SPM中文教程汇总已
SPM传播模型校正标准文档V0.93

SPM传播模型校正标准文档V0.93All rights reserved. Passing on and copying of this document, use and communication of its contents not permitted without written authoriziation from Alcatel.All rights reserved. Passing on and copying of this document, use and communication of its contents not permitted without written authoriziation from Alcatel.All rights reserved. Passing on and copying of this document, use and communication of its contents not permitted withoutwritten authoriziation from Alcatel.3DF 01900 0000 PTZZA ?前言传播模型校正是进行无线网络规划的一项基础性工作,准确的传播模型对于合理地设计站间距、准确地进行网络性能仿真有着至关重要的影响,本文档立足于Alcatel 的标准传播模型(SPM 模型),阐述了模型校正工作的方法和流程。
All rights reserved. Passing on and copying of this document, use and communication of its contents not permitted without written authoriziation from Alcatel.3DF 01900 0000 PTZZA ?目的阐明SPM 模型校正的基本原理,澄清模型校正中出现的问题。
SpaceClaim.中文教程

SpaceClaim 联机帮助和支持Table Of Contents1. 简介 (6)2. 使用入门 (7)2.1 教程 (7)2.1.1 概述 (7)2.1.2 支架和旋钮教程 (8)2.1.3 涡轮教程 (23)2.2 SpaceClaim 界面 (23)2.2.1 概述 (23)2.2.2 结构树 (25)2.2.3 图层 (26)2.2.4 选择 (28)2.2.5 组 (29)2.2.6 选项 (30)2.2.7 属性 (30)2.2.8 SpaceClaim 快捷方式 (31)2.2.9 鼠标操作 (33)2.3 设计 (34)2.4 二维和三维设计模式 (36)2.5 草绘 (37)2.6 选择 (40)2.7 拉动 (43)2.8 移动 (47)2.9 在横截面中编辑 (51)2.10 组合和分割 (52)2.11 SpaceClaim 对象 (55)2.12 使用部件 (56)2.13 获得帮助 (58)3. 设计 (60)3.1 概述 (60)3.2 二维和三维设计模式 (61)3.3 草绘 (62)3.4 在横截面中编辑 (66)3.5 在三维模式中编辑 (67)3.6 剪切、复制和粘贴 (69)3.7 尺寸 (70)3.8 分离 (73)3.9 撤消和重做操作 (74)3.10 移动手柄 (74)3.11 草绘 (75)3.11.1 概述 (75)3.11.2 编辑草图 (79)3.11.3 复制草图 (80)3.11.4 草图栅格 (80)3.11.5 移动草图栅格 (81)3.11.6 布局 (82)3.11.7 在二维模式中移动 (83)3.11.8 通过尺寸草绘 (84)3.11.9 点 (85)3.11.10 直线 (86)3.11.11 切线 (87)3.11.12 参考线 (88)3.11.13 矩形 (89)3.11.14 三点矩形 (90)3.11.15 圆 (91)3.11.16 三点圆 (91)3.11.17 参考圆 (92)3.11.18 椭圆 (93)3.11.19 相切弧 (94)3.11.20 扫掠弧 (95)3.11.21 三点弧 (96)3.11.22 多边形 (97)3.11.23 样条曲线 (98)3.11.24 分割直线 (100)3.11.25 修剪直线 (101)3.11.26 创建角 (101)3.11.27 创建圆角 (102)3.11.28 偏置直线 (103)3.11.29 投影到草图栅格上 (104)3.11.30 弯曲 (105)3.12 编辑 (105)3.12.1 概述 (105)3.12.2 选择对象 (107)3.12.3 拉动 (115)3.12.4 移动 (142)3.12.5 填充 (150)3.12.6 替换表面 (155)3.12.7 按过渡编辑表面 (157)3.12.8 移动草图栅格 (159)3.13 相交 (159)3.13.1 概述 (159)3.13.2 组合和分割 (160)3.13.3 分割实体 (172)3.13.4 分割表面 (174)3.13.5 投影到实体 (176)3.14 