利用freesurfer的GLM以及多种比较校正搜索差异化脑区。
对6个组别被试进行探究，有基线和随访两个时间点。
（1）在6个组别内对两个时间点之间进行分析，有较多脑区存在差异（聚类结果）；
（2）对随访时间点所有被试数据进行分析，不同组别之间也有较多脑区有显著差异（聚类结果）。
问题：
前面的分析基于aparc（68结构分区）作为annotation，但我改成aparc.a2009s（148分区）后聚类不出什么好结果，这是什么原因呢？有什么改进的建议呢？这种会是什么步骤出了问题呢？
大神们求解！不胜感激。
你这里所说的“聚类结果”是什么意思？你的意思是不是用68个分区有显著差异脑区，用148个分区没有显著差异脑区了？
对的对的，聚类结果就是通过多重比较校正之后还有显著差异的区域，用了aparc.a2009s以后在不同比较方案几乎都没什么显著差异
你分析的方法是，先根据分区模板提取出不同脑区的指标，比如68个脑区的平均皮层厚度，然后在每个脑区分别进行统计分析，最后对所有脑区结果进行多重比较校正，是这样的思路吗？
预处理和glmfit命令不会对特定脑区模板的那些脑区进行分区统计，是逐顶点对整个图像进行统计，在glm-sim多重比较校正聚类分析的时候才会考虑脑区（option可选择选择annot）
如果你是做的vertex-wise的统计分析，那么改变annot应该不会影响结果的，annot只是用于标记显著cluster的脑区标签。你切换annot前后，cluster数量和P值会变化吗？
summary中annot显示的是差异最大的vertex的脑区，而不是整个cluster涉及到的所有脑区。
原来如此！针对这个情况，我还有两个问题想请教一下您：
（1）如果想获得cluster涉及的多个脑区，是只能通过人为检查的方法吗，还是有什么方法可以快速获得相应的所有脑区信息呢。
（2）如果在mri_glmfit分析的时候我将此前发现的相关所有脑区作为mask输入，会对研究结果有好处吗？
- 我确实不清楚FreeSurfer是否提供了相关的命令，如果自己编程实现的话，根据cluster文件和分区annot文件应该可以提取每个cluster包含的脑区，比如提取显著脑区对应的vertex number，然后根据vertex number去annot文件里查询脑区标签。
- 有可能有好处，因为缩小了搜索范围，多重比较校正更宽松了。但是如果确实没有差异，校正再宽松也没用。
1 个赞
谢谢您，我暂时没什么问题了，我再去多多尝试一下 