独立成分分析后进行网络内功能连接的分析

最近自己的课题是研究A、B两组rs-fMRI被试的DMN网络内部的功能连接差异,遇到很多细节的问题想求助大家!
1.使用GIFT软件进行独立成分分析之后,得到A组的20个网络成分、B组的20个网络成分。感觉自己不太明白输出的结果中后缀为“agg_component_ica_”、“mean_component_ica_s_all”、“std_component_ica_s1”、“tmap_component_ica_s1_”分别代表的意义是什么?

2.GIFT软件进行独立成分分析之后,得到的所有20个component是整合在一起的nii图像(4D),是需要先将每个成分(3D)都拆分出来吗?该怎么进行拆分呢?

3.在使用默认的参数进行ICA处理之后得到的结果,看到论文里面说需要做z-shift,但是GIFT对于z-shift的说明说这个功能是多余的因为已经处理过了。所有点迷惑,得到的图像到底有没有做过z-shift

4.得到经过z-shift的A组多个被试的DMN网络成分,以及B组多个被试的DMN成分之后,进行网络内部的功能连接的差异分析,很多文献里的思路如下:
(1)对A组的多个被试的DMN网络成分进行单样本t检验,得到maskA;
(2)对B组的多个被试的DMN网络成分进行单样本t检验,得到maskB;
(3)将maskA和maskB取并集,得到maskC;
(4)使用maskC对A组和B组的DMN网络进行双样本t检验;
(5)提取有差异的ROIs

关于这样的思路也有几个问题?
① 为什么要先进行单样本t检验得到mask呢?这一步是在把一些组内就存在很大差异的部分去除吗?得到的mask是组内没有显著差异的部分吗?
② 使用GIFT软件中Ultilities->SPM Stats->one sample t test得到的结果图像中“beta”、“con”、“ResMS”、“RPV”、“spmT”所代表的意义是什么呢?
③ 使用GIFT软件中Ultilities->SPM Stats->two sample t test选择的参数文档.mat应该是什么呢?如果选择了A组进行ICA的参数.mat文档,接下来操作,选择group1和group2的被试以及成分序号都只能在A组中选择。但是A组和B组的ICA分析又是拆开了做的。每次只能选一个组的参数文档。

刚刚接触核磁领域,有非常多不懂的地方,问题有点多!非常感谢大家的回复!

  1. GIFT默认分析算法的原理是先估计组水平成分,再重建个体水平成分(见Calhoun et al., 2001)。所以,agg文件表示组水平成分,mean/std文件表示个体水平成分的均值和标准差,tmap表示单样本T检验的t值。agg文件和mean文件应该非常相似。

  2. 这取决于你准备如何对成分进行统计分析。如果你习惯于每个被试一个3D文件,那么可以使用SPM12里的4D转3D的功能实现(Batch → SPM → Util → 4D to 3D Conversion)。

  3. 默认情况下,是做Z-score变换。你可以在GIFT的SetupICA-Defaults选项里检查一下。

  4. (1) 设置mask的原因是一个成分里并非所有区域都有意义,数值比较低的区域一般认为是噪声。另外,设置mask可以减少比较区域,减少多重比较次数(更容易显著)。
    (2) 我没有用过这个功能,应该是使用一般线性模型做T检验得到的回归系数和T值等。不过我不确定。
    (3) 我没用过这个功能。做统计分析建议用SPM12,因为包含的统计模型和多重比较校正方法更丰富。从你的描述来看,似乎你是分别在两组中进行ICA,这种做法不是常规做法,原因是会导致成分匹配产生困难。常规做法是两组被试合在一起做ICA。

  5. 建议多看GIFT的官方使用文档,更详细。另外,我写过一些关于GIFT的博客,供你参考:https://alexbrain.cn/?s=GIFT