插入 (177)3.14.1 概述 (177)3.14.2 插入部件 (178)3.14.3 插入图像 (178)3.14.4 插入平面 (179)3.14.5 插入轴 (181)3.14.6 插入参考轴系 (182)3.14.7 创建圆柱体 (183)3.14.8 创建球 (184)3.14.9 创建壳体 (185)3.14.10 创建偏置 (186)3.14.11 创建镜像 (187)3.14.12 插入临时对象 (189)3.15 装配部件 (190)3.15.1 概述 (190)3.15.2 使用部件 (191)3.15.3 对齐表面 (194)3.15.4 对齐轴 (194)3.15.5 将部件定向 (195)3.16 测量和分析 (195)3.16.1 概述 (195)3.16.2 显示质量 (196)3.16.3 显示测量值 (197)3.16.4 显示表面栅格 (198)4. 细节设计 (199)4.1 概述 (199)4.2 注释 (200)4.2.1 概述 (200)4.2.2 创建注释 (201)4.2.3 设定注释文本格式 (204)4.2.4 创建注释指引线 (205)4.2.5 创建尺寸注释 (206)4.2.6 形位公差注释 (208)4.2.7 基准符号 (210)4.2.8 表面光洁度符号 (211)4.2.9 中心标记和中心线 (212)4.2.10 螺纹 (213)4.2.11 表格 (213)4.3 图纸 (215)4.3.1 概述 (215)4.3.2 设置图纸 (216)4.3.3 设定图纸格式 (217)4.3.4 视图 (218)4.4 三维标记 (223)4.4.1 概述 (223)4.4.2 创建三维标记幻灯片 (225)4.4.3 显示更改过的尺寸 (225)4.4.4 已更改表面上色 (226)4.5 设置细节设计选项 (226)5. 显示设计 (229)5.1 概述 (229)5.2 设置对象可见性 (230)5.3 将设计定向 (231)5.3.1 概述 (231)5.3.2 旋转设计 (232)5.3.3 平移设计 (233)5.3.4 放大和缩小 (234)5.3.5 旋转设计 (235)5.3.6 原始视角 (235)5.3.7 显示正面视图 (236)5.3.8 选择视图 (237)5.3.9 对齐视图 (238)5.4 图形样式 (238)5.4.1 应用图形样式 (238)5.4.2 显示边 (239)5.4.3 应用颜色 (240)5.4.4 线型 (241)5.5 图层 (241)5.6 工作区窗口 (243)5.6.1 在多个窗口中显示设计 (243)5.6.2 分割工作区窗口 (244)5.6.3 在工作区窗口之间切换 (244)5.7 显示工作区工具 (245)5.8 草图栅格样式 (245)5.9 显示轻量化部件 (247)6. 使用SpaceClaim 文档 (248)6.1 创建、打开和保存文档 (248)6.2 导入和导出 (249)6.3 打印图纸和设计 (252)6.4 日志和记录 (253)6.5 设计结构 (254)6.6 SpaceClaim 文件格式 (256)7. 自定义SpaceClaim (258)7.1 概述 (258)7.2 常用选项 (259)7.3 文件导入和导出选项 (261)7.4 细节设计选项 (263)7.5 颜色选项 (266)7.6 对齐选项 (266)7.7 单位选项 (267)7.8 支持文件选项 (268)7.9 钣金选项 (269)7.10 高级选项 (270)7.11 快速访问工具栏选项 (272)7.12 插件选项 (273)7.13 显示工作区工具 (273)7.14 配置窗口 (274)8. 钣金 (275)8.1 概述 (275)8.2 修正钣金零件 (282)9. SpaceClaim 插件 (283)9.1 概述 (283)9.2 开发SpaceClaim 插件 (283)10. 获得帮助 (284)11. SpaceClaim 版权信息 (285)1. 简介1草绘(See 2.5)并拉动(See 2.7)以创建零件,或打开(See 6.2)任何建模软件创建的现有模型。
SPM5数据分析简明教程

SPM5数据分析简明教程SPM5(Statistical Parametric Mapping)是一种用于脑功能研究的数据分析软件包。
它被广泛应用于神经影像学领域,尤其是功能磁共振成像(fMRI)和脑电图(EEG)数据的分析。
SPM5提供了一套完整的工具,用于数据预处理、统计分析和结果展示。
本文将为读者提供一个简明的SPM5数据分析教程,帮助他们入门并开始进行自己的数据分析。
首先,我们需要准备数据。
在SPM5中,数据的格式通常是NIfTI (Neuroimaging Informatics Technology Initiative)格式。
如果您的数据不在这种格式中,可以使用转换工具将其转换为NIfTI格式。
准备好数据后,我们可以开始进行数据预处理。
数据预处理是SPM5分析流程的第一步。
它包括将数据进行切片时间校正、运动校正和空间归一化等操作,以消除数据中的伪迹和偏差。
