建议参考：
SPM12 核磁数据预处理 傻瓜攻略_Iris_bysshqx17的博客-CSDN博客_spm12
一、预处理 preprocessing
处理逻辑：创建文件夹 -> 数据格式转换 -> 数据预处理
这里是做一个batch，这样每次只改动前面几个没有dependancy的地方就可以。暂时没有想到更好的办法能一劳永逸:(，毕竟我暂时还不会写matlab脚本。
操作：在matlab输入spm fmri打开spm，点击最下方Batch按钮。
具体参数：
1. 创建文件夹 - 定义某一个subject的文件夹
操作：BasicIO --> File/Dir Operations --> Dir Operations --> Named Directory Selector
2. 创建文件夹 - 在该文件夹下创建BOLD和t1文件夹
操作：BasicIO --> File/Dir Operations --> Dir Operations --> Make Directory
（1）BOLD文件夹，存放所有由BOLD转化格式生成的nii文件
（2）t1，存放所有由T1转化格式生成的nii文件
3. 数据格式转换 -命名原文件bold和t1，这一步可以不做，直接在后面的预处理过程中直接选中这些文件也可以
（1）BOLD
操作：BasicIO --> File/Dir Operations --> File Operations --> Named File Selector
图中案例原本有87个文件，删除正式实验之前的部分，这里删除6个，剩81个文件（*.IMA）
* 判断删几个：12s注视点，TR = 2，删除12/2 = 6个
（2）t1（*.IMA）
4. 数据格式转换 - DICOM文件转换为nii文件
原理：SPM可处理的数据格式为NifTi，因此要将数据格式转换为*.nii格式文件
操作：SPM --> util --> Import --> DICOM Import
bold文件转换为nii文件后放在BOLD文件夹中；t1文件转换为nii文件后放在t1文件夹中
（1）BOLD
（2）T1
5. 数据预处理 - 时间层矫正 slice timing
原理：Slice Timing通过插值算法，校正一个volume中slices之间扫描时间的差异
操作：SPM --> Temporal --> Slice Timing
输入：
双击Data --> 单击Session --> Dependancy --> 第一个DICOM Import（转换后的BOLD文件）；
Number of Slices：一次全脑扫描fMRI图像的层数；
TR（Time of Repetition）：一次全脑扫描的时间；
TA：一次全脑扫描中，最后一层与第一层的时间间隔；
Slice order：扫描顺序，这里是1:2:33 2:2:32；
Reference slice：时间层校正的参考层，也就是TR/2对应的层数
输出：矫正后文件（a开头）
6. 数据预处理 - 头动矫正 realign: estimate and reslice
原理：统计分析需要假设每个体素在各个时间点都对应大脑的同一个位置。头动校正是去除头动的干扰。
操作：SPM --> Spatial --> Realign --> Realign: Estimate and Reslice
输入：双击Data --> 右键单击Session --> Dependancy --> DEP Slice Timing时间层矫正后的文件（或者文件夹中a开头的文件）
输出：矫正后文件（r开头文件）、平均脑文件（mean开头文件）、头动参数文件（rp_*.txt，包含6个参数，平移参数单位为mm，旋转参数单位为°）
7. 数据预处理 - 配准 coregister
原理：把高分辨率、高灰质/白质对比度的T1像配准到BOLD空间，结构像与功能像配准
操作：SPM --> Spatial --> Coregister --> Coregister: Estimate
输入：Reference Image --> 上一步生成的平均脑文件（meanimage）；Source Image --> 转换后t1文件（第二个DICOM Import文件）
输出：得到一个新的t1像，覆盖了原来的t1像
8. 数据预处理 - 分割 segment
原理：分割灰质，白质和脑脊液
操作：SPM --> Spatial --> Segment
输入：
单击Volumes --> Dependancy --> 配准后的t1文件（如图）；
Save Bias Corrected默认nothing，更改为Save Bias Corrected（磁场不均匀矫正）；
Deformation Fields默认None，更改为Forward（非线性变换产生的变形场，从个体空间到MNI空间的转换Subj>MNI）
输出：y_*.nii文件（变形场图像）、ms*.nii文件（磁场不均匀性校正的结构像）、c*.nii（5个）
9. 数据预处理 - 标准化 normalise: write
原理：将个体的BOLD图像转化到标准空间
操作：SPM --> Spatial --> Normalise --> Normalise: Write
输入：如图
输出：从个体空间转化到MNI标准空间的BOLD图像（w*.nii）
10. 数据预处理 - 平滑 smooth
原理：消除不同被试脑结构细微差别而进行的空间平滑，提高数据的信噪比
操作：SPM --> Spatial --> Smooth
输入：
Images to smooth：标准化后的BOLD文件（如图）；
FWHM（full-width at half maximum）：将fMRI数据与一个三维高斯函数进行卷积积分，形成一个滤波器，滤波器的平滑范围可用高斯（Gaussian kernel）的半宽高，即FWHM来表示，一般设置为TR的2-3倍，此处设置为[6 6 6]。
输出：平滑处理后的BOLD文件（s6*.nii）
11. 结束
现在你的某一个subject文件夹中应当包含两个原文件夹，两个创建文件夹，其中包含我们刚刚操作过的所有文件。对所有subject进行同样的处理，然后就可以进行数据分析啦。
二、数据分析 analyzing
1. 个体水平分析 first level analysis
对预处理中平滑后的数据进行个体水平上的分析，是分别基于每个被试的fMRI时间序列进行分析
主要步骤：fMRI model specification -> Model estimation -> Contrast Manager
（1）定义存放路径
我在被试文件夹下新建了一个文件夹，叫做FirstLevel，来存放个体分析的数据
（2）fMRI model specification
Directory: 存放路径
时间参数设置：
Units for design: Scans / Seconds，是以秒为单位还是扫描为单位
Interscan interval: 相当于TR，一个扫描持续的时间
Microtime resolution：根据slice timing来设置，一个扫描内有多少层
Microtime onset： 一个扫描内的时间参考点（第几层，一般是一个扫描内的中间那一层的顺序值，比如一个扫描内有33层，onset就是第17层，这里设置17）
实验设计参数设置：
Scans：预处理平滑后的文件（w开头文件）
一个Condition内：
Name：名称
Onsets：出现的时间点（和之前设置的单位对应）
Duration：持续时间
（3）Model estimation
dependency：上一步生成的SPM.mat文件
（4）Contrast Manager
定义想要对比的条件
2. 组水平分析 second level analysis
如果觉得《fMRI学习笔记：预处理及数据分析（使用spm12）》对你有帮助，请点赞、收藏，并留下你的观点哦！
