数据预处理
合集下载
相关主题
- 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)。
1、第一步用MRI covert进行数据转换，一共3个run，一个结构像。
分别转化rawdata到data【生成以f开头的文件】，rawdata3d到data3d中。MRIconvert转换不对3D图像进行reorient，所以没有o开头和co开头的文件。后续处理还需要对方向进行转换。但是用DPARSF转换格式的话默认的是生成一个4D文件，怎么办呢？最近刚刚学会，大家可能也都会了，但还是分享给我这样的小白——就是在DPARSF的安装目录里面有一个dcm2nii文件夹，只需要把里面的dcm2nii.ini文件用记事本打开，修改里面的两个参数（4D=1和SingleNIIFile=1都改为0），就可以批处理转换了。
2、首先删除了前两个TR，看有的静息态数据处理说要删掉前十个的，这个我们导师给的一个教程里面说删前两个，不知道是不是任务态一般都删除前两个啊？
再进行时间校正（slice timing），需要输入的参数如下
data——session3次，分别对应3个run——选转换的文件
Number of slices 32
affine regula： 选择的是东亚人的脑模版，这个好像有的教程说选欧洲人的，有的说选东亚人的？师兄们怎么看，这个实验用的被试没有外国人。
6、标准化normalize（write）
spm8—normalise（write）——data生成new subject
parameter file使用dependency 选择subj——MNI
最后，附上自己整理的预处理教程和一阶分析、二阶分析教程，是自己看了很多版本，在许多前人的基础上整合梳理的，其实自己新增的东西不是很多，主要是把网上的各种教程整理了一下，相信这已经是最全的任务态预处理至组分析的教程了。再往后ROI分析和相关分析的教程不知道哪些老师师兄师姐同门有，有的话不知道可不可以上传一下分享一下，急需啊！！！！！！！！！！！
TR 2
2:32 1:2:31
reference slice 1
3、头部校正参数 realign（est&res）
data——用dependency选择3个session【时间校正过后的数据】
以下全部默认参数
4、配准 coregister（estimate）
reference image 选择data中的mean开头文件
souce image 用dependency选择data3D的文件(结构像）
其他参数默认
5、头像分割 segment
Data选择被试的结构像，这时候不能使用dependency所以手动定位到被试结构像dicom 转换后的文件
【-90 -126 -72
90 90 108】
voxel sizes 为3 3 3
运行
8、平滑smooth，FWHM选为分辨率的二倍，即6 6 6
另外，现在大家一般采用DPARSF来做任务态数据的预处理，因为其批处理的功能很好用，效率高而且不容易出错。这个具体做法可以参考DPARSF网站上的视频教程。
7、再做一次校正normalise（write），平均脑文件标准化
new subject
parameter file使用dependency 选择subj——MNI
images to write手动选择被试的T1像
bounding box 这里网上教程说默认的偏小，我按照教程上说的该打了一些
images to write使用dependency选择Slice Timing:slice timing corr:Images Sess1~Sess3
bounding box 看的教程，改大了一些
【-90 -126 -72
90 90 108】
voxel sizes3 3 3运行，这个教程上有的说1 1 1，有的说3 3 3，额也不知道选哪个
分别转化rawdata到data【生成以f开头的文件】，rawdata3d到data3d中。MRIconvert转换不对3D图像进行reorient，所以没有o开头和co开头的文件。后续处理还需要对方向进行转换。但是用DPARSF转换格式的话默认的是生成一个4D文件，怎么办呢？最近刚刚学会，大家可能也都会了，但还是分享给我这样的小白——就是在DPARSF的安装目录里面有一个dcm2nii文件夹，只需要把里面的dcm2nii.ini文件用记事本打开，修改里面的两个参数（4D=1和SingleNIIFile=1都改为0），就可以批处理转换了。
2、首先删除了前两个TR，看有的静息态数据处理说要删掉前十个的，这个我们导师给的一个教程里面说删前两个，不知道是不是任务态一般都删除前两个啊？
再进行时间校正（slice timing），需要输入的参数如下
data——session3次，分别对应3个run——选转换的文件
Number of slices 32
affine regula： 选择的是东亚人的脑模版，这个好像有的教程说选欧洲人的，有的说选东亚人的？师兄们怎么看，这个实验用的被试没有外国人。
6、标准化normalize（write）
spm8—normalise（write）——data生成new subject
parameter file使用dependency 选择subj——MNI
最后，附上自己整理的预处理教程和一阶分析、二阶分析教程，是自己看了很多版本，在许多前人的基础上整合梳理的，其实自己新增的东西不是很多，主要是把网上的各种教程整理了一下，相信这已经是最全的任务态预处理至组分析的教程了。再往后ROI分析和相关分析的教程不知道哪些老师师兄师姐同门有，有的话不知道可不可以上传一下分享一下，急需啊！！！！！！！！！！！
TR 2
2:32 1:2:31
reference slice 1
3、头部校正参数 realign（est&res）
data——用dependency选择3个session【时间校正过后的数据】
以下全部默认参数
4、配准 coregister（estimate）
reference image 选择data中的mean开头文件
souce image 用dependency选择data3D的文件(结构像）
其他参数默认
5、头像分割 segment
Data选择被试的结构像，这时候不能使用dependency所以手动定位到被试结构像dicom 转换后的文件
【-90 -126 -72
90 90 108】
voxel sizes 为3 3 3
运行
8、平滑smooth，FWHM选为分辨率的二倍，即6 6 6
另外，现在大家一般采用DPARSF来做任务态数据的预处理，因为其批处理的功能很好用，效率高而且不容易出错。这个具体做法可以参考DPARSF网站上的视频教程。
7、再做一次校正normalise（write），平均脑文件标准化
new subject
parameter file使用dependency 选择subj——MNI
images to write手动选择被试的T1像
bounding box 这里网上教程说默认的偏小，我按照教程上说的该打了一些
images to write使用dependency选择Slice Timing:slice timing corr:Images Sess1~Sess3
bounding box 看的教程，改大了一些
【-90 -126 -72
90 90 108】
voxel sizes3 3 3运行，这个教程上有的说1 1 1，有的说3 3 3，额也不知道选哪个