前言
原计划上周更新这个篇，但是因为自身有问题没能解决，再加上领导给了我处理数据的任务，所以耽误了两次，一直等到现在。 上次进行了VBM和SBM的指标提取和双样本t检验的统计分析，今后我们能做什么呢？ 许多文献表明，有的不仅计算各体素指标值之间的差异，而且考虑将其放在各脑区以比较指标脑区之间的差异，但ROI分析解决了这一问题。 需要注意的是，目前编辑只能通过cat12.7对基于体素水平的统计结果进行ROI分析，皮质处理会报告错误，但原因尚不清楚，有待编辑继续深入研究。 接下来自然要说的是，小编是个新手，刚知道很多东西，不能说自己是百分之百正确的。 只是，我只是想分享经验。 关于经验的正误，欢迎各位读者通过实践来验证，并提出问题和指摘。 特别强调所有文章的结果图像都是用于演示，没有实际意义。
一.简要概念介绍
1、Voxel级别Vertex级别：皮层重构由几个三角形组成，三角形的顶点就是这里的Vertex。 关于为什么是三角形，读者自己有必要理解哦。 当然，小编稍后也会更新。 VBM的最小单位是Voxel (体素)。 我想这是读者熟知的，Vertex )是皮质的最小单位。 也就是说，VBM对全脑中的每个体素进行分析，SBM对全脑中的每个顶点进行分析。 具体原理小编将在下一篇进行更新，相应的统计分析结果图如下： spmT_xxxx.nii spmT_xxxx.gii。 Vertex顶点的图像如下。
2、ROI级别—— logpthreshold _ nameofcontrast _ nameofatlas _ measure.NII
ROI从atlas脑图像开始。 过去，许多神经解剖学专家为了更好地解释大脑内部结构联系与功能联系的关系，通过解剖学知识及其解剖结构，并根据大脑功能的关系，将大脑分为多个区域。 (其实是大脑地图，像一个省地图一样划分出很多区域，而且不同的颜色块代表不同的市。 atlas为省地图板块，ROI为市板块) )下图小编使用aal3图片模板。
图片引用来源： https://surfer.NMR.mgh.Harvard.edu/fs wiki/corticalparcellation
ROI分析基于这些区域提取相应的指标值，寻找区域之间的联系，进行统计分析。
二.工具包
1、CAT12.7
2、xjview :可观看体素级影像，并可对VBM的T检验结果进行多重比对校正，感兴趣的读者可自行理解。
三.基于ROI水平的VBM分析——主要以灰质体积为主
PS:
因为急于完成之前的工作，所以不太理解cat12。 另外，最新版经常报告各种错误警告，相信读者们也面临着同样的问题。 因此，为了省事，旧版本，即以前的结构状态处理都采用cat12.5版本，但在这两天的编辑中，cat12新版本的cat12.7更新了很多atlas，其中包括小编月前的导师旧版本与新版本的区别在于，一些atlas进行了更新，接口更加集成。 其他差异尚不清楚，未使用。 基本功能是一致的。
@copyright :因为编辑的原创很难，所以转载注明出处的东西哦。
3359 blog.csdn.net/sophia 2023/article/details/112463920
1、数据准备：
(1)分割后的灰质体积图NII文件如下图所示。
)2)分割时选择的atlas图像如下图所示，由小编选择的aal3，读者也可以根据需要选择其他图像。
你选这个做什么用？ 还记得VBM预处理分割时生成的三个文件夹吗？ 包含标签文件夹。 那里生成以下四种文件。 然后，在后续处理中，cat12会自己调用这些文件。 虽然不需要导入，但编辑希望您能理解这个文件。 里面的信息量非常高，特别是将来要制作与算法相关的东西，可以直接从那里提取相关数据。 发生了问题！ 呃！
第一个问题：小编希望读者自己在matlab上打开以下两个mat文件，看看里面保存的什么数据？ 带s的数据和不带s的数据分别表示什么？
第二个问题： cat12默认显示的图像只有四个，不像现在编辑者现在显示的那么多。 大家对照自己的cat12分割画面，该怎么表示呢？
第三个问题： Atlases有一个名为own atlas maps的选项。 该代表可以添加自定义模板，如何添加？ 这是编辑的任务，希望大家分享，一起学习，找到解决的办法！
回答编辑根据评论发表。 如果有问题的话欢迎讨论。 编辑定期看评论的回答，和大家一起学习进步。
2、生成vertex水平下的t值(统计分析通过cat12直接进行，
这里不用spm12，但是原理步骤一样，生成设计矩阵，估计，做contrast检验分析)：(1)第一步：生成设计矩阵。点击下图中cat12红色框按钮，弹出batch，输入数据，点击运行，在结果文件夹中生成设计矩阵的SPM.mat文件。这个betch就不需要小编再重复了，相信读者也已经熟透了。
(2)第二步：估计β值。点击如下图所示的cat12菜单红色框按钮，选择上一步的SPM.mat文件，点击done运行，运行状态可以在matlab命令框中查看
(3)第三步：contrast。点击如下图所示的call Results ，
弹出以下batch框，选择上一步生成的SPM.mat文件，点done，运行情况在matlab命令框可见。
依然按照之前的设置方法设置contrast，做T检验，获取t值图像——spmT_0001.nii，整个的过程原理与spm12一致。
(4)ROI分析： 点击如下所示的红色框按钮，选择上一步生成的spm.mat文件
选择自己想要做的统计检验结果，如下图所示：
接下来小编跟随默认，选择p值0.05，读者可根据自己需要选择，之后还要继续选择一些选项(小编基本都是默认选择)，如下图所示：
便有了下面的两张图片，第一张其命名原则是：logPThreshold_Nameofcontrast_NameofAtlas_measure.nii。
所以此处的结果表示小编取得p值是0.05，contrast的命名为PAT-CON，采用的atlas图谱为aal3，寻找的是灰质体积在aal3图谱上的差异。此处有一些疑问，就是小编到底计算的是做的是vertex水平还是ROI水平？不知道读者中有没有明白的，小编想了好久，不是特别敢确定。但是小编猜想是ROI的，请继续往下看小编的一个证据。
第二张是切片图，就是刚刚选择显示的切片层：
证据在此： 下图是用xjview工具包查看的结果图，注意看文件名，在玻璃脑中显示的是一块一块的，ROI便是区域性的，
而直接打开的spmT_0001.nii，全是一小点一小点的，vertex是顶点水平，如下图所示，相信读者能直观看出区别所在。
至此，基于ROI水平的VBM分析结束，欢迎读者提问讨论，相互学习！基于ROI水平的SBM分析下周更新，可期待一下！！