数据处理初步

  恩，先梳理一下，对于简单的数据处理的过程：
    首先，先用SPM程序包对数据进行预处理，很多程序包都可以起到相同作用，比如北师大的REST和DPARSF，这些都可以实现数据整理与预处理，预处 理基本程序就是先进行时间信息的矫正，之所以进行时间校正，是因为在对大脑进行扫描的时候为了避免相邻脑区影响太大买一般采用间隔扫描，就是将大脑切成很 多片比如说切成33片，先扫第1片，然后扫第3片，按照这个顺序，1 3 5 7……然后扫完33层再回到第2层开始扫描，这样扫到的第1层和第2层之间其实是有很大的时间差的，所以我们通过时间校正，将第二层的时间拖前面一些，这 样就是同一时间内，同一块脑区的活动了。这就是时间校正的意义。之后再进行头动校正，即使强调不要动脑袋，被试也是会有微小头动的，这一步就是矫正头动， 筛选掉头动角度过大的数据（其实这里还是不知道怎么筛选怎么剔除，是根据头动度数自己删除么，还是电脑会自己删除好的啊………）。在之后是标准化，大家脑袋有大有小，有方有圆，要放在一起进行比较，需要进行标准化，根据同一个模板，按照比例将大家投弄成一样大小，一个样子的，将大的调小些，小的放大些，这样就可以比较了，最后是平滑（这一步是为了让大脑的图像清楚么？？？不太明白真实作用）…………恩……这样，预处理就好了……
    其次，使用MICA程序包，对数据进行处理（只需要设置几个参数，然后切记在运行之前要把设置好的保存一下，这样即使不小心关了MICA，再看数据 LOAD一下就好，就不用再跑一天了……血淋淋的教训）这样处理完之后，就会出来所有被试的成分，这里还有一点不清楚，为什么成分是所有被试的，在刚开始设置分两组被试有什么用……恩，这里先不管。只要只要将成分EXTACT出来就好了。
    再其次，导出来的成分，要手动分组，比如说成分1，里面包含有所有被试的数据，根据被试特质手动分组，然后分别在组内进行独立样本T检验，进行这一步的目的是不是对成分的代表性进行检验，这一检验也是很多程序包都可以完成，REST或者SPM都可以，但是根据论坛里面大家的建议，还是REST比较好…………筛选出，激活水平显著高于（或低于）大脑平均水平的成分，然后两组被试都要这样找，找出来激活成分，两组再取并集，因为并集本身就有意义，取交集反而忽略了重要信息，两组被试一组激活一组没激活这本身就是我们要找的东西，所以是并集不是交集。
    再然后，筛选出两组被试内的这些活动显著高于大脑平均水平的成分，在两组之间进行双样本T检验，同样的这也可以在很多程序包里面实现，找出存在差异的脑区。
    好像这就是最简单的数据处理过程，在后面还可以加上一些问卷得分，之类的，看得分高的被试和得分低的被试之间脑区激活的差异，这些现在完全没有接触………………