VBM8使用手册

VBM8 解决流程
1.下载和安装
➢SPM8:
从 SPM 官方网站( )下载 SPM8 及最新的 update 包。

把 SPM8 解压到要安装的目录，同时把 update 包解压，并直接覆盖 SPM8 有关内容，完毕更新。

然后打开 matlab,把 spm8文献夹加入 matlab 途径目录，即完毕安装。

➢VBM8:
从 VBM 官方网站(()下载压缩包，解压后放入 spm8/toolbox 下，即完毕安装。

➢运行 VBM8：
1.启动 matlab
2.>> spm fmri
3.Spm8→toolbox→VBM8
2.VBM8 分析流程简要
➢预解决
1.把T1W 原则化到MNI space,.并分割出灰质(GM),白质(WM),脑积液(CSF).有关参数能够通“Estimate and write”模块来调节。

2.通过“VBM8 Check data quality” 菜单中的“Display One slice for all images”和“Check sample homogeneity using covariance”两个选项检查分割和原则化的质量。

3.采用spm自带的spm →smooth选项对预解决好的组织图像进行平滑。

➢统计分析
1.通过SPM→Specify 2nd Level 模块指定统计模型。

2.采用SPM→Estimate 模块预计模型
3.采用SPM→Results 模块定义contrast，观察成果。

3.VBM 分析流程具体描述
➢组织分割与原则化
VBM8→Estimate and write
Volumes ←X :输入解剖图像，普通为 T1W 图像。

由于在后续分割中，需要和 MNI 先验模板对齐，因此这里输入数据最佳能和先验MNI 模板方向大致相似。

若图像和模板方向差别较大，能够使用 SPM 的 Display 和 Check Reg 按钮进行手动调节。

Estimation Options：使用默认参数即可。

这里若不采用 SPM 自带的组织先验模板TPM，则可选择自己定制的模板。

Extended Options：使用默认参数即可。

若要尽量去除非大脑组织，可更换“Clean up any partitions”为“Thorough Clean u p”。

也能够尝试变化两类降噪办法的权重，ORNLM 的最优权重是0.7。

MRF 的权重不需要调节。

当不使用某个降噪办法时，可直接把其权重设为 0。

Writing Options：使用默认参数即可。

✧默认的“Modulated normalized-non linear only”：仅对非线性变换带来的体积变化进行调制后的图像，voxel 值是通过 brain size 校正后的局部组织相对体积。

✧A bias corrected image volume：磁场不均匀性校正后的图像。

可使用期与不校正的原始对象进行比较，验证图像质量。

✧A partial volume effect (PVE) label image volume：该 volume 中的值是对每个voxel 局部容积效应的预计。

✧Jacobian determinant：每个 voxel 值表达 MNI 模板上该位置变换到被试空间时，
体积变化大小。

✧Deformation fields：非线性变换产生的变形场。

File→Save Batch：
保存设立好的 batch,可保存成*.m 或*.mat 文献。

File→Run Batch:
运行设立好的batch。

输出wm*是指bias corrected normalized volumes，m0wrp1*是modulated normalized gray matter，m0wrp2 则是modulated normalized gray matter。

若原则化使用 low dimensional spatial normalization 而不是默认的DARTEL，modulated 后的灰质和白质图像名称应分别为m0wp1*，m0wp2*。

➢预解决成果显示与质量控制
VBM8→Check Data quality →Display one Slice for All images
✧Volumes←X：选择磁场均匀性校正后的图像(wm*)。

✧Proportional scaling: 使用默认参数即可。

File →Save Batch: 保存 batch。

File→Run Batch：执行 batch。

➢样本一致性检测
VBM8 →Check data quality→Check sample homogeneity using covariance ✧Volumes←X：选择各个被试的“m0wrp1”图像。

✧Proportional scaling：使用默认参数即可。

✧Show slice in mm：使用默认参数即可。

✧Nuisance：如果需要控制其它混淆变量，能够在这里输入。

File →Save Batch: 保存 batch。

File→Run Batch: 运行 batch
➢图像平滑
SPM →Smooth
✧Images to Smooth ←X:选择要进行平滑的图像
✧FWHM：设定高斯平滑参数，惯用范畴是 8-12mm.
✧Data Type: 使用默认参数即可。

✧Filename Prefix：使用默认参数即可。

File →Save Batch: 保存 batch。

File→Run Batch：执行 batch。

4.建立统计模型(SPM8→Specify 2nd-level)
➢双样本 t 检查(two sample t-test)
Directory: 指定 SPM 组分析的目的文献夹.
Design: 选择“two-sample t-test”
✧Group 1 Scans: 选择第 1 组被试的预解决好的灰质数据 smwc1*.nii
✧Group 2 Scans: 选择第 2 组被试的预解决好的灰质数据 smwc1*.nii
✧Independence：Yes
✧Variance：Equal
✧Grand mean scaling：No
✧ANCOVA: No
Covariates*
Masking
✧Threshold Masking →Absolute : 0.2✧Implicit Mask: Yes
✧Explicit Mask: <None>
Global Calculation: Omit
Global Normalization:
✧Overall Grand mean scaling: No
Normalization: None
File →Save Batch：保存 batch。