可以使用SPM5自带的工具箱来完成这些操作。
在进行切片时间校正时,将数据按照时间顺序排列,以修正不同时间点的数据获取延迟。
运动校正将数据对齐到一个参考时间点,以纠正研究对象在扫描期间的运动。
空间归一化是将数据的空间分辨率转换为标准形态,以便进行统计分析。
完成数据预处理后,我们可以进行统计分析。
在SPM5中,统计分析通常使用广义线性模型(GLM)来建模和推断。
GLM允许我们将神经影像数据与实验设计和研究假设相结合,以估计不同神经活动与不同条件之间的关系。
要进行统计分析,我们需要创建一个设计矩阵,其中包含任务设计和卷积函数。
任务设计是实验条件的时间表,它描述了每个条件在实验中发生的时间和持续时间。
卷积函数是血氧水平依赖(BOLD)信号响应的数学模型,它描述了神经活动和BOLD信号之间的时间延迟和持续时间的关系。
设计矩阵创建完成后,我们可以使用SPM5进行模型估计和推断。
SPM5将根据设计矩阵中的信息对每个脑体素(voxel)进行建模,估计神经活动与条件之间的关系,并计算统计显著性。
spm8详细教程

SPM8数据处理教程Lab 1. 数据的预处理一、概述:数据的预处理(preprocess):(1)Convert dicom files to hdr files and img images;(2)Slice Timing;(3)Realign: Estimate & Reslice;(4)Coreg: Estimate;(5)Segment;(6)两次Normalise: Write;(7)Smooth;(8)Fmri model specification;(8)Model Estimation。
二、DICOM Import:说明:转换完后会在解剖像文件名前加s,在功能像文件名前加f。
可以用“Display”来查看刚转换的图像。
(Display还有一个重要的作用是定义原点——前联合和AC-PC连线,这在做Normalise中很重要。
定义后reorient一下即可写入头信息)。
三、Slice timing1、目的:使用数学的方法使不同时间扫面的层校正为同一时间获得层。
2、过程:Date.session---[选中所有要处理的f*.文件]Number of slices---[扫描层数]TRTA---[可以用公式表示:TR-(TR/nslices)]Slice order---[扫描顺序:例如1:2:31 2:2:32分别表示从1或2开始,每间隔2个数扫描一张,即1、3、5… 2、4、6…]Reference slice---[参考层,一般选择中间的一张,对于各层扫描,一般选择即是时间的中点,又是大脑的中点。
如果是层数为偶,可以选择中点处2层中的任一层]Filename Prefix—a [默认头文件名为a]3、说明:Block Design的实验数据这一步可以跳过;event related design的实验数据必须做这一步。
四、Realign: Estimate & Reslice1、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。
SPM插件之CAT12中文操作指南

SPM插件之CAT12中文操作指南——牧海的猫 2019.9.24目的:计算VBM(本文不含DBM、SBM等分析)软件:windows-SPM-CAT12(VBM8之类的是前身);Linux-FSL-VBM v.1.1(待后续更新)启动方法(matlab):1. spm fmri-toolbox-cat122. 直接命令行输入cat12基本流程:预处理-建立统计模型-估计预处理:一、图像分割前提:用spm的display功能校准图像位置(和正常spm预处理中校准位置那一步一样);把光标放在前联合,点击设置原点,然后用重新定向按钮把显示在坐标中的校正应用于图像。
用spm-Check Reg功能检查原始图像方向和MNI模板方向一致。
(SPM-templates-T1)1.点击Segment Data,点Volumes选择nii格式的原始T1像2.点Split job into separate processes选择分配给cat12的cpu 核数(单被试数据大概需要2GB内存)3.SPM12仿射注册这块全部默认(这板块可以换组织概率图)4.CAT12预处理扩展选项这块全部默认(这板块可以换DARTEl模板)5.写入选项这一栏在灰质/白质那一部分各有一个Modulated normalized选项,默认是开启的,这一选项开启会对灰质/白质的体积的相对差异进行分析,那么在统计分析的时候必须用颅内总体积文件(TIV.txt)做协变量对单个大脑的体积进行校正。
PS:运行完成后生成三个文件夹,label、mri和report。
mri文件夹里包含脑区各组织的分割文件,mwp1开头的是灰质,mwp2开头的是白质,mw开头的是去颅骨的图像。
在CAT12里,m代表经过较准,w代表经过DARTEL空间配准。
