前言

本来上周要更新此篇的，但由于本身有问题没有解决清楚，再加上导师给了数据处理的任务下来了，两下耽搁，就等到现在了。上回说到，做了VBM和SBM的指标提取及双样本T检验的统计分析，那接下来我们还可以做什么呢，可以从许多文献中看到，有的不仅仅只计算每个体素指标值之间的差异，还会想到要将其放到各个脑区上，比较指标在脑区之间的差异，而ROI分析就是问了解决这个问题。需要注意的是，目前小编通过cat12.7只能对基于体素水平的统计结果做ROI分析，皮层处理会报错，原因暂不明了，待小编继续深究。接下来自然是必须要说的，小编是初学者，很多东西也才刚了解，并不能说自己的就是100%正确，只是希望分享经验，至于经验的正误还需各位读者通过实践去检验，也欢迎大家提出问题并指正。特别强调，所有文章结果图片仅供演示用，无任何实际意义。

一、简要概念介绍

1、Voxel水平&Vertex水平： 皮层重构是由一些三角形组成的，而三角形的顶点就是此处的Vertex，至于为什么是三角形，还需要读者自己去了解哦，当然小编也会在以后更新。VBM的最小单位是Voxel（体素）,这个相信读者已经非常熟悉了，而Vertex（顶点）便是皮层的最小单位，也就是说在VBM中是针对全脑中每个体素做分析，而SBM中是针对全脑中每个顶点做分析。具体原理小编将在下篇更新，其对应的统计分析结果图如：spmT_xxxx.nii & spmT_xxxx.gii。Vertex顶点示意图如下：

2、ROI水平——logPThreshold_Nameofcontrast_NameofAtlas_measure.nii
ROI就要从atlas脑图谱说起了，以前有许多神经解剖学专家为了更好地描述大脑内部结构连接与功能连接的关系，通过解剖学知识及其解剖结构，再根据某些大脑功能的关系，将大脑分成多个区域，（其实就是大脑地图，划分了很多区域，像一个省地图，然后不同色块表示不同的市，Atlas就是省地图板块，ROI就是市板块）如下图所示，这是几种典型的atlas图谱。小编将用到的是aal3图谱模板。

图片引用出处：https://surfer.nmr.mgh.harvard.edu/fswiki/CorticalParcellation

而ROI分析便是基于这些区域提取对应的指标值，寻找区域之间联系，进行统计分析。

二、工具包

1、CAT12.7
2、xjview：可用来查看体素水平的图片，并且可对VBM的T检验结果做多重比较校正，有兴趣读者可自行了解。

三、基于ROI水平的VBM分析——主要以灰质体积为主

PS:
由于之前的急于完成作业，没有仔细了解cat12，再加上最新版总是报各种错误警告，相信各位读者也遇到过同样的问题，所以为了省事，就采用的老版本，即前面结构态的处理均是采用cat12.5的版本，但这两天小编发现，cat12的新版本cat12.7更新了很多atlas，其中有一个正是小编月前导师交待的任务之一，添加自定义的模板，为了搞定此问题，小编决定从现在开始使用cat12.7，报错就只能尽力解决它。此篇开始只要提及cat12均是使用最新版本，老版本和新版本之间的区别就在于更新了一些atlas，界面更加集成化，其他区别暂时还不清楚，没有用到，基本功能都是一致的。

@copyright：小编原创不易，转载注明出处哦！
https://blog.csdn.net/Sophia2023/article/details/112463920

1、数据准备：
（1）分割后的灰质体积图NII文件，如下图所示：

（2）分割时选择的atlas图谱如下图所示，小编选择的aal3，读者若有需要也可以选其他，

选择这个有什么用呢，还记得在VBM预处理分割时会生成的三个文件夹吗，有一个label的文件夹，里面生成的有以下四种文件，之后在后面的处理中cat12会自己调用这些文件，虽然不用导入，但小编希望大家能去了解这个文件，里面的信息量还是很高的，特别是未来要做一些跟算法有关的，可以直接从此处提取相关数据。问题来了！！

第一个问题： 小编希望读者能自己用matlab打开以下两个mat文件，看一下里面存储的什么数据，带s的数据和不带s的数据分别代表什么？
第二个问题： cat12默认显示的图谱只有四个，没有现在小编现在显示的那么多，大家可以对照一下自己的cat12的分割界面，那我们应该如何显示呢？
第三个问题： 在Atlases里面有一个选项叫own atlas maps，这个代表可以添加自定义的模板，那如何才能添加呢？这个是小编的一个任务，与大家分享，希望也能一起学习找到解决办法！
问题答案小编会根据评论来公布，有问题欢迎讨论，小编会定期查看评论回复，同各位一起学习进步。

2、生成vertex水平上的T值（统计分析采用cat12直接做，这里不用spm12，但是原理步骤一样，生成设计矩阵，估计，做contrast检验分析）：
（1）第一步：生成设计矩阵。点击下图中cat12红色框按钮，弹出batch，输入数据，点击运行，在结果文件夹中生成设计矩阵的SPM.mat文件。这个betch就不需要小编再重复了，相信读者也已经熟透了。

（2）第二步：估计β值。点击如下图所示的cat12菜单红色框按钮，选择上一步的SPM.mat文件，点击done运行，运行状态可以在matlab命令框中查看

（3）第三步：contrast。点击如下图所示的call Results ，

弹出以下batch框，选择上一步生成的SPM.mat文件，点done，运行情况在matlab命令框可见。

依然按照之前的设置方法设置contrast，做T检验，获取t值图像——spmT_0001.nii，整个的过程原理与spm12一致。
（4）ROI分析： 点击如下所示的红色框按钮，选择上一步生成的spm.mat文件

选择自己想要做的统计检验结果，如下图所示：

接下来小编跟随默认，选择p值0.05，读者可根据自己需要选择，之后还要继续选择一些选项（小编基本都是默认选择），如下图所示：

便有了下面的两张图片，第一张其命名原则是：logPThreshold_Nameofcontrast_NameofAtlas_measure.nii。
所以此处的结果表示小编取得p值是0.05，contrast的命名为PAT-CON，采用的atlas图谱为aal3，寻找的是灰质体积在aal3图谱上的差异。此处有一些疑问，就是小编到底计算的是做的是vertex水平还是ROI水平？不知道读者中有没有明白的，小编想了好久，不是特别敢确定。但是小编猜想是ROI的，请继续往下看小编的一个证据。

第二张是切片图，就是刚刚选择显示的切片层：

证据在此： 下图是用xjview工具包查看的结果图，注意看文件名，在玻璃脑中显示的是一块一块的，ROI便是区域性的，

而直接打开的spmT_0001.nii，全是一小点一小点的，vertex是顶点水平，如下图所示，相信读者能直观看出区别所在。

至此，基于ROI水平的VBM分析结束，欢迎读者提问讨论，相互学习！基于ROI水平的SBM分析下周更新，可期待一下！！