关于 GCA 的问题

   我的问题:

  1. 我是在两个激活区的T值最高点为圆心画球,绘制ROI,能否讨论一下各种ROI的利弊,请问各位在研究中一般是怎么做ROI的呢?
  2. GCA里面有order这样一个选项,是什么意思,应该如何选择呢?
  3.  一组被试的GCA结果应该怎样分析?将signed path coefficient计算一个组平均数,然后和患者组比较吗?还是说直接做一个配对t检验呢?
  4. GCA文件中的signed path coefficient是提示两个区域之间的关系,那么那个自回归coefficient有什么作用,在正常被试和患者组的比较中应该如何来解释这样结果的意义呢?
  5. 得到的正常对照的GCA数据如下,似乎并不稳定,有些是正向的、有些是反向的。能否提示一下可能的原因和纠正方法

我的被试者进行了工作记忆的block设计试验,正常对照(左)和患者(右)通过SPM处理后得到了任务的激活图如下:

同时也采集了静息态数据,我将filter、detrend、covariable removed图像采用rest的GCA模块进行分析。使用ROIwise,ROI为利用正常对照的两个激活区的最高点为圆心,半径10mm的两个球体。得到了每个被试x to y 和 y to x的数据(coefficient based)。

正常被试GCA

GCA(X to Y) Coefficient(X to Y) GCA(Y to X) Coefficient(Y to X)
4.58E-002 8.07E-001 -1.70E-001 8.13E-001
4.27E-002 8.00E-001 -1.61E-001 8.86E-001
1.55E-002 7.90E-001 -1.21E-001 8.64E-001
2.42E-002 8.56E-001 -1.05E-001 8.23E-001
-3.02E-003 8.37E-001 1.44E-001 8.38E-001
-9.29E-003 8.67E-001 3.46E-002 8.69E-001
-1.88E-001 8.63E-001 1.50E-001 7.93E-001
-6.86E-004 8.02E-001 5.67E-002 8.77E-001
-1.74E-002 8.22E-001 1.19E-001 8.88E-001
-2.83E-002 8.49E-001 3.15E-002 8.69E-001
-2.48E-002 8.05E-001 8.79E-002 8.37E-001
-6.44E-002 8.78E-001 8.75E-002 7.72E-001
4.86E-002 8.24E-001 -1.22E-001 8.38E-001
2.15E-002 8.44E-001 -3.67E-002 8.04E+000
2.34E-003 8.80E+000 1.76E-001 8.58E-001
6.87E-004 8.05E-001 9.94E-003 8.31E-001
4.28E-003 8.30E-001 6.97E-002 8.36E-001
3.52E-002 8.16E-001 -3.53E-001 8.68E-001
-6.34E-003 8.09E-001 1.50E-001 8.41E-001
-7.01E-002 8.27E-001 1.89E-001 7.44E-001
-1.53E-002 8.45E-001 4.91E-002 8.41E-001
-1.84E-003 8.21E-001 6.95E-002 8.07E-001
-7.39E-003 8.62E-001 -1.11E-001 8.58E-001
 
 
 
 
 
 
 

由于GCA这边刚起步,我仅就我的经验来回答一下吧。请臧老师和黄坚、振享方便的话也回答一下?
1. ROI的绘制和Functional Connectivity是一致,主要由先验知识产生,没有什么特定的方法好过其他的方法。你通过激活区来做ROI的方法也算是一种好方法。
2. Order是指用过去(几)个时间点的信息来预测另一条时间序列的现在。由于fMRI通常TR为2S,先阶数为1,即过去2秒的信息来进行预测,一般足够了。
3. 通常可以对这些signed path coefficient做两组间的双样本T检验。
4. 就我所知,自回归系数的意义文献中提到不多。不过,可以做研究去探讨一下。
5. 你的表格的四列我没太看明白。不过,在有些ROI上,GCA的结果在被试间没有那么稳定。关于这点,黄坚给些comments?

 我通过任务找到了患者和正常人相比,在做任务时激活区有扩大;而作GCA的目的,是想提出激活区域之间因果关系的strength也有明显的变化,那么很重要的是激活区怎么选择的问题。我的方法是用两个区域t值的peak点来画球体,但从正常被试得到的结果来看,几乎是一半的方向为正,一半的方向为负。感觉很不对头。所以把这个结果拿上来,想和各位探讨一下可能的原因和改进方法。
(我的四列表格中,每一行是一个正常被试的GCA结果,标题和数字对齐的不好,我编辑了一下)

也许这样的结果同ROI的选取有关系,在有些ROI上,GCA的结果不怎么稳定。
列标题GCA和coefficient分别指什么?

 GCA(X to Y) 是指 signed path coefficient (X2Y), 而 Coefficient 是 Autocorrelation 的 coefficient, 我是把正常被试者的结果总结到一起。

看起来你的signed path coefficient值都非常小,大部分都是10的负2-3次方级,因此符号不一致是正常的。
估计还是ROI选取的问题。