GCA的基于残差的方法

请教老师GCA基于residual的方法,不能算多个roi么。基于coefficient可以算多个roi,但结果有正负。我因为关于roi之间的连接要做双样本t检验,它不像基于voxel的可以在spm中做,分别建立正负mask。但roi之间的连接是数值,只能在spss里做,那正负相减不能说明实际上增高还是减低(由-1减去-2,是正值,可是-2是不是表示抑制作用加强了呢)。
而且遇到纵向的数据,观察效应连接随时间点的变化,可能一会正一会负,用回归模型还科学么
表达的比较细碎,谢谢老师!

Comments

在非GCA的回归分析研究中,几乎所有的都要看beta,同理,相关系数也是如此。但有意思的是,在GCA的研究中,多数研究只关心F。我认为,只关心F值,不如关心beta更“科学”。我不太理解“实际上的增高或者减低”是什么意思。不管是多元分析还是单元分析,回归与相关的道理是一样的,功能连接研究中,有些文章中说是correlation,有些文章中说是regression,公式本身并没有本质的区别。我们做功能连接的时候,如果不管功能连接的正负而谈“增高或者减低”是不合适的。

不管用beta还是用residual,都可以基于individual level的结果进行group level的统计。如果是beta,比较好办,它是符合正态分布的,直接进入group level就可以了;但rediual的F值不符合正态分析,应该把F值转为z值之后再进入group level的统计(在你这种情况下,即进入SPSS的统计)。不过,很抱歉,我对REST-GCA的使用不太熟悉。


当然可以算多个ROI,但是REST中的软件不支持。基于残差的多元GCA有很多种,但是本质还是一样的,都是关注于当其他ROI加入模型中,对残差减小的贡献程度。

我不知道我是否正确理解你的意思:你是想表达因为正负带来的影响,很难对结果进行推断?这个很正常。举个例子,两个人的关系可以表示为:没有,有一些,有很大。。。。这个就好比只有正值的比较,但是这种比较只关注了两个人关系程度,并没有描述是怎样的关系。而真实生活中,除了关系紧密程度,还有好坏。最简单的例子就是:仇人,恩人,陌生人。仇人就好比是负值关系,陌生人是没有关系,恩人是正直关系。

基于系数的GCA不仅描述了两个时间序里之间关系的紧密程度,还描述了这种紧密程度的正负,所以我更倾向于用基于系数的GCA。

Error | Forum of resting-state fMRI

Error

The website encountered an unexpected error. Please try again later.