2018年 – 学习记录

实现TFCE校正的三种方法

TFCE(Threshold Free Cluster Enhancement)是一种比较流行的(增强)多重比较校正方法，这里介绍三种实现TFCE校正的方法，包括FSL的randomise命令、基于SPM的TFCE和pTFCE插件。

总结GIFT工具包中提供的与标记独立成分有关的三个小工具。标记成分是为了找到我们感兴趣的成分，为后续分析做准备。

总结如何使用CAT进行基于皮层的形态学分析(Surface-Based Morphometry)，包括估计皮层指标(厚度、沟回指数、沟深、复杂度等)、平滑和重采样、统计分析和可视化。

使用xjview进行可视化的基本操作总结。

IVA-GL和GIG-ICA是GIFT (http://mialab.mrn.org/software/gift/) 提供的两种分析fMRI数据的算法，相比于经典做法，这两种算法在理论上能更好地分离个体变异。

种子点功能连接指某个脑区(seed region)的平均时间序列与全脑每个体素时间序列的皮尔逊相关系数(Pearson correlation)，用于刻画该脑区与其他脑区的活动一致性。如何使用AFNI和FSL计算种子点功能连接呢?

总结一下最近学习的关于CAT(Computational Anatomy Toolbox)的一些小知识点，包括平滑核大小的影响、使用置换检验和 TFCE 进行统计分析、ROI分析、形变分析、估计不同组织总体积等。

GIFT和Melodic是最常用的两个进行独立成分分析的软件包，那么这两个工具得到的结果是否有差异呢？这里用一个例子来比较GIFT和Melodic的差异。