在 FSL 和 Nilearn 中，所输入的设计矩阵强制要求为 “onset, duration, event_type” 三列，被试内的对比也仅限于不同event_type (如 event1-evet2, event2-event1)，这似乎限制了探究连续变量，如输入的电刺激的强度/主观疼痛评分 的BOLD 信号的可能。有没有什么办法解决这一问题？
我注意到了参数调制的方法，但这似乎并等同于直接对连续变量做回归分析。
我任务态fMRI做得很少，所以不清楚是否有其他做法。我想知道你觉得参数调制的方法到底哪里不好？为什么不能回答你的问题（比如哪些脑区的BOLD随着刺激强度的升高而升高）？
由于我是个fMRI 新手，这是我第一次做fMRI分析，如果问题描述的不够清晰还请见谅。谢谢老师的耐心回复和解答
我目前对参数调制（parametric modulation）的理解是：它通常用于考察一个连续变量（如疼痛评分）如何调节某个分类条件（如疼痛刺激 vs. 对照刺激）所诱发的神经活动。经典的分析模型会包括一个"主效应对比"（Pain > Control）及其与连续评分的交互项（rating × [Pain > Control]），从而回答"相对于对照条件，疼痛诱发的BOLD信号"。
而在我的研究中，只有疼痛刺激条件，没有用于直接对比的 “对照条件” （如无痛刺激或静息基线）。我想直接探究的是：与疼痛评分（pain rating）本身相关的BOLD信号------即哪些脑区的活动强度能够随着被试主观疼痛评分的高低而变化，这仍然可以用参数调制的方法解决吗？
为什么没有对照条件呢？至少应该有静息基线，一般的做法里，刺激之间应该有间隔，这些间隔就可以作为基线。难道一直刺激没有停止过？
呈现注视点等与刺激输入无关的事件也可以被拿来做对比吗。直接对连续的变量做类似于回归的分析在论文似乎也不少见，但是我不知道如何在 FSL/Nilearn 中实现它。
具体应该怎么设置对比以及如何解读效应可能需要知道整个设计才行，而且数据的分析往往存在多种合理的方式。我前面的意思是，要确定自己的实验设计类型。一般传统的就是event或者block设计，真正连续的单一刺激是很少的。如果你想当作将刺激当作连续变量来处理，完全可以直接放入设计矩阵（比如当作协变量的方式，类似于加头动参数的做法）。具体FSL/Nilearn的做法最好的还是去问相关软件的开发者，因为开发者能提供最佳的实践方案。
谢谢老师的解答，我再去找一找相关的说明文档 
。