二、颅内体积计算(生成TIV.txt)1.点击CAT12-Statistical Analysis-Estimate TIV,选择report文件夹下的XML文件;2.Save values可选择保存的文件内容,可以只选择TIV也可以同时保存其它组织的全局值,建议只生成TIV即可,如果TIV和感兴趣的其它参数有较强的相关,则建议对TIV进行全局缩放(参见后文)3.选择输出文件的名称,默认即可。
SPM5数据分析简明教程

SPM5数据分析简明教程SPM(Statistical Parametric Mapping)是一种常用的功能磁共振成像(fMRI)数据分析工具,用于研究大脑的活动与功能的关联。
本文将为您介绍SPM5的基本操作和流程,帮助您入门数据分析。
SPM5是SPM软件的一个版本,它提供了一个友好的用户界面,便于用户进行数据处理和结果展示。
在使用SPM5之前,我们需要准备一些基本的数据,包括脑功能成像数据和结构成像数据。
这些数据可以从实验室或大脑成像数据库中获取。
首先,我们需要使用SPM5将原始的fMRI数据进行预处理。
预处理的目的是将原始数据进行校正、对齐和标准化,以便后续的统计分析。
在SPM5中,可以使用"Preprocessing"工具箱来完成这一步骤。
打开工具箱后,我们需要选择需要处理的fMRI数据,然后按照提示进行参数设定,包括对齐和标准化参数。
完成设定后,点击运行按钮即可开始预处理过程。
预处理完成后,会生成一个预处理后的fMRI数据,我们将这个数据用于后续的统计分析。
接下来,我们需要进行统计分析。
在SPM5中,可以使用"General linear model"(GLM)工具箱进行统计分析。
打开工具箱后,需要选择预处理后的fMRI数据、实验设计以及一个用于模型估计的对照矩阵。
然后,设置统计参数,包括显著性阈值、簇大小等。
完成参数设定后,点击运行按钮即可开始统计分析。
分析完成后,SPM5会生成一个统计结果的图像,包括激活区域的位置、大小和程度等信息。
最后,我们可以使用SPM5进行结果展示。
在SPM5中,可以使用"Results"工具箱来查看和展示统计结果。
打开工具箱后,选择统计结果的图像文件,并设置显示参数,如显示阈值和颜色编码等。
然后,点击运行按钮即可展示结果。
结果展示主要包括激活区域的三维和二维可视化,以及区域的统计信息和图表等。
除了以上的基本操作,SPM5还具有一些高级功能,如多个组间比较和多个变量的线性回归分析等。
spm——精选推荐

spm看了很多关于SPM的介绍,但是⽹络上的资源⼤多都是对论⽂Beyond bags of features: Spatial pyramid matching for recognizing natural scene categories的直接翻译,关于⾃⼰的理解谈得很少。
这⾥主要写⼀下在我看了SPM论⽂和其提供的代码之后的感想。
SPM,⼀般中⽂翻译为空间⾦字塔,主要是计算机视觉中对图⽚的⼀种特征提取的⽅式. SPM的主要思想为:将图像分成若⼲块(sub-regions),分别统计每⼀⼦块的特征,最后将所有块的特征拼接起来,形成完整的特征。
这就是SPM中的Spatial。
在分块的细节上,作者采⽤了⼀种多尺度的分块⽅法,即分块的粒度越⼤越细 (increasingly fine),呈现出⼀种层次⾦字塔的结构,这就是SPM中的Pyramid。
如果细⼼分析代码那么可以看到,代码主要分为4步来完成,分别对应⼀个function。
1. GenerateSiftDescriptors:该函数主要是来产⽣Sift特征,主要需要注意的是它将每⼀张图⽚分为了多个patch,这样对每个patch计算Sift特征,最后得到⼀个多维特征向量。
在作者提供的Example中,⼀张图⽚480*640,那么对于16*16的patch,gridspacing为8,grid数量为(480/8-1)*(640/8-1)=4661那么可以得到的sift特征数量为4661,每个特征维度为128.1. CalculateDictionary该函数很简单,就是将刚得到的特征⽤k-means的⽅法找到指定size的字典,这⾥指定的字典size=200或400.那么后⾯的每张图⽚的每个sift特征就可以⽤该字典来表⽰了,直接去字典⾥⾯找和该sift特征最接近的word,直接⽤index来表⽰,这个可以⽤sp_dist2函数来实现。
这⾥注意的是:字典是⼀个200*128的矩阵,也就是每⼀⾏代表着⼀个k-mean得到的中⼼sift特征。
SPM操作步骤

第一步Realign,选estimate&reslice,结果生成mean文件。
第二步Coregister,先选择Coregister estimate ,reference选择mean文件,source image 选择解剖像文件,然后选Coreg reslice,Image Defining Space和Image to reslice都选解剖像文件,run第三步是Normalise, A:选estimate&Write ,source文件选择解剖像文件,image to write选择还是解剖像文件,Estimation里 template选择SPM自带的标准解剖像(template T1)文件,Write options里体素大小改为1 1 1,运行。
