总体步骤概览

#转方向
fslreorient2std co*.nii.gz

#准备template_list
ls -1 *nii.gz >>template_list
slicesdir `imglob*`
fslvbm_1_bet -N -f 0.3 -B
fslvbm_2_template -n 
fslvbm_3_proc

randomise -i GM_mod_merg_s3.nii.gz -o fslvbm -m GM_mask.nii.gz -d design.mat -t design.con -n 5000 -T

1.准备数据

1.1 T1数据格式

(1)转格式，转成.nii
(2)方向调整
(3)所有T1数据放到同一个目录下面

1.2 Template_list

template_list：确定哪些被试用来做计算模板

查看数据

2.剥头皮：fslvbm_1_bet

• fslvbm_1_bet -b 用默认设置
• fslvbm_1_bet -N 去掉脖子后再剥头皮

#-f 0.3 表示剥掉几毫米的头皮，数值越大，剥头皮越厉害，可以参考一下别人的文献设置
fslvbm_1_bet -N -f 0.3 -B

3.数据分割+生成模板：fslvbm_2_template

• template -a
• template -n 只做第一步和第二步

fslvbm_2_template -n 

使用fslview（fsleyes）检查struc 目录里面的template_GM_4D图像

fslview  template_GM_4D.nii.gz

fslview struc/template_4D_GM

#to check general alignment of mean GM template vs. original standard space template.
fslview  /opt/fsl/data/standard/tissuepriors/avg152T1_gray  struc/template_GM

4.后处理（标准化、调制、平滑）：fslvbm_3_proc

GM_mod_merg_s3.nii.gz
所有被试平滑后的灰质密度值，可以拿去做统计。

5.统计检验

研究假设和设计：设计矩阵、对比矩阵。

randomise 命令参数

• -i 统计对象（灰质密度值文件）
  -m mask (限制统计范围）
  -o fslvbm （统计输出文件的前缀）
  -d 设计矩阵 （描述实验设计信息）
  -t 对比矩阵 （描述统计对比信息）
  -T -c 等 描述统计方法
  -n 5000 置换次数

randomise -i GM_mod_merg_s3.nii.gz -o fslvbm -m GM_mask.nii.gz -d design.mat -t design.con -n 5000 -T

• corrp_tstat1* (T检验） （1-p值统计结果）
  corrp_fstat1*（F检验）

5.2查看结果。

FSLview查看 — 打开结果图 – 卡p<0.05（fslview中卡>0.95）

• cluster: cluster -i 统计结果图 -t (1-p阈值） -o 输出结果
  （核团体素数量 峰值点值 坐标 保留了各个核团位置信息的nii文件）
  报脑区：FSLview – atlas tool; atlasquery
• 提取单个核团：fslmaths
  fslmaths result_08（保留了各个核团位置信息的nii文件） -thr 4 -uthr 4 cluster04（4号核团文件名）
• 提取某脑区的灰质密度值：fslmeants

fslmeants -i GM_mod_merg_s3.nii.gz（灰质密度值文件） -m cluster04（感兴趣脑区） -o meants.txt （输出指标存放在文本文档中）