关于ICA和种子点的方法

Submitted by 287391600 on Thu, 11/15/2012 - 22:12

老师：
      您好！
      请教老师这样的问题：我之前用的是种子点的功能连接方法，得出病人组和正常组差别不大，但是后来我改用ICA的方法得出的结果是病人组的有比较明显的减弱的区域，所以这两种方法的结果有矛盾的地方，这让我该怎么往下进行呢？
      谢谢！

Submitted by YAN Chao-Gan on Fri, 11/16/2012 - 03:05

ICA与种子点的功能连接方法，得到的功能连接图并不完全等价。

即使同样说是默认网络，种子点方法存在如何定义seed的问题。而ICA也存在确定成份数（成份数多的情况下DMN会分成几个子成份）以及如何确定某一成份为DMN的问题。所以可能会得到不一致的结果。当然，从ICA的角度出发，有一种解释认为较好地排除了其他噪声成份的影响，这有可能会是造成你目前结果的原因。

张寒可能会从ICA的角度给出更进一步的解释。

Submitted by haohaoxuexi on Fri, 11/16/2012 - 23:10

 老师们，
你们好！
我也想分析一下我的病人的DMN改变情况。可我没学过，不知道怎么实现ICA，我会种子点的方法。那我想知道的是，是不是我们要先做一个DMN的MASK，然后再在这个MASK中去看其各组分的活动，然后做功能连接。做功能连接的时候，就可以用种子点的方法或是ICA的方法，我的理解是对的吗？请高人指点。如果是对的，那我怎样做这个MASK呢，REST中有方法，还可以查文献。不过文章里没人说怎么做的。或者是我还没看明白。请老师帮忙指条明路。
谢谢您的时间。
Xue

Submitted by ZHANG_RESTadmin on Mon, 11/19/2012 - 11:25

 ICA是基于全脑计算得到的。不需要做ROI 或者 mask。

有关文献，你可以参考Greicius 2003, 2004,以及后续的一系列用ICA结合默认网络做疾病的研究。


Submitted by ZHANG_RESTadmin on Fri, 11/16/2012 - 18:02

严老师说的没错，ICA结果和种子点相关结果不一致是很正常的。

首先这是两种不同的方法，得到的结果的意义也是不同的，虽然有人都叫做resting-state funtional connectivity.
ICA是基于高阶统计量计算的，考虑了更多的信息，但是存在结果难以理解的问题。
种子点相关这个方法非常straightforward，是Karl Friston提出的functional connectivity概念的一种很自然的实现形式，它只考虑二阶统计量。

目前这两种方法都是主流，你用哪个都行。你可以用病人减弱的地方和行为量表相关，看看是否可以有相关，这样解释起来容易，让人也更容易信服你的结果。