关于一篇文章中ica选成分时用multiple regression去掉与白质脑脊液相关值比较高的成分的疑问

老师好:

最近看了一篇文章,文中有这么一句话:We employed standard methods of rejecting artifactual ICA networks. Network components were examined visually to eliminate those clearly representing artifacts, then spatially correlated to a priori probabilistic gray, white matter, and cerebrospinal fluid templates (in SPM2) with multiple regression; components having low associations (|beta|< .5) with gray matter and high association (|beta|>2) with white matter and cerebrospinal fluid were discarded.

spm的multiple regression有这个功能吗?我看了下,貌似只能用图像和量表做相关不能两个图像做空间相关。不知道我理解的对不对。他这个我感觉还是在spm中做的,因为出现了beta值,虽然自己编程corr的话可以直接做空间相关,但是出来的是r值出不来beta值(当然,用regress函数可以出来beta值)。我就是想问下可以用spm直接得出来吗?

谢谢,这个问题很困惑。

看不太清楚。
个人认为用corr也不错。

如果是静息态数据,可以通过aal模板选取若干roi作为先验模板。
也可以根据独立数据进行group ICA分析得到的结果做出模板。这些模板你上网搜搜,"template, ICA, network" 我记得应该有的。
实在不行你自己找以前的数据,正常人选一组,然后做group ICA也可以得到一个模板。

我做的是静息态数据,除了GOF,最大空间相关是不是也是一个不错的办法呢?gift里排列成分的选项一个是最大空间相关系数,一个是最大空间回归系数,这两个有什么区别吗?回归系数是如何定义的呢?我看源代码发现相关和回归都是用的regress函数。