SPM-DCM中文说明(赵欣)

版权声明

本文的的英文原版说明文件版权归SPM全球社区所拥有，翻译后的本中文版版权都归翻译作者蜡笔赵欣所有，同时也感谢其学姐李方方帮忙把最后两页纸质版文档整理成电子版文档，本翻译仅做交流学习之用，如果要将其用于其它商业用途，须发邮件给作者来征得其的同意。如果SPM全球社区发现本人在翻译的内容中有侵犯SPM全球社区的方面，可以发邮件给作者要求删除相关部分，同时文中有翻译的不恰当的地方，也希望你发邮件给我指出其中的错误。

作者 蜡笔赵欣

电zhaoxin11232@163.com

子邮箱

32.3 实例

下面这个例子是关于“视觉动作行为的注意”，相关的数据集可以从SPM网站上下载到，这个数据集是由Christian Buchel提供的，更详细的介绍可以在注释13中查到。这个数据集已经用SPM99完成了预处理的过程，因此确保了flip选项在spm_flip_analyze_images.m文件中被设置为1。

制作一个DCM模型需要两个必须的东西，（1）一个设计矩阵（2）时间序列。这些都储存在VOI文件中，设计矩阵的回归量定义了DCM模型的输入，因此这就意味着对于给定的DCM模型的设计矩阵来说会有些略微不同于对应的GLM模型的设计矩阵。DCM模型并没有要求设计矩阵成为估计模型的一部分，它仅仅是需要被定义而已。

32.3.1 定义GLM

目前的实验包括4个条件（1）定位（2）静止[不移动圆点]（3）不注意[移动圆点但不要求注意]（4）注意。通过Christian的GLM分析，可得在V5区的激活不仅仅是因为

运动的刺激而加强，同时也受到视觉运动的注意力的影响。接下来，我们会试着将这个影响作为一个影响因子在V5区进行建模，并且将它解释为一个对环境的调节或者是在V5区域的传入授权。如果要使用DCM模型的话，首先，我们需要进行GLM分析和从结果中提取出我们想要的时间序列。在这个例子中，我们想用同一个设计矩阵来同时适用于GLM和DCM，因此我们重新组合上文的回归量来得到以下的三个条件。

（1） 感光：这包括所有具有看得见输入量的条件（静止，不注意，注意）

（2） 运动：这包括所有具有活动圆点的条件（不注意，注意）

（3） 注意：这仅仅包括对运动注意的条件（注意）

现在我们需要定义和估计GLM模型，大家可以好好看看第8,9章节的内容，关于这些里面都已经讲得很清楚了，接下来下面是一些相关的详细内容，这些内容是关于数据集的，你必须用这些数据集来建立GLM模型。

（1） 这些条件的初始化可以从factors.mat文件中找到，它们分别被命名为，感光，运动，注意着三个条件，它们都是按照扫描次数定义的（不是按时间定义的），它们是每10个TR就是一个block。

（2） TR为3.22秒

（3） 一共扫描了360次

我的问题：关于这个说明里面前面的那些条件的设置不是很明白，刚开始的时候它说目前的实验包括4个条件（1）定位（2）静止[不移动圆点]（3）不注意[移动圆点但不要

求注意]（4）注意。后来又说通过重新组合上文的回归量来得到以下的三个条件。（1）感光（2）运动（3）注意，。这个4个条件一下子就通过神马这个回归量这个东西就只变成3个条件的方法不知道是怎么实现的，而我们自己实验中一共有5个条件（1）红色（2）蓝色（3）灰色（4）购买（5）不购买，那么着5个条件通过回归量的分析是否可以重新组合为两个条件（1）颜色[红，灰，蓝]（2）决策[购买或者不购买]。同时我们自己的实验是否也像这个例子这样只涉及到V1区，V5区和SPC这三个区域，还是我们要从result里面的结果的激活图中看到激活的具体位置，从而来另外确定所涉及到的关联区域，而不是也是用这个例子中给出V1区，V5区和SPC这三个区域。

