关于linear detrend

老师,您好。
我最近在用Rest处理一批静息态数据,其中的linear detrend这一项我有一些疑问。
我记得以前用普通方法做的时候,linear detrend要用到在relign时生成的参数文件。
为什么rest的linear detrend没有提示要选择参考什么文件?
而是默认的,我要把那个文件与我的图像放在一起?

谢谢

用REST做的linear detrend,采用的是MATLAB自带的detrend的函数,去掉的是数据的线性趋势(比如由于机器温度上升等引起的噪声)。
用REST去协变量的时候,要用到在realign时生成的头动参数文件,这一步REST需要手动选择文件,而DPARSF是自动识别的。

老师,您好。我看了你们录得教学视频,学到不少东西。在做功能连接去除协变量的那张PPT里,列出了若干个协变量:
1.全脑均值
2.白质信号
3.脑脊液信号
4.relignment生成的rp_*.txt头动参数

教学视频提到全脑均值现在又很大的争议,它会导致负连接。
那么去除.白质信号和脑脊液信号不会导致负连接吗?
是不是只有去全脑均值属于global signal regression?
除了去全脑均值,还有没有其他什么步骤属于global signal regression
----

另外老师提到去不去协变量没有一个统一的标准。那么在什么情况下适合去除这些协变量?哪些情况下不适合?

比如说:
1.我用functional localiser的方法定义了10多个ROIs,然后让它们互相做功能连接,并不涉及脑的其他区域,因此,去除白质信号和脑脊液信号是不是很没有必要?
2.用某个seed做voxel-vised 功能连接,涉及全脑的所有区域,因此,去除白质信号和脑脊液信号就很有必要?

"去除白质信号和脑脊液信号不会导致负连接吗",具体的研究我没太注意,理论上是有可能的,但目前来看,去除global trend肯定会引起负相关。但反过来,负相关,未必是去除这些协变量所致。

“是不是只有去全脑均值属于global signal regression?”准确地说,是去除全脑的平均时间序列。“全脑均值”这个词,容易误解,因为3D脑有一个全脑均值,4D脑也有一个全脑均值。

“除了去全脑均值,还有没有其他什么步骤属于global signal regression”,“去除全脑平均时间序列”与“global signal regression”是一个意思。

至于什么情况下去协变量,你提到的两个例子,都会受到全脑平均时间序列、白质、脑脊液、以及头动的影响,脑脊液容易受到呼吸心跳的影响,去除脑脊液相当于在某种程度上减小了呼吸心跳的影响。到底是否应该去除,并不是一个非常清楚的问题。只是大家一般都会这么做而已。

谢谢老师,今天我在用rest除去协变量时,出现了warning

warning:Matrix is close to singular or badly scaled
Results may be inaccurate.

我上网查了下,是目前的算法不能求逆,矩阵奇异。
导致结果不准确

不知道对数据结果影响大不大,还是可以直接忽略这个warning?>

你现在是在做一个测试性实验吧?
估计是你用的时间点太少,而协变量又太多,出现这个问题。你可以报告一下你用了多少个时间点,用了多少个协变量。

结果影响不是很大,要是感兴趣可以把matlab的detrend函数中的  y = x - a*(a\x); a\x改成a*pinv(x)比较下。

之前看你问的是detrend的问题,没注意这里是说去协变量。不好意思。

在去协变量和detrend的时候,都会做回归,所以都会用到矩阵的逆。 去协变量的时候,并没用detrend函数,它求矩阵的逆的时候用的是inv这个函数,改成pinv或许能解决这个问题。

thanks  rest里面去协变量调用的是matlab里的哪个函数呢?函数名叫什么

这里是我们自己写的函数,你在fc的函数中可以看到。

分别是Brain1D_RegressOutCovariables和Brain4D_RegressOutCovariables.

你的这个问题从来没有遇到过。
建议你回查一下到底是哪步出的问题。
或者,换套数据试试可能更容易定位问题所在。

满秩的方阵才有逆,一般做回归用的是广义逆

因为去除协变量之后,输出的结果文件的数据类型是double的,是64位表示一个数。如果你输入的文件时数据类型是32位的,那么输出的结果肯定会比输入的文件大一倍,这一点没关系,因为64位要比32位更精确。