Submitted by hongshengcheng on Sun, 03/10/2013 - 02:23 请问，使用rest roi之间功能连接分析时，covariables处应该输入什么，是诸如性别年龄之类的么？ ROI之间相关系数的计算，如果加入covariable是用偏相关分析，还是采用别的算法？ roi之间的分析是采用过的pearson corr，和 http://www.imed.jussieu.fr/~marrelec/Publis/Marrelec-2006c.pdf 这篇文章中的partial corr 相比，各有什么优缺点呢？谢谢 Re: rest roi之间功能连接分析 你好！ 计算ROI之间的功能连接，通常是在被试内进行，因此性别年龄等被试间变量不能做为协变量。常用的协变量是头动参数，全脑，白质，脑脊液信号等。 如果不加入协变量，是两两之间的full correlation。如果加入协变量，是两两之间，在控制协变量之后的偏相关。即A与B之间，在控制协变量C之后的偏相关，可以采用如下方式计算： 从A回归掉C，从B回归掉C，然后计算两个残差之间的相关。以前臧老师组朱芸芸曾有一项工作对partial correlation和semi-partial correlation进行比较。 这里你提的partial correlation可能与上面讨论的稍有不同，上面的考虑的是对不感兴趣的信号（nuisance signals）进行控制。这里可能会考虑在多个ROI的情况下（如5个），在计算做任意两个ROI之间的相关性时，是否控制其他3个ROI的影响。这是为解决如下情况：A与B之间的相关，完全是由于C造成的，那么采用全相关会得到A与B相关的结论，而采用偏相关控制掉C的影响之后，A与B的偏相关可能不显著。从数学上说，这样的解释比较合理，但实际应用中不一定是这种理想情况。尤其是当ROI数目很多时，偏相关也会遇到矩阵不可逆的问题，估计出来的偏相关并不准确，（可能可以考虑采用ICOV的一些方法来进行regularize）。 以上是我的理解，关于这些问题，你可以参考一下这篇文章： Smith, S.M., Miller, K.L., Salimi-Khorshidi, G., Webster, M., Beckmann, C.F., Nichols, T.E., Ramsey, J.D., Woolrich, M.W., 2011. Network modelling methods for FMRI. Neuroimage 54, 875-891. Log in or register to post comments Re: rest roi之间功能连接分析 谢谢严老师的详细回答。 Log in or register to post comments Forums Discuss2 Log in or register to post comments
Re: rest roi之间功能连接分析 你好！ 计算ROI之间的功能连接，通常是在被试内进行，因此性别年龄等被试间变量不能做为协变量。常用的协变量是头动参数，全脑，白质，脑脊液信号等。 如果不加入协变量，是两两之间的full correlation。如果加入协变量，是两两之间，在控制协变量之后的偏相关。即A与B之间，在控制协变量C之后的偏相关，可以采用如下方式计算： 从A回归掉C，从B回归掉C，然后计算两个残差之间的相关。以前臧老师组朱芸芸曾有一项工作对partial correlation和semi-partial correlation进行比较。 这里你提的partial correlation可能与上面讨论的稍有不同，上面的考虑的是对不感兴趣的信号（nuisance signals）进行控制。这里可能会考虑在多个ROI的情况下（如5个），在计算做任意两个ROI之间的相关性时，是否控制其他3个ROI的影响。这是为解决如下情况：A与B之间的相关，完全是由于C造成的，那么采用全相关会得到A与B相关的结论，而采用偏相关控制掉C的影响之后，A与B的偏相关可能不显著。从数学上说，这样的解释比较合理，但实际应用中不一定是这种理想情况。尤其是当ROI数目很多时，偏相关也会遇到矩阵不可逆的问题，估计出来的偏相关并不准确，（可能可以考虑采用ICOV的一些方法来进行regularize）。 以上是我的理解，关于这些问题，你可以参考一下这篇文章： Smith, S.M., Miller, K.L., Salimi-Khorshidi, G., Webster, M., Beckmann, C.F., Nichols, T.E., Ramsey, J.D., Woolrich, M.W., 2011. Network modelling methods for FMRI. Neuroimage 54, 875-891. Log in or register to post comments
Re: rest roi之间功能连接分析
计算ROI之间的功能连接，通常是在被试内进行，因此性别年龄等被试间变量不能做为协变量。常用的协变量是头动参数，全脑，白质，脑脊液信号等。
如果不加入协变量，是两两之间的full correlation。如果加入协变量，是两两之间，在控制协变量之后的偏相关。即A与B之间，在控制协变量C之后的偏相关，可以采用如下方式计算：
从A回归掉C，从B回归掉C，然后计算两个残差之间的相关。以前臧老师组朱芸芸曾有一项工作对partial correlation和semi-partial correlation进行比较。
这里你提的partial correlation可能与上面讨论的稍有不同，上面的考虑的是对不感兴趣的信号（nuisance signals）进行控制。这里可能会考虑在多个ROI的情况下（如5个），在计算做任意两个ROI之间的相关性时，是否控制其他3个ROI的影响。这是为解决如下情况：A与B之间的相关，完全是由于C造成的，那么采用全相关会得到A与B相关的结论，而采用偏相关控制掉C的影响之后，A与B的偏相关可能不显著。从数学上说，这样的解释比较合理，但实际应用中不一定是这种理想情况。尤其是当ROI数目很多时，偏相关也会遇到矩阵不可逆的问题，估计出来的偏相关并不准确，（可能可以考虑采用ICOV的一些方法来进行regularize）。
以上是我的理解，关于这些问题，你可以参考一下这篇文章：
Smith, S.M., Miller, K.L., Salimi-Khorshidi, G., Webster, M., Beckmann, C.F., Nichols, T.E., Ramsey, J.D., Woolrich, M.W., 2011. Network modelling methods for FMRI. Neuroimage 54, 875-891.
Re: rest roi之间功能连接分析