汤医生的回答：

32.3.2 提取时间序列

一旦你明确和估计好了GLM模型，你就应该定义若干T检验，这些T检验是用来分别测试感光，运动和注意的。做这些事情是为了确定由于受到视觉刺激（在V1区），运动（在V5区），注意（V5区和前顶叶皮质SPC）而受到影响的具体脑部位置，因为V5区域显示所有的运动和注意的影响，从V5区域提取时间序列的时候，它对于使用运动检验来内在地覆盖注意检验是非常有用的，你应该还要去计算一下普通的感兴趣影响作用的F检验，这对于使提取出来的时间序列误差平均化是很有必要的，下面就是一个手把手教你如何提取V5区时间序列的例子。

（1） 选择“Result”按钮

（2） 选择SPM.mat文件

（3） 选择以运动为条件的t检验

（4） 用其他条件的检验来覆盖以运动为条件的t检验：是

（5） 选择以注意为条件的t检验

（6） 选择在内部进行覆盖并且选择一个未修正的P<0.05作为阀值

（7） 选择一个看起来像V5的对象的局部极大值（通过覆盖在标准化的结构图像的激活部分，你应该可以很容易地定义出V5区）

（8） 选择VOI按钮

（9） 把这个区域命名为V5

（10） 调整数据：effect of interest（这个使时间序列误差平均化）

（11） VOI的定义：范围

（12） VOI的半径（mm）：8

SPM现在可以计算出在VOI范围内所有体素的时间序列的最最重要的构成，所得到的结果（和这个原始的时间序列文件放在一起）储存在当前工作目录下一个文件名为VOI_V5_1.mat文件中，现在你就可以继续来选择V1的时间序列（使用以“感光”为条件的t检验）和这个SPC的时间序列（使用以“注意”为条件的t检验），对于该例来说，我们对V1区选择-61-841-6作为设置参数，对SPC选择-181/57/66作为设置参数。

我的问题：这里面提到的Mask（覆盖）是不是有什么讲究？这个例子里面提到的选择以注意为条件的t检验来Mask选择以运动为条件的t检验，这个顺序可不可以反过来呢？根据这个例子，在3个条件的前提下应该总共生成VOI_V5_1.mat与VOI_V1_1.mat，VOI_SPC_1.mat这三个文件，那为什么不再用SPC去Mask V1区再生成一个这样的文件而一定要用V1来Mask SPC呢？

汤医生的回答

32.3.3明确和估计DCM模型

现在我们已经定义了输入（通过这个设计矩阵）和这个时间序列，我们已经准备好建立DCM模型了，我们可以看看注释27所描述的一个简易版本的模型。在我们的例子中，我们将建一个由V1，V5和SPC组成的分级连接系统，在V1与V5之间和V5与SPC之间交互连接，但不在V1与SPC之间相互连接，我们可以假设（1）V1是受所有种类的视觉刺激的驱动（直接输入“感光”）（2）每当刺激移动的时刻，通过观察到在V1区映射到V5区上的影响力的一个增长，在V5区与运动有关的反应就可以被解释了。（运动作为一个调节的输入映射到V1区域上—>V5连接），并且注意加强了SPC映射到V5区的影响力。（注意作为一个调节的输入映射到SPC上—>V5连接），这个DCM原理模型如下图所示

（1） 选择DCM按钮

（2） 选择“specify”

（3） 选择你原先做的GLM时候所创建的那个SPM.mat文件

（4） 为DCM_??文件命名

（5） 按照VOI_V1_1, VOI_V5_1, VOI_SPC_1的顺序选择所有的VOI

（6） 包括感光：是

（7） 包括运动：是

（8） 包括注意：是

（9） 定义下面这些内在的联系V1到V5，V5到V1，V5到SPC，SPC到V5等，这是一个在相邻区域建交互连接的层次结构。显示的那一列表示的是连接的来源，显示的那一行则表示的是它的目标，你的连接矩阵应该看起来和图32.5比较类似才行。

