ER设计的数据用DPARSF做功能连接分析

大家好,

我现在想要对一组ER设计的数据用DPARSF做功能连接分析。在阅读相关文献时,我注意到很多使用任务激活数据做连接的研究中,都将实验设计的条件回归掉
如:The task-related regressor
(tactile or visual moving stimuli) of each run was also included as
an additional regressor of no interest in the correlation analysis in
order to minimize the effect of the specific tasks (Whalley et al.,
2005) ----- Sani et al, 2010

Furthermore, four regressors related to the stimuli were included in order to minimize
the stimulus-related variance (Brown et al., 2005; Fair et al., 2006;
Miezin et al., 2000; Schlaggar et al., 2002). ----- van der Mark et al, 2011
我的问题是在DPARSF或REST中如何去除这些实验条件的效应?或者在spm中怎样做可以将这些实验条件的效应去掉?

谢谢先!

任务效应的去除方法:

可以在DPARSF或者REST中输入任务参考波作为covariate。每个人参考波不同的话,要把每个人的任务参考波都写成一个txt形式,不同人不同txt文件,在covariate里面放一个txt文件,里面按照被试顺序输入这些txt的全路径。这些操作在视频里都能找到。

需要注意的是,参考波需要自己生成,可以使用是spm的HRF函数,卷积onset time时间序列得到。
spm的HRF可以在spm_hrf.m中找到。matlab中卷积命令是conv

张寒

假设tr=2s, 是按照下面的形式做吗?
a_onset=[0 1 0 0 1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0];//29个时间点
a_onset=reshape(a_onset,29,1);//转成29x1的
b=spm_hrf(2);
c=conv(a,b);
怎么c有45个时间点呢?简单去掉后边的16个时间点就行吗?还是我弄错了,请指点,谢谢!

Dr. Zhang,
首先非常感谢你的指导。
又有一个问题,我把spm中review功能中的某个条件的理想曲线与自己卷积的曲线做比较,发现曲线的形状与横轴位置都一样,但纵轴的值不同,spm中的要小,如峰值点是.2x,而自己卷积的峰值点是.3x的样子。这个是什么原因造成的呢?谢谢!