在功能磁共振成像中模拟数据而不是图像
fmristats的Python项目详细描述
功能磁共振分析的电流法 成像（fmri）数据对原始数据应用不同的预处理步骤 功能磁共振成像。这些预处理导致了对残差的普遍低估。 下游分析中的差异。这对I型有负面影响 统计检验的错误增加了报告错误的风险 积极的结果。
这是第一个实现模型的统计软件工具 基于fmri数据模型的估计量。它是新的和原创的 脑扫描fmri的统计分析方法。兆字节 估计结合了标准方法的所有预处理步骤 变成一个单一的建模步骤。在不改变原始4D图像的情况下， 该方法使底层参数场得到平滑拟合。 更重要的是，该方法得出了 粗体效果估计的不确定性。
这些不确定性字段的可用性允许对fmri进行建模 随机效应元回归模型的研究，承认 个体主体是随机的实体，并且 个人的实际大胆效果可以通过功能磁共振成像来估计 不同的大脑和不同的受试者。
mb估计允许以ati单位处理和报告粗体效果。在 特殊的多中心研究通过它的使用获得力量：如果一个效果是 在你的数据中，你将更有可能找到它。
引用MB估计器和此软件：
Thomas W. D. Möbius (2018) Modelling the data and not the images in FMRI, ArXiv e-prints, arXiv:1809.07232
Thomas W. D. Möbius (2018) fmristats: Modelling the data and not the images in FMRI (Version 0.1.0) [Computer program]. Available at http://fmristats.github.io/
谢谢你引用这个项目。
欢迎加入QQ群-->： 979659372
