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 | OpenCV图像拼接--Stitching detailed使用与参数介绍

OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测（建议收藏！）

OpenCV与AI深度学习 | SAM2（Segment Anything Model 2）新一代分割一切大模型介绍与使用（步骤 + 代码）

OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测，图像分割，图像分类，姿态检测，带方向目标检测)

OpenCV与AI深度学习 | YOLOv11来了：将重新定义AI的可能性

OpenCV与AI深度学习 | 使用Python和OpenCV实现火焰检测(附源码)

OpenCV与AI深度学习 | 使用PyTorch进行小样本学习的图像分类

OpenCV与AI深度学习 | 使用YOLO11实现区域内目标跟踪

OpenCV与AI深度学习 | 使用YOLOv8做目标检测、实例分割和图像分类(包含实例操作代码)

OpenCV与AI深度学习 | 使用单相机对已知物体进行3D位置估计

OpenCV与AI深度学习 | 基于GAN的零缺陷样本产品表面缺陷检测

OpenCV与AI深度学习 | 基于OpenCV和深度学习预测年龄和性别

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实现扫描文本矫正应用与实现详解(附源码)