根据一些文献得知，VBM目前比较新的算法是DARTEL算法，这一算法被集成在SPM里，这里记录一下做法。
VBM是对T1像进行分割得到灰质等。所以要有结构T1加权像数据。
整个流程应该是这样：
1.手动调整前联合（AC）
首先就是需要我们自己手动调整一下结构像，打开SPM，spm首页有PET&VBM，还有一个fMRI，亲测选哪个都可以。总之选了之后就是下面这个页面，然后点Display。
然后就选择自己的数据里的T1结构像。
一个这样的页面，我们可以看到一个蓝色的十字线，这个线的交叉点就是我们要调整的地方，手动将交叉点放在大概下图这个位置（就是前联合的位置），前联合的位置怎么确定可以去查一下，网上有很多教程。我的理解就是大概在下图这个红色的圆里。点一下set origin之后就会出现坐标位置。然后一定要点击一下Reorient，才算是调整成功了。
还有就是如果发现自己的数据里的大脑比较歪的话，也可以通过下面的几个pitch roll yaw调一下。我调的时候发现必须0.1，0.2（正负多试几次就知道了）这样的微调，不然变化会很大。
注意：因为这里是手动输入每个被试的图像进行微调，我认为对精度的要求其实没有那么高。
2.调整完就可以进行第二步分割。
我一般习惯在batch里直接选，这一步很简单，找到segment后打开。Volumes就选择自己数据的所有T1像就ok。因为我们使用DARTEL来进行VBM分析，所以对Tissues里的前两个Native Tissue选择Native+Dartel Imported这个选项。其余的选项不用动。前两个分别表示灰质和白质。
经过segment后原来的结构像所在的文件夹里就会出现分割后的图。其中c开头的c1-c5分别表示五类脑组织的概率图像，五类脑组织指的是灰质，白质，脑脊液，头骨和软组织。
rc1xxx和rc2xxx指的是对齐后的灰质和白质概率图像。
还有一个**.mat**文件，存放的是组织分割过程中的参数和结果，可用于后面估计颅内体积。
3.得到分割的结果后，进行Dartel配准
选择Run Dartel（create templates）
打开之后，在Images选项里选择上一步得到的rc1xxx和rc2xxx，要把所有被试的都选中，我这里共有12个被试，所以有两个12 files的Images，其余的不用动。
运行完以后，会得到Template_0–Template_6,表示不同迭代过程中的 Dartel 模板，其中Template_6.nii 为最终的 Dartel 模板。
还有一个图像是下图这种形式，u_rc1XXX_Template,它表示的是每个被试配准到 Dartel 模板的变换场。
4.标准化到MNI空间和高斯平滑。
如下图，选择Normalise to MNI Space。
首先Dartel Template选择上一步得到的Template_6.在Select according to 里选择Many subjects。
然后Flow fields选择上一步得到的u_rc1XXX_Template，每一个被试的都要选中，我这里共有12个。
因为我要做的是对灰质图像进行分析，所以在Images选择第一步segment得到的c1xxx，共12个。
最后记得在Preserve里选择Preserve Amount。其余的都不用动。
最后我们可以得到Template_6_2mni.mat，它代表从Dartel模板到MNI空间的仿射变化矩阵。
最重要的就是smwc1xxxx这个图，它表示每个被试平滑和标准化后的灰质概率图像。 也就是我们最终想要的结果。
5.最后我们可以来估计一下颅内体积。
因为在后面进行统计分析时一般要将颅内体积作为协变量，所以这一步估计一下颅脑体积。在Util里面找到Tissue Volumes。
segmentation mat-files选择第一步得到的XXXXseg8.mat，要把每一个被试的都选中。我这里共12个。output file里确定输出文件的名字。
运行结束后，会得到一个.csv的文件，用excel就可以打开。里面包含了每个被试的灰质、白质和脑脊液的体积，在matlab命令行也会显示出来。
把三类组织的体积加到一起即得到颅内体积。后面统计分析可以作为协变量。
最后是进行统计分析，一般就是双样本t检验和配对t检验。我找了很多，个人认为写的都不是很清楚，像我没有基础的话其实有点跟不上，所以重新写一篇文章来总结。