File→Run Batch：执行 batch。

SPM 将显示 design 矩阵，并在指定 SPM 组分析目录中产生 SPM.mat 文献保存 design 信息。

➢多元回归(Multiple regression (correlation))
Directory: 指定 SPM 组分析的目的文献夹.
Design: 选择“Multiple Regression”
Scans→[选择全部被试平滑过的灰质图像文献] →Done
Covariates→”New:Covariate”
Covariate
✧Vector→按照输入图像文献的次序输入参数值
✧Name→待检查变量的名字（如，“年纪”）
✧Centering→No centering
✧Intercept→Include Intercept
Covariates*
Masking
✧Threshold Masking →Absolute : 0.2
✧Implicit Mask: Yes
✧Explicit Mask: <None>
Global Calculation: Omit
Global Normalization:
✧Overall Grand mean scaling: No
Normalization: None
File →Save Batch:保存batch。

File→Run Batch：执行batch。

SPM将显示design 矩阵，并在指定SPM组分析目录中产生SPM.mat文献保存design信息。

➢全因素模型(Full factorial model(2x2 ANOVA) Directory: 指定 SPM 组分析的目的文献夹. Design: 选择“Full Factorial”
Factors:“New: Factor; New: Factor”
Factor
✧Name: 指定因素名称，如”sex”
✧Levels: 2（男和女）
✧Independence: Yes
✧Variance: Equal
✧Grand mean scaling: No
✧ANCOVA: No
Factor
✧Name:指定因素名称，如”handness”
✧Levels: 2（左右利手）
✧Independence: Yes
✧Variance: Equal
✧Grand mean scaling: No
✧ANCOVA: No
Specify Cells：“New:Cell;New:Cell;New:Cell;New:Cell”
Cell
✧Levels: 指定cell的名称，如，“11”
✧Scans:选择第1个因素第1个层次和第2个因素第1个层次对应的数据文献（如，男性左利手）(smwc1*.nii)
Cell
✧Levels：指定cell的名称，如，“12”
✧Scans: 选择第1个因素第1个层次和第2个因素第2个层次对应的数据文献（如，男性右利手）(smwc1*.nii)
Cell
✧Levels: 指定cell的名称，如，“21”
✧Scans: 选择第1个因素第2个层次和第2个因素第1个层次对应的数据文献（如，女性左利手）(smwc1*.nii)
Cell
✧Levels: 指定cell的名称，如，“22”
✧Scans: 选择第1个因素第2个层次和第2个因素第2个层次对应的数据文献（如，女性右利手）(smwc1*.nii)
Covariates*
Masking
✧Threshold Masking →Absolute : 0.2
✧Implicit Mask: Yes
✧Explicit Mask: <None>
Global Calculation: Omit
Global Normalization:
✧Overall Grand mean scaling: No
Normalization: None
File →Save Batch:保存batch。

File→Run Batch：执行batch。

SPM将显示design 矩阵，并在指定SPM组分析目录中产生SPM.mat文献保存design信息。

➢全因素模型(FULL FACTORIAL MODEL-INTERACTION)
Directory: 指定 SPM 组分析的目的文献夹.
Design: 选择“Full Factorial”
Factors:“New: Factor; New:Factor”
Factor
✧Name: 指定因素名称，如”sex”
✧Levels:2（男和女）
✧Independence：Yes
✧Variance：Equal
✧Grand mean scaling：No
✧ANCOVA: No
Specify Cells：“New:Cell;New:Cell”
Cell
✧Levels: 指定cell的名称，如“1”
✧Scans:选择第1个因素第1个层次对应数据文献（如，男性）(smwc1*.nii) Cell
✧Levels：指定cell的名称，如“2”
✧Scans: 选择第1个因素第2个层次对应数据文献（如，女性）(smwc1*.nii) Covariates→“New：Covariate”
Covariate
✧Vector→按照输入图像文献的次序输入对应参数值
✧Name→待检查变量的名字（如，“年纪”）
✧Interactions→With Factor 1
✧Centering→No centering
Masking
✧Threshold Masking →Absolute : 0.2
✧Implicit Mask: Yes
✧Explicit Mask: <None>
Global Calculation: Omit
Global Normalization:
✧Overall Grand mean scaling: No
Normalization: None
File →Save Batch:保存batch。

File→Run Batch：执行batch。

SPM将显示design 矩阵，并在指定SPM组分析目录中产生SPM.mat文献保存design信息。

➢SPM8→Estimate
Select SPM.mat: 选择之前保存的SPM.mat文献。

然后点击run 按钮即可进行预计。

➢定义Contrast (SPM8→Results→Select the SPM.mat→Define new contrast) :
双样本 T 检查：
✧选择t,输入[1 -1]，效应为Group A> Group B.
多元回归：
✧选择t,输入[1 ]，效应为正有关。

✧选择t,输入[-1 ]，效应为负有关。

2X2 ANOVA:
✧选择t,输入[1 -1 0 0], 效应为left-handed males>right-handed males.
✧选择t,输入[0 0 1 -1]. 效应为 left-handed females>right-handed females.
✧选择t,输入[1 0 -1 0]. 效应为 left-handed males>left-handed females.
✧选择t,输入[0 1 0 -1]. 效应为 right-handed males>right-handed females.
✧选择t,输入[1 1 -1 -1]. 效应为 males> females.
✧选择t,输入[1 -1 1 -1]. 效应为 left > right.
✧选择t,输入[1 -1 -1 1]. 效应为 interaction between hand and sex. Interaction:
✧选择t,输入[0 0 1 -1]. 效应为 Group A > Group B.
✧选择t,输入[0 0 -1 1]. 效应为 Group A < Group B.
➢SPM8→Results
Select the SPM.mat:选择预计后的SPM.mat
contrast manager→Define new contrast : 按上所述定义感爱好的对比向量Mask with other contrast(s): [No]
Title for comparison: [correlation]
P value adjustment to control: [None]
Threshold: [0.001]
Extent threshold voxels:[100].。