B:然后功能像也要再做一遍,这次选择write,parameter选择sn.mat文件(解剖像里),image to wright选择功能像文件(rb文件),Write options里体素大小改为3 3 3,再运行。
第四步,smooth平滑(wr文件)。
半宽全高改为 6 6 6,再运行数据分析:选择Specify 1st-level选择路径,,unit选择scan,输入TR时间,然后scans选择功能像文件(swr文件),然后condition里name命名,onsets 1:20:120,duration输入10,其他都可以用默认值。
然后run,再estimate(SPM.mat)。
结束后点result,左下角define new contrast,选t test, contrast输入1,done。
最后在xjview里调用SPMT文件。
如果加解剖像,选择other里找解剖像文件。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
S P M中文教程汇总已 Revised as of 23 November 2020一、SPM的安装与启动先安装matlab,然后将SPM复制到matlab下的一个文件夹(SPM2需要或以上版本)。
启动matlab,首先set path,然后在matlab命令窗口中输入SPM即可启动,然后选择fMRI,也可以直接输入SPM fMRI二、SPM数据处理概要先将所得数据进行空间预处理(对齐,平滑,标准化等),然后进行模型估计(将刺激的时间、间隔与血流动力函数进行卷积,所得结果与全脑象素信号进行相关分析),最后察看结果。
三、SPM8数据处理的一般步骤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。
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,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。
运行命令:spm fmri,打开spm8的操作界面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)。
在spm8和spm5中,每一步处理都采用了直观的“树形结构”的面板,如果一个分支项左面有“+”号,你可以双击显示子分支项,如果一个分支项右面有“<-X”号,你必须为之指定选项(否则不能运行该tree),分支项的选项在其右侧面板指定,而帮助信息则在下面的面板中显示。
如果我们处理数据没有特殊需求,我们只关心带有“<-X”项目并完成输入即可,其余均可采用默认设置。
另外注意在Tree Building Window的顶部菜单,新增了一个菜单项“TASKS”,在使用批处理分析时非常重要。
以下内容,还可以参考E:\《汇总》中“静息态fMRI的数据预处理流程”这部分的讲述。
1、转换数据dicom格式转换为img文件,将以层为单位的数据转换成以全脑为单位的数据。
转换时格式请选择NIfTI,可用SPM输入面板中的DiCOM Import模块转换,也可以采用专门的转换软件,如MRIcovert。
2、Slice timing校正1个volume中层与层之间获取(采集)时间的差异,即纠正slice(下译为扫描层)之间采集时间的差异。
这对事件相关设计的实验尤为重要,使一个TR中的各层获得时间一致(如都在一个TR的开始),相当于AFNI中tshift所做的工作。
校正后的新文件名为:a+原文件名。
原理概述:Sliceorder(扫描层序数)用于指明扫描层被采集时的顺序,其总数为n,n即一个volume(volume为一个TR时间内的扫描量)里面所包含的扫描层的总数。
每个Sliceorder(扫描层系数)同时指明了每个扫描层在图像文件中的存储位置。
因此扫描层系数表明了扫描层被采集时的时间顺序。
我们可以用SPM的Display功能来查看这个顺序。
移动鼠标的十字准线到 Z 坐标为1的位置时,我们看到的就是一个volume里面第一个slice(扫描层)上的象元(voxel)。
核磁仪采集数据的时间精度为一个TR,因此我们通常默认一个TR内采集到的数据(一个volume)采自完全相同的时间。
但事实并非如此,一个TR内我们需要采集很多扫描层(例如20层)的数据以覆盖较大的脑区(通常是全脑)。
这些扫描层是一个接一个按照上面所说的sliceorder(扫描层序数)的顺序来采集的,因此各个扫描层之间的采集时间是有差异的。
Slice timing这一步所要做的就是通过一定的算法纠正这一时间差异。
常规的纠正方法是在保持整段采集信号不变的条件下推前或者推后采集的起始时间。
这可以通过简单的移动采集信号的正弦相位来做到。
一种常用的数学转换方法:傅立叶转换可以把任何复杂信号转换为由不同频率和相位的简单正弦曲线的线性组合。
这样,只要通过加入一个常数到每个频率的相位中,就可以达到移动数据起始和结束时间的目的。
我们在按钮窗口中的预处理面板中点击“Slice Timimg”,将出现如下对话框:对上图右侧选项我们做如下设置————Data,预备数个被试或者session的数据。
