afni GLM模型分析激活的脑区 (FMRI Data Analysis at Individual Level)-白红宇

afni GLM模型分析激活的脑区 (FMRI Data Analysis at Individual Level)

阅读量：629 次

发布时间：2019-03-14

本文共 249 字，大约阅读时间需要 1 分钟。

FMRI实验的简单描述

实验设计：采用快速事件相关设计，总共包含四种类型的实验刺激

数据参数：实验数据经过标准化处理后，通过3DDeconvolve进行感知Copying

数据下载：请访问AFNI数据下载页面（需提供AFNI环境）

数据分析流程：

个体水平分析：

数据预处理

3DDeconvolve感知Copying

参数估计

组水平分析：

组织分析数据结构型图像

对感兴趣的效应进行t检验和F检验

分析洗牌为两层：个体层面和组层面分析，每个被试均可采用GLM模型进行分析对效应进行检验和模型拟合

转载地址：http://xvxoz.baihongyu.com/

你可能感兴趣的文章

OpenCV与AI深度学习 | 基于Python和OpenCV将图像转为ASCII艺术效果

OpenCV与AI深度学习 | 基于PyTorch实现Faster RCNN目标检测

OpenCV与AI深度学习 | 基于PyTorch语义分割实现洪水识别（数据集 + 源码）

OpenCV与AI深度学习 | 基于YOLO11的车体部件检测与分割

OpenCV与AI深度学习 | 基于YOLOv8 + BotSORT实现球员和足球检测与跟踪 (步骤 + 源码)

OpenCV与AI深度学习 | 基于YOLOv8的停车对齐检测

OpenCV与AI深度学习 | 基于机器视觉的磁瓦表面缺陷检测方案

OpenCV与AI深度学习 | 基于深度学习的轮胎缺陷检测系统

OpenCV与AI深度学习 | 实战 | OpenCV传统方法实现密集圆形分割与计数(详细步骤 + 代码)

OpenCV与AI深度学习 | 实战 | OpenCV实现扫描文本矫正应用与实现详解(附源码)

OpenCV与AI深度学习 | 实战 | 使用YOLOv8 Pose实现瑜伽姿势识别

OpenCV与AI深度学习 | 实战 | 使用YoloV8实例分割识别猪的姿态（含数据集）

OpenCV与AI深度学习 | 实战 | 基于YoloV5和Mask RCNN实现汽车表面划痕检测(步骤 + 代码)

OpenCV与AI深度学习 | 干货 | 深度学习模型训练和部署的基本步骤

OpenCV与AI深度学习 | 手把手教你用Python和OpenCV搭建一个半自动标注工具（详细步骤 + 源码）

OpenCV与AI深度学习 | 深度学习检测小目标常用方法

Opencv中KNN背景分割器

OpenCV中基于已知相机方向的透视变形

OpenCV中的监督学习

opencv中读写视频