大脑和行为之间的关系

Submitted by Yangmei Luo on Mon, 07/22/2013 - 03:24
各位老师好！
 
我想请教一下各位老师，在fMRI研究中，应该如何来做大脑和行为之间的关系。
 
1， 在一般的高分和低分极端组设计中，似乎通常的做法是这样的：对两个组进行独立样本t检验，对有差异的脑区即ROI提取平均值，比如ReHo的平均值，然后分别在高分组和低分组内做ROI提取的平均值与某个量表的Pearson相关。但是这样做的效果我得到的不是很理想。有时候得不到显著的结果。有时候得到的结果甚至和独立样本t检验的结果互相矛盾。比如，在高分组中发现某个脑区的ReHo值高于低分组，然后组内的Pearson分析竟然发现它的ReHo值与量表得分呈负相关。我觉得可能的原因在于由于在一个组内做分析，样本量太少导致的。
 
2，另外一种方法是，不管高分组，低分组，把所有的被试的某个脑区的ROI提取的平均值都与Pearson做相关，能够得到显著的一致的结果。但是严老师在视频教程里说这种方法不太恰当。确实有点循环论证的嫌疑。然而，我看到也有的公开发表的paper也是所有的被试一起做的。这种方法是不是一定是错的呢？
 
3，有人建议说，可以将两个组独立样本t检验有显著差异的脑区所有被试的ROI平均值作为自变量，然后将某个行为量表的得分作为因变量，然后来做多重回归分析，看哪一个有差异脑区对因变量的贡献最大。这种方法是否正确？这样做还需要分组吗？
 
谢谢！感谢各位老师的时间！期待您的解答。

Submitted by ZangYF on Tue, 07/23/2013 - 07:11

1.如果我们有较强的假设，认为脑的测量值（如ReHo）与某个行为测量值（如reaction time, RT）是线性关系，最好直接进行线性相关分析，而不是分为高分组和低分组进行双样本t检验。

2.但是，许多情况下，我们对线性假设并不是很强，这时，分为高分组和低分组是一个可行的办法。找到two-sample t-test有差异的脑区再进行相关分析，也是可以的。这时候最好在组内进行相关分析，如果将所有被试（包括中间得分组）合并，然后与行为进行相关分析，已经有某种程度的循环验证的问题；如果仅将高分组和低分组合并然后进行相关分析，则是典型的循环验证。许多临床研究，包括一些高影响因子的文章，在得到病人和正常人的差异脑区之后，与行为学数据进行相关分析时，将病人和正常人合并，是典型的循环验证。

上面的1和2两个方法，我认为是互相补充的，但有些结果是重叠的。得到重叠的结果，就是循环验证，在文章中讲清楚的话，我认为是可以的。但绝对不要认为重叠的结果是“相互验证、从而更可靠”。