关于resting state FC数据的相关分析问题

Submitted by benchenchen on Mon, 07/21/2014 - 00:41

    各位老师好，我想请教几个关于静息态功能连接数据的相关分析的问题：
    
      1、rest软件里面 rest correlation analysis 分析后我发现每个体素的r值的是不一样的，我认为它分析的应该是每个体素与行为学的相关性。但是我发现不少文献时说提取差异脑区的平均时间序列，而且还能做出相关的坐标图，论坛里面有讨论相关方法，有一种采用g1*(i1~=0),   g1是一组zFC.nii文件，i1 我理解为是   双样本t检验后显著的脑区 的nii.文件 ，这样得出的r值是最高的那个体素的  还是 对该脑区提取平均序列后计算出来的r值呢？ 因为我发现这样得出的r值比   rest correlation analysis  得到的r值要小。

     2、 rest correlation analysis 得出的相关图用slice viewer 打开 选择p值后还需要选 多大的体素值么？

     3、 rest correlation analysis 采用的是Perason 相关分析，可是对于非正态分布的数据不是要采用Spearman相关分析么，还是说因为r-to-z转化后，所有的相关分析都采用Perason 相关分析呢？ 

   不知道大家都有什么能做出相关坐标图的相关分析方法推荐，以上是我处理上的一些疑惑，希望能得到老师的解疑，谢谢！                               

Submitted by gaolei6096 on Tue, 07/22/2014 - 20:04

 1.确实是mask内逐体素的相关系数图，每一个体素对应一个相关系数，这样的相关我感觉其实更靠谱一些，甚至可以通过卡阈值的方式查看最大相关系数的图块；你说的文献中提到的差异脑区内平均信号值与量表做相关，得到实际上只是一个散点图，这样会丢掉很多信息。如果说比较这两种的结果，应该是ROI内平均信号得到的相关要低一些。
2.如果团块越大、并且能经得起校正，那相关性应该是非常牛了；
3.这个问题不清楚，静待高手解答；

Submitted by ZangYF on Tue, 07/22/2014 - 21:13

3. Pearson相关的确是要求正态分布，不过，多数软件对于连续变量默认是正态分布，一般都不进行正态检验。当然，如果明明知道某些变量不属于正态分布，就不应该直接采用Pearson相关分析。