（10） 明确感光作为作为一个在V1区里面的主动输入

（11） 明确运动作为一个从V1到V5的调节连接

（12） 明确注意作为一个从SPC到V5的调节连接

（13） 不要选择非线性DCM模型

（14） 明确了每个区域的时间层，从注释51里面可以看出，这是一个新选项，在以前的DCM模型版本中，时间层数据中的最后一层是被设为默认值。对于连续型的数据来说（这里的连续型是相对于隔行扫描所得到的数据来说的），这个选项允许用DCM模型与任何TR相结合，在这里我们使用默认值就行了。

（15） 选择“Echo time Te”

（16） 一个友好的谢谢你的回复即表示你已经完成了模型的所有设置

我的提问：下面的这个V1，V5和SPC图我不是很明白，这三个区域之间的联系我还是比较清楚的，只是在他们之间的连接线上画个圆点显示Attention和Motion表示什么意思？

汤医生的回答：

你现在可以通过再按一次DCM按钮来选择估计选项或者从matlab命令行按spm_dcm_estimate(‘DCM_mod_bwd’)来估计模型的参数，一旦完成了这个步骤，你就能按下面的操作来观察结果

（1） 选择DCM按钮

（2） 选择review

（3） 选择DCM_mod_bwd

（4） 阀值：0

现在你可以有多种选择，你可以再次检验下模型的输出或者仔细观察下对于内在连接的参数估计，又或者仔细看看对于主动或者调节输入（感光的因素作用，运动的因素作用，注意的因素作用）相关参数的参数估计。

你也可以用用这个“Contrast”选项来确定你有多么自信对于你在第四步中检验时的一组确定参数的估计是否超过阀值。当然，你也可以通过Matlab命令行来加载模型和直

接检查参数，这些内容都可以直接在DCM.A（内在连接）, DCM.B（调节输入）, DCM.C（主动输入）这三个文件夹里找到。

我的提问：

像上面这种行列图里面实心圆圈是不是表示我们对区域之间的联系都很明白的情况下就可以在对应的圆圈里面填实心，还是表示其他的什么意思？

汤医生的回答：

32.3.4 比较模型

现在让我们来明确一个可供选择的模型并且与我们在上节所定义与估计好的模型相比较，我们将要做的改变是假设注意是调节V1—>V5区的连接（和先前模型中SPC—>V5区连接相反），为了定义这个模型，你重复上个例子所有的操作——唯一的不同点是这个模型另外取了一个新名字（mod_fwd）,并且现在这个注意作为前相连接，在图32.9中可以看到这个DCM模型的详细原理，只要你估计完这个新模型，你就能做一个贝叶斯的模型比较，如下所示

（1） 选择DCM按钮

（2） 选择“Compare”

（3） 比较模型数量：2

（4） 选择两个模型：按顺序选择DCM_mod_bwd与DCM_mod_fwd两个文件

如下图所示，从模型的条状图可以看出我们第二个模型要比第一个好。

我的提问：

从汤医生你给我的proprocess的bath里面种检验的选择项里面可以看到一共4个F检验和6个T检验，怎么会有这么多检验呢？那么我要在DCM模型里面用的好像应该是叫什么??_condition的t检验，可这十个检验选项里面只有1个以condition为结尾的t检验，那我用什么检验来Mask这个t检验呢？

汤医生的回答

我的提问：后面我自己就拿着这些条件随便，确实是比较随便，因为很多参数我都是乱选的，VOI之后就得出下面的这个图

通过选择感兴趣的区域之间的联系又Specify出一下这个图，但都不知道表示什么意思，SPM8的英文使用手册里面也没说这是什么东西

汤医生的回答：