以下所述参数设置将被应用到所有所选数据。
点击data并在下面的面板中点击“new session”,这样在data下会出现“session”的分支项,选中该项并点击面板下方的“select files”,然后用spm文件选择器选择你要处理的数据,最后点击“Done”。
选择数据时可以把静息态、数值任务和物理大小任务分为三个session来选(data——new session——session),也可以作为一个session来选,结果是一样的。
Number of Slices,我们输入每祯图像的层数,如“32”,即扫描层总数。
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,单位为秒。
一般可以用以下公式计算:TA=TR-(TR/扫描层数)。
这里可以不必计算出结果,直接写上带入了数字的公式就可以了。
比如,TR为3秒,扫描了20层,则可以直接写为:3-(3/20)。
我们的数据则输入“2-2/32”Slice order,输入扫描顺序。
如前述此顺序可通过SPM的Display功能查看。
我们输入“1:2:31, 2:2:32”。
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像(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 3 5 7 9 11 13 15 17 19 21 23 25 2 4 6 8 10 12 14 16 18 20 22 24](在Matlab中可表示为[1:2:25,2:2,25]) 各种扫描类型和输入的层顺序如下: ascending 升序扫描(first slice=bottom,扫描序数从底部到顶部排列,即从1顺序递增到n): [1:1:nslices]; descending 降序扫描(first slice=top,扫描序数从顶部到底部排列,即从n顺序递减到1): [nslices:-1:1]; interleaved 间隔扫描(扫描序数间隔递增或递减,一般顺序为2,4,6,8,10..1,3,5,7,9..n)(middle-top):for k = 1:nslices,round((nslices-k)/2 + (rem((nslices-k),2) * (nslices - 1)/2)) + 1,end; interleaved (bottom -> up): [1:2:nslices 2:2:nslices],如[1:2:25,2:2,25]; interleaved (top -> down): [nslices:-2:1, nslices-1:-2:1]Reference Slice,我们输入“31”。
选择参考扫描层(一般可使用默认值),其它扫描层的起始时间都将以此层的起始时间为标准来移动进行校正。
通常选择n slice/2,如25层时选择13层作为参考层。
Filename Prefix,是指新生成的图像前加何标记,一般采用默认设置。
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。
(为什么)3、Realign(相当于AFNI中的registration)分两步:1)coregister,将每个session的第一个scan与第一个session的第一个scan进行比较,然后将每个session中的其他scan与本session中的第一个scan进行比较,得到每个文件的转换参数,生成文件,同时为每个session生成一个对齐参数(realignment parameters),文件名为realignment_params_*.txt2)reslice,用文件对重新切片,生成文件。
并可依选择生成一个平均象,名为。
以上两步具体解释如下——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桢图像按照一定的算法做对齐,以矫正头动。
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(least squares approach)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(Graphics Window)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。
如下图:Translation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 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,则将以文件存于matlab的work目录下。
我们在预处理面板校准选项中选择“Realign (Est & Res)”,出现如下对话框,我们按下面设置进行:选中“data”, 选择“New Session”, 然后选中data下出现的“Session”选项。