伦敦录制的SPM课程讲义及软件使用手册

需积分: 44 11 下载量 151 浏览量 更新于2024-11-17 1 收藏 77.87MB ZIP 举报
资源摘要信息:"SPM课程讲义.zip"包含了2011年和2012年在伦敦录制的关于SPM软件使用和高级神经影像学的课程视频讲义。这些讲义是针对fMRI(功能磁共振成像)、PET(正电子发射断层扫描)、VBM(体素形态学测量)以及M/EEG(脑磁图/脑电图)等技术的深入教学。SPM,即统计参数映射,是一种在神经影像学研究中广泛使用的数据分析方法,它能够对来自不同受试者的神经影像数据进行统计分析,并在群体层面上对大脑功能和结构进行推断。 课程由经验丰富的教师Peter Aston授课,他传授了如何使用SPM软件进行数据处理和分析。此外,课程还提供了丰富的实例和案例分析,帮助学生理解和掌握SPM在实际研究中的应用。AVT Connect提供的拍摄服务确保了课程的高质量录制,使得这些宝贵的教育资源可以广泛地传播和使用。 以下将详细说明标题和描述中提到的知识点: 1. SPM软件介绍 SPM(Statistical Parametric Mapping)是一种广泛应用于神经影像学领域的统计软件,它能够处理包括fMRI、PET、SPECT、EEG和MEG在内的多种影像数据。SPM软件基于一般线性模型(General Linear Model, GLM),可以用来进行单个受试者的功能定位以及群体水平的统计分析。 2. fMRI技术 fMRI是一种利用MRI(磁共振成像)技术来测量大脑活动的技术。它通过监测血氧水平依赖(BOLD)信号的变化来间接反映大脑的活动情况。fMRI在神经科学、心理学和医学研究领域具有极其重要的作用。 3. PET技术 PET是通过检测正电子发射物质在体内的分布来进行成像的技术,这种物质通常是与葡萄糖、氧气或其他生物过程有关的放射性同位素标记化合物。PET可以提供关于大脑代谢、受体分布和分子水平上的信息,是研究大脑功能和病理过程的重要工具。 4. VBM分析 VBM(Voxel-Based Morphometry)是一种基于体素的形态学测量方法,主要用于评估大脑结构的差异。通过对全脑的灰质和白质进行量化,VBM能够在群体水平上分析大脑结构的差异,与认知功能之间的关系等。 5. M/EEG技术 M/EEG指的是脑磁图(Magnetoencephalography, MEG)和脑电图(Electroencephalography, EEG),这两种技术用于测量大脑活动产生的磁场和电场变化。MEG具有极高的时间分辨率,而EEG则在成本和便携性上具有优势,两者在神经科学研究中经常被联合使用。 6. 统计参数映射在神经影像学中的应用 统计参数映射方法结合了影像学数据和统计学原理,能够识别脑内的特定功能区域,揭示不同实验条件下的脑活动差异。它在群体研究中尤为重要,能够帮助科学家发现脑功能与行为、疾病之间的相关性。 通过这些讲义,参与者不仅能够学习SPM软件的使用方法,还能够深入了解各种神经影像技术的基础知识和高级应用,为从事神经科学和相关领域的研究提供坚实的基础。该讲义资源的发布,无疑对于推动该领域的教育和研究具有积极的意义。

clear;clc parentdir = 'F:\data process\fMRI\fmrioutput'; % 定义储存各被试源文件的上级文件夹 cd(parentdir); % 进入这个上级文件夹 allsubjects = dir('sub*');%查找该文件夹下的所有被试 subinfos = numel(allsubjects); for i=1:numel(allsubjects) % 对每个被试进行循环 cursubject = allsubjects(i).name; % 找到当前被试的名字 matlabbatch=cell(1); curWPAT = fullfile(parentdir,cursubject,'WPAT'); curfucout=fullfile('F:\data process\fMRI\fmrioutput',cursubject,'WPAT') matlabbatch{1}.spm.stats.fmri_spec.dir = {curfucout}; matlabbatch{1}.spm.stats.fmri_spec.sess.scans = cellstr(spm_select('ExtFPList', curWPAT, '^sw*.nii', Inf)) matlabbatch{1}.spm.stats.fmri_spec.timing.units = 'scans'; matlabbatch{1}.spm.stats.fmri_spec.timing.RT = 2; matlabbatch{1}.spm.stats.fmri_spec.timing.fmri_t = 16; matlabbatch{1}.spm.stats.fmri_spec.timing.fmri_t0 = 8; %% matlabbatch{1}.spm.stats.fmri_spec.sess.cond = struct('name', {}, 'onset', {}, 'duration', {}, 'tmod', {}, 'pmod', {}, 'orth', {}); matlabbatch{1}.spm.stats.fmri_spec.sess.multi = {'D:\data process\fMRI\onsets\subject(i)_run1.mat'}; matlabbatch{1}.spm.stats.fmri_spec.sess.regress = struct('name', {}, 'val', {}); matlabbatch{1}.spm.stats.fmri_spec.sess.tempxx=dir(fullfile(curfucout,'rp*.txt')) matlabbatch{1}.spm.stats.fmri_spec.sess.hpf = 128; matlabbatch{1}.spm.stats.fmri_spec.fact = struct('name', {}, 'levels', {}); matlabbatch{1}.spm.stats.fmri_spec.bases.hrf.derivs = [0 0]; matlabbatch{1}.spm.stats.fmri_spec.volt = 1; matlabbatch{1}.spm.stats.fmri_spec.global = 'None'; matlabbatch{1}.spm.stats.fmri_spec.mthresh = 0.8; matlabbatch{1}.spm.stats.fmri_spec.mask = {''}; matlabbatch{1}.spm.stats.fmri_spec.cvi = 'AR(1)'; matlabbatch{2}.spm.stats.fmri_est.spmmat(1) = cfg_dep('fMRI model specification: SPM.mat File', substruct('.','val', '{}',{1}, '.','val', '{}',{1}, '.','val', '{}',{1}), substruct('.','spmmat')); matlabbatch{2}.spm.stats.fmri_est.write_residuals = 0; matlabbatch{2}.spm.stats.fmri_est.method.Classical = 1; matlabbatch{3}.spm.stats.con.spmmat(1) = cfg_dep('Model estimation: SPM.mat File', substruct('.','val', '{}',{2}, '.','val', '{}',{1}, '.','val', '{}',{1}), substruct('.','spmmat')); matlabbatch{3}.spm.stats.con.consess{1}.tcon.name = 'Old'; matlabbatch{3}.spm.stats.con.consess{1}.tcon.weights = 1; matlabbatch{3}.spm.stats.con.consess{1}.tcon.sessrep = 'none'; matlabbatch{3}.spm.stats.con.delete = 0; end;怎么改

2023-05-24 上传