采用我们的母语，能够进行迅捷有效的沟通。但是鉴于英文是科技通用语言，建议所有研究者采用英文发贴，做为训练自己英语的良机。如果你实在觉得英文无法表达你的思想，请在该论坛中采用美丽的中文提问。
老师您好！
我在预处理过程中选择了Auto mask，但是查看生成的mask时发现是个不规则的多边形；后面根据Auto mask生成的group mask同样是个不规则的图形；我想请问一下发生这种情况的原因是什么？
后续在统计分析分析中，我们采用了软件自带的mask，但是结果显示了较多边缘区域有显著差异，请问这种情况下我们应该如何解决呢？
期待您的回复！
您好，我在用DPARSF做FC时采用的是BNA246模板，所以在查看结果时也想用这个模板，但是直接把DPABI里自带的BNA246的label表导入成.mat不太行，请问怎么才能报告BNA_246的结果呢？谢谢
如题，试了几次，一到bet就显示下列内容。
各位老师好，我在对ALFF进行处理时，出现了最后最在右半球有差异性，想问一下是不是我做的步骤有问题，首先，我利用单样本t检验对两组被试进行了t检验，然后在utilities中利用Image Calcluator计算((i1>0)+(i2>0))>0，得到一个差异性的mask值，然后对其进行双样本t检验，采用了PALM，最后在viewer中利用视频中的说明，得到的图，只有在右半球有差异性，但我翻阅了一些文献，发现左右半球都是有的，随后我去掉了双样本t检验中的mask，同样也只是在右半球。感谢各位老师的指导。
严老师 您好！：
我是一名初学者，目前正在学习应用dpabi对静息态数据进行处理，想请教一些有关normalize 的问题。
在控制面板中我发现normalize的默认参数为[3 3 3]，通过检查我自己的.dcom数据发现原始数据是[2 2 2.3]。想请问一下1）在处理这批数据时我需要将默认参数修改为「2 2 2」吗？2）如果我需要修改，那前面的bounding box 需要修改吗？3）我其实自己尝试了将参数修改，但在最后进行统计分析的时候如果需选择61*73*46的模版统计时会报错，但如果选用自制90%的mask就不会报错，想问一下我应用生成的90%的mask有没有问题，为什么在「3 3 3」的时候61*73*46 模版可以进行统计，而「2 2 2」时不行？
管理员，您好
我们最近做了一篇基于结构做分类抑郁症的文章，其中有两条审稿意见需要贵组提供一些帮助，这两条意见如下：
1.审稿人提到没有列出T1图像的参数。审稿人问到这25个站点的参数是一样的吗?如果没有，是否采取了措施将网站的影响降到最低?
2.审稿人还问了用药等情况，但表里面没有服药和首发复发情况，请问能不能把这个信息也共享一下。
非常期待您的回复，如果能得到您的帮助，我们会非常感谢！
jessica
严老师 您好！：
我在用ADNI数据跑预处理流程时，能成功生成T1ImgNewSegment文件，但执行后续步骤就会报错，错误信息如下：
Extracting ROI signals...错误使用 DPARSFA_run (第 2757 行)
找不到尝试执行工作进程的 parfor 循环的源代码(D:\Program\MATLAB2021\toolbox\DPABI_V6.1_220101\DPARSF\DPARSFA_run.m)。
出错 DPARSFA>pushbuttonRun_Callback (第 1854 行)
[Error, Cfg]=DPARSFA_run(handles.Cfg);
出错 gui_mainfcn (第 95 行)
feval(varargin{:});
出错 DPARSFA (第 30 行)
老师您好，我想做2（被试间因素：组别）×2（被试间因素：性别）的方差分析，请问能使用dpabi实现吗？如何实现呢？
严老师好，
感谢DPABI，让我们能够很方便地进行一系列的脑影像数据的预处理，甚至一些常用的统计分析。
最近我在分析ROI的功能连接的时候，发现这里无法直接对矩阵进行统计分析，而自己又比较喜欢用matlab，便写了一套代码进行ANCOVA分析，以及将其进行事后检验（bonferroni校正）。
而我也是将结果与DPABI中的图像比较的结果相比对，以确保自己的方法没有问题的。
而后来我发现了一个问题。就是在使用ANCOVA的时候，其事后检验的t值的计算，可能没有按照协变量的bonferroni t的公式来计算，而是直接根据下图1这个公式来计算的。
为什么这么说呢，因为我原先使用的是图1这个公式，得到的结果跟DPABI检验ALFF得到的结果一致，我自己也是最近看书的时候才知道在有协变量的时候，应该是要使用图2和图3的公式，会更加精准一些（关于图2里面的分母，根号到底是有没有包含进去，我也还在琢磨，您可以发一下邮箱，我将书籍发送给您）。
严老师好！
我在处理fRMI数据的时候，通过ReHo和fALFF计算得到显著的区域，打算将其作为ROI进行功能连接分析。
但我不是很明白functional connectivity和ROI time courses的区别。按照视频中的内容，FC是voxel-wise seed based的相关分析，
而ROI time courses是ROI-wise的功能连接分析，则应该选择ROI time courses才对。但这样说的话，FC又是在什么情况下才使用呢？
另外就是在使用两种方法之后，发现ROI time courses中提取时间序列的数值，就是对应的种子点的均值，这个是可以理解的；而FC得到的
SeedSeries则不是简单的均值（虽然数值上很接近，但确定是不一样的）。关于这个问题，实际上严老师17年就在
http://rfmri.org/content/difference-between-time-series-extracted-functional-connectivity-analysis-and-extract-roi