Alex，我最近分析又遇到了一些困扰，想请教交流一下。
分析流程是这样的：首先，分别计算了精神分裂症、抑郁症、健康被试三组的度中心性（DC），然后进行两两组间比较，得到存在显著差异的脑区；之后，使用两组患者间存在差异脑区制作mask，作为种子点，进行seed-voxel的功能连接（FC）分析，FC计算使用 FunlmgRCWF ，得到每个被试的ZFC_map；对ZFC_map进行组间统计比较（未平滑）；随后，我将ZFC_map做了空间平滑，再重新进行组间统计。
存在问题：平滑后统计校正的结果变得非常大，感觉不太对劲。想请Alex看看问题在哪里？为什么平滑后结果会剧烈膨胀，而且很对称？我将FunlmgRCWF，未平滑结果，平滑后结果截了图。感谢Alex！！
我猜测可能是跟校正方法有关。GRF校正对图像的平滑度有一定要求，所以需要进行平滑以后再用GRF校正。你可以试试比如用TFCE校正，看看是否平滑的影响也这么大？如果不是，那么就应该是GRF方法本身的特点。
- 你有试过不平滑用TFCE吗？结果如何？
- 如果你觉得显著结果太多是一个问题，我觉得并不一定是分析出了问题，可能跟本身的实验设计有关，比如你关注的效应就是比较大的或者样本量特别大等。显著结果太多确实会导致结果解读比较困难，以前的帖子也有类似的讨论，这个时候我通常会选择基于脑区的分析策略（先把全脑进行分区，再计算功能连接等），而不是voxel-wise的分析。
- 至于分析本身，预处理里对结果影响比较大的可能是降噪的策略，特别是头动的控制。你也可以考虑在做组间统计的时候纳入头动指标。
Alex，节后我又试了一下TFCE不平滑，还是结果很多。
我打算使用FDR校正，卡一个严格的阈值q<0.001，这样范围相对可以接受。
而当卡到q<0.0001时，剩下了一个cluster。不知道这样严格的阈值是否常见或者可以接受。
- 我个人的看法是，像显著性水平这种大家已经基本达成共识的标准，最好是不要调整。可能存在调整空间的是大家没有达成共识的部分，比如多重比较校正方法或者预处理步骤。
- 如果一定要调整显著性水平，我觉得也要看调整的目的。目前的显著结果很多，这本身并不是问题，只要确保分析没有错误。如果你为了得到自己想要的团块大小或者预期的脑区位置来调整显著性水平，这样的思路是不合理的。如果你只是想突出差异最大的那些结果，那么在呈现p<0.05结果的同时，也呈现p<0.001的结果，这样的呈现结果思路我个人是能接受的。
谢谢Alex的建议，非常有帮助！