关于多重比较校正的问题

在脑成像领域,多重校正是一个很重要的统计学问题,因为每一张脑图的体素都有上万个,如果直接进行统计检验,出现的显著脑区很可能是噪音,所以需要使显著阈限变得严格一些。但是这一阈限的确定不是人为规定的,而是通过计算得到的。目前常用的多重校正方法有:Bonferroni校正、错误发现率(false discovery rate, FDR)校正、family-wise-error (FWE)校正以及permutation校正几种方法。本文将简要介绍一下这些方法。

阅读笔记:前额叶精细的子网络可以分布式表征特定情景(Michael L. Waskom, 2017, PNAS)

信息在大脑中的表征是通过皮层活动的分布模式来实现的。在感觉皮层中,这些模式表达依赖的环路具有内在的功能结构,而这种结构是通过刺激相关的维度来组织的。 然而,类似的分布性组织原则是否也存在于表征更加抽象信息的加工(比如规则或目标等)尚不清楚。 本研究分析了人类前额叶皮层中自发激活的相关性(即功能连接),来确定前额叶皮层中具有精细空间分布的子网络。当被试在复杂的决策任务中遵从不同的规则时,这些子网络表现出了差异。研究的结果显示,目标导向的认知所依赖的抽象表征具有内在的功能结构,并提出了皮层信息表征相关的新模型。