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。