 成功的实验能看到激活区
- 不成功的实验:比如被试头动太大,不是健康的被试
- Spontaneous brain activity 自发性脑活动
- resting state FC
头动信号很大的时候,会掩盖bold信号,呈现出相关性很大 - correspondence with electrophysiology
- resting-state networks resemble task-activated networks
- correspondence with anatomic connectivity 不是完全对应是相关
胼胝体的白质纤维束,连接左右脑
选择不同区域作为种子区域(LP,V1,HF。。。) - default model network
什么都没做的时候
任务态信号差别一般在1%,静息态可能不到0.5% - 计算脑网络的方法
- seed-based correlation
加一个阈值,高的区域可以单独显示出来
如何选seed?(ppt上有4种 atlas,published coordinate, structural image, activation map)
可以是解剖学的区域 i.e.,视皮层
脑区边界 相关性会很sharp - 独立主成分分析
activation map分解成component i.e., matlab中的gift
ICA reveals structured nerual & artifact patterns 可以分离噪声
传统分析都要去掉脑室,但是研究脑脊液的论文不去掉脑室 - TE dependent
- seed-based correlation
- graph analysis of whole brain network
threshold 是需要试着去选取的,一开始不知道,选取效果最好的 - Resting-state fMRI:power but ambiguous(模糊的)
信号的来源是很多的 除了神经信号,还有头动,呼吸等等 - what is noise,what is signal?
- 头动处理方法不同,结果也很大不同
- global signal 高人不那么清醒,与呼吸也相关
- dpabi
sub01_1
sub01_2
2个session 不支持bid格式