我刚试了一下，好像没有找到类似的选项。SPM12里好像只能得到一个坐标位置的值。
请问老师CAT12如何把标准空间中统计分析产生的Mask配准到个体空间（体素级别）
（1）你在Segment的时候，在Deformation fields选项处要选择inverse deformation（或者forward+inverse）；
（2）在CAT主界面上的Volume Tools处选项Apply Deformations，比如你是多个被试，每个被试只有一个文件，就选many subjects。具体的用法也可以看帮助信息。
好嘞老师，谢谢
老师 用ants或者fsl可以吗，我试了下cat12的 不太懂bounding box怎么设置，虽然反向配过去看上去没问题，但是后续好事像是因为维度问题会出错，而且虽然写的for many subjects 但是好像一次只能一个
老师 用ants或fsl把标准控件的图谱配准到个体空间具体命令是什么呢，不会让图谱label编号发生改变？用刚体吗？
（1）除了CAT12自带的工具，我记得SPM12的Deformations工具应该也可以。
（2）只要在插值方法上选择Nearest neighbour，标签的label就不会变化的。用ANTs配准效果好，FSL不太行。具体代码的话，可以参考这个回答：https://brainbbs.cn/t/ants/301/1
Alex，我有个小问题。我也用的是楼主的方法，提取了reho，falff的动静态指标，打算用他们与临床量表做相关。但是量表维度和阳性roi相对较多，我现在将所有指标做相关后进行多重比较校正发现十分严苛（FDR-BH),请教有没有其他的校正思路或者方法？
我暂时能想到的一些做法：
- 不校正，做一个
表量维度*脑区的矩阵图，看看整体趋势，如果有一些非常明显的趋势或者模式，那么可以说明一些问题。 - 不校正，呈现未校正情况下显著的结果，但是在下结论的时候就要谨慎一点，比如考虑到没有校正的局限性。
- 筛选一些量表维度，比如只考虑存在组间差异的量表维度，或者只考虑总分，或者只考虑关键维度。
- 考虑到脑指标和量表的变量都很多，可以考虑多变量的方法，比如partial least square correlation，也是文献里常用的方法。也可以试试机器学习，比如用脑指标去预测每个量表维度的变化。
1 个赞
好的好的，太感谢Alex这么及时的解答和建议了。我打算先用1，2再学习4