SPM插件之CAT12中文操作指南
——牧海的猫 2019.9.24
目的：计算VBM（本文不含DBM、SBM等分析）
软件：windows-SPM-CAT12（VBM8之类的是前身）；
Linux-FSL-VBM v.1.1(待后续更新)
启动方法（matlab）：
1. spm fmri-toolbox-cat12
2. 直接命令行输入cat12
基本流程：预处理-建立统计模型-估计
预处理：
一、 图像分割
前提：用spm的display功能校准图像位置（和正常spm预处理中校准位置那一步一样）；
把光标放在前联合，点击设置原点，然后用重新定向按钮把显示在坐标中的校正应用于图像。
用spm-Check Reg功能检查原始图像方向和MNI模板方向一致。（SPM-templates-T1）
1.点击Segment Data，点Volumes选择nii格式的原始T1像
2.点Split job into separate processes选择分配给cat12的cpu核数（单被试数据大概需要2GB内存）
3.SPM12仿射注册这块全部默认（这板块可以换组织概率图）
4.CAT12预处理扩展选项这块全部默认（这板块可以换DARTEl模板）
5.写入选项这一栏在灰质/白质那一部分各有一个Modulated normalized选项，默认是开启的，这一选项开启会对灰质/白质的体积的相对差异进行分析，那么在统计分析的时候必须用颅内总体积文件（TIV.txt）做协变量对单个大脑的体积进行校正。
PS:运行完成后生成三个文件夹，label、mri和report。mri文件夹里包含脑区各组织的分割文件，mwp1开头的是灰质，mwp2开头的是白质，mw开头的是去颅骨的图像。在CAT12里，m代表经过较准，w代表经过DARTEL空间配准。
二、颅内体积计算（生成TIV.txt）
1.点击CAT12-Statistical Analysis-Estimate TIV，选择report文件夹下的XML文件；
2.Save values可选择保存的文件内容，可以只选择TIV也可以同时保存其它组织的全局值，建议只生成TIV即可，如果TIV和感兴趣的其它参数有较强的相关，则建议对TIV进行全局缩放（参见后文）
3.选择输出文件的名称，默认即可。
三、图像检查
1.点击CAT12-Check Data Quality-Display One Slice For All Image，选择wm开头的文件；
2.Proportional scaling选择YES（用的是T1图像的情况下选YES）；
3.想看哪个面就选哪个面；
4.默认。
PS：肉眼看一下有没有什么明显问题。
四、图像检查-Homogeneity检查
1.点击CAT12-Check Sample Homogeneity，选VBM Data，选择组织文件，例如灰质mwp1开头的文件
可以用GUI里的Check worst data来检查是否存在伪影或是预处理错误；
2.按照第一步选择组织文件的顺序选择对应的XML文件，这一步可做可不做；
3.分割的体素尺寸越小计算越慢，计算的是每x个体素之间的相关性。使用默认设置，计算机性能够好就改小一点；
4.输入算相关前要控制的协变量，如年龄等，一般来说输入spm_load载入TIV.txt即可。（或者不输入）。
PS：生成的相关矩阵反应了体积间的相关性。如果加载了XML文件，可以用suface extraction进行质量检查，也可以使用Euler number对拓扑缺陷的值进行检查。缺陷大小表示会影响表面顶点的数量。如果整体相关性低于两个标准差，则要进一步检查甚至是删除明显图像质量不佳的图像。具体的更多的质量检查方法参加manual。目前版本在reprot中已经提供pdf/jpg格式的质量报告，可以参考。
五、平滑
1.点击SPM-Smooth，选要平滑的组织，例如灰质mwp1开头的文件；
2.FWHM可以默认用[8 8 8]，个人建议用[6 6 6];
3/4/5默认即可。
统计分析：
统计方法的选择：
举例说明：（没有提到的一律默认）
1. 点击CAT12-Statistical Analysis-Basic Models,点击Directory，选择输出目录；
2. 点击Design选择双样本T检验，在Group1/2里分别选择两组平滑后的灰质文件；
3. 点击Covariates，在Vector里输入spm_load载入TIV.txt文件或者其它协变量，在Name一栏输入协变量名称
4. 点击Masking，Threshold masking选择Absoulte，0.1（最大可选到0.2）；
其他类型见manual。
统计分析步骤跑完后会生成一个SPM.mat文件；
统计模型估计：
1. 点击spm菜单里的Estimate，选择SPM.mat文件；
2. 默认；
3. Method选择Classical。
检查正交性：（确认TIV是否独立于其它在分析中感兴趣的参数）
1. 点击spm-Review，选择SPM.mat;
2. 点击Design，选择Design orthogonality；
TIV与任何感兴趣的参数的相关越大，则越不适合用TIV作为协变量，在这种情况下，可以考虑另一种方法：
1. Global Calculation-User-Global Values-定义TIV值；
2. Global Normalisation-Overall grand mean scaling-YES-Grand mean scaled value-直接填1500；
3. Normalisation-Proportional。
该方法只建议在组内设计使用。
结果显示：
1. 点击spm-Result-选择SPM.mat-contrast manager-TorF，选择Define new contrast，设置contrast name和constrast，例如，双样本t检验A组>B组是1 -1。
2. Apply masking-none；
3. 标题用前一步设定的即可；
4. P值选FDR或者FEW，均设置为0.05即可；
5. 阈值范围，可以用默认的数值，但建议在输出后可以在Data Presentation的Transform SPM-maps里选择对应的检验类型然后选择Expected Number of Voxels per Cluster或P值来定义阈值范围。
PS：格式和错别字如有问题那就有问题吧
。