fMRI处理：基于spm的dparsf
刚刚踏上研究生之旅，开启一段新的研究旅程，希望能记录下自己的脚印。
最近刚刚接触fMRI，对fMRI序列什么的还不是很了解，不过先上网上手学习了一点给予软件的预处理知识，先记录一下，下回能用上再回来看看。
dparsf安装
dparsf是基于matlab的spm，我是网上下载spm12和最新版本的dparsf的安装包，然后添加到matlab路径，就可以使用了。在matlab编辑区输入dpabi就可以出现界面了，如下
fMRI预处理
预处理步骤包括：可视化（Visualization）、去伪影（Artifact removal）、时间配准（Slice time correction）、头动校正（Motion correction）、生理噪音校正（Correction for physiological effect）、结构功能配准（Co-registration）、标准化（Normalization）和时空间滤波（Spatial and temporal filtering）。
1/2：把你的数据由dicom数据转成可以识别的nii形式，不过我的数据已经是nii的了，所以没有用到这个；
3：去除前面10个时间点，前面的数据可能存在一点扰动；
4：时间校正：在扫描一次完整大脑（Brain volume）的周期（TR，Repetition time）内，我们会扫好几片脑片（Slice），由于我们一个时间点只能扫描一张脑片，如果是按照顺序一张一张扫下去的话，每张脑片之间的扫面时间点都会有区别。比如最顶端的脑片的扫描时间会相对低端的脑片延迟2s；
5：时间矫正的时候我们选择的扫描顺序，如果数据是646432，那么扫描一般都是按照1：2：31，2：2：32的顺序扫描的；
6：参考层：一般就是选择5中排序中间的那一层作为参考层；
7：头动矫正：头动（Head motion）也是一个很严重的干扰。我们在做后续分析的时候需要假设每个体素时时刻刻对应的都是大脑的同一个位置。可是扫描的时候被试的头肯定会有微小的移动。这样的话一个体素可能在下一秒就对应了脑中另外一个截然不同的位置。因此我们会用刚性变换（Rigid body transformation）把所有的图像中的脑都固定在同一个靶位置（Target imagine）
8/9：这个地方就需要我们手动定义图像原点的位置了，一般选择作为配准模板的是MNI图像，我们手动定位的时候尽量把图像的原点定义在和MNI一样的位置，就是前联合的位置；
10：去头骨和配准：结构图像与功能图像配准（Co-registration）了。我们希望能把功能图像上的点定位在有着较高分辨率的结构图像上。一般来说我们会在实验的每轮扫描的开始扫一张结构图像。虽然说结构图像和功能图像是在同一论扫描里扫得的。但往往它们往往是没法重合覆盖在一起的。一是因为他们测量不是一个东西（编者注：一个是组织一个是血流信号），二是因为测量过程中会有头动；
11：分割和标准化，这一步选择了分割和DARTEL，就是说分割之后还会保存分割图和分割图到标准化空间的一个形变场。
12：消除一些头动的协方差变量；
13：标准化：dpabi里面标准化有三种方式。一种基于EPI，一种基于T1，一种基于DARTEL，可以看一下软件给出的不同标准化的原理；
14：滤波：对图像进行空间滤波时，我们经常使用高斯核（Gaussian kernel），该平滑核的尺寸（平滑范围）由半高宽（full width at half maximum, FWHM）决定；
15：平滑：在统计分析前对采集到的数据进行空间平滑（smoothing）是很普遍的，这可以提高信噪比（signal to noise ratio），消除伪影（artifacts），使数据更符合分布假设（distributional assumptions）。
16：你开始处理的文件夹，我的数据是nii的，就要把开始处理的文件夹名字定义为FunImg，FunImg子文件就是一个个subject,处理好的文件他也会自己生成对应名字的文件夹；一旦你改好这个名字，软件会自动识别里面的subject名字，不用自己添加；
以上就是我暂时用到dpabi功能的基本介绍了，
接下来我就要准备实操了，到时候再更微
有什么问题实操见。