MarsBar教程

工具包及示例数据下载

本文是按照MarsBar0.44官方文档的教程来对MarsBar工具包来进行学习的，感兴趣的同学可以直接参考Mar
sBar官方文档（tutorial）来进行学习（百度网盘 提取码:0clb）。教程中所使用的数据为marsbar_example_data-0.3。

安装MarsBar

教程中提供了两种安装方法：一种是在MATLAB中使用，一种是在spm中使用。但是前提是必须得提前装好spm，我装的是spm8。这是直接将MarsBar0.44解压后的文件夹放在MATLAB的toolbox目录里，然后在MATLAB中添加文件夹而不选择添加并包含子文件夹就好了。验证是否安装成功在命令框输入marsbar，若出现MarsBar的图形界面那么就算安装成功了，接下来就是按照manual去处理示例数据来进行学习了。（这里建议MATLAB安装路径的所有文件夹不要有空格和中文，否则你懂得。）

数据集描述

数据集的来源不多介绍，我们主要对数据做如下处理：首先定义ROI，然后在ROI中做分析。教程中将介绍两种定义ROI的方式：一种是基于功能的定义，另一种是基于结构的定义。

数据处理和分析

rois包含感兴趣的预定义区域，目录sess1、sess2和sess3包含实验的三个sessions（runs）的切片。数据已经提前进行了时间校正和重新对齐、不失真、空间归一化数据等预处理。

定义功能性ROI

一个关键问题就是如何找到正确的ROI，这个问题在视觉皮层里比在其他功能区简单得多。一种方式是使用被试自己的激活模式来定义ROI，在这个数据集中我们感兴趣的是run1和run3的差异，因此我们用run2的spm分析来定义视觉皮层，然后将此用作ROI来分析run1和run3。所以在处理该数据集是我们不对run2进行比对，只对run1和run3进行分析。具体定义方法是我们在run2上进行SPM分析，并降低阈值，找出一些因噪声而比其他体素值更高的体素。我们使用这个噪声集群定义ROI，并从ROI中提取数据。

开始处理

一、预处理

首先将下载好的数据集进行解压，解压后的文件夹应该有四个子文件夹，如上图所示。这里我将解压后的文件存放到了G:\data\路径下。切换工作路径到marsbar0.44->example->batch目录下，batch里包含预处理的一些文件。然后在命令框内输入run_preprocess,之后会出现一个窗口,选择G:\data路径里的marsbar_example_data-0.3文件，然后点击done进行批处理。

这个命令将会对每个图像进行平滑处理（8mm FWHM），并且为每个run运行spm模型。

二、Define ROIs

preprocessing脚本已经对run1，run2，run3进行了预处理，现在我们需要在视觉皮层找到一个激活群集。
在marsbar窗口上选择ROI Definition，如下图：

每个选项的含义为：

1. View… ：在结构图像上显示一个或多个ROI。
2. Get SPM cluster（s）：使用SPM的显示结果界面去选择并可以保存选择的激活族群作为ROIs。
3. Build：提供用于定义ROIs各种方法的界面(使用形状、框、球、激活群集和二进制图像。)
4. Transform:提供一个GUI，用于组合ROI，并将ROI的方向翻转到大脑的右侧或左侧。
5. Import:允许将所有SPM激活作为ROI，或从群集图像（如SPM结果界面中所写入的图像）中导入ROI，或从ROI定义的图像中导入ROI。
6. Export: 把ROI写成图像用于其他软件包，例如MRIcro。

我们将使用run2的SPM分析来定义功能ROI。在marsbar界面中选择Get SPM cluster(s)…，这将会展示spm的结果界面。使用SPM提供的文件选择窗口导航到sss 2/spm 8_ana目录。选择SPM.mat文件，然后点击Done。如下图：

在之后弹出的窗口中选择t-contrast然后选择stim_hrf之后点击Done。如下图：

在之后弹出的窗口中按下图选择即可：

回车后，就会出现如下界面：


与此同时MATLAB的工作路径已经转化到了sess2/SPM8_ana里了。将SPM图形窗口中的红色箭头移动到可视皮质中的激活群集。您可以通过拖动箭头或右键点击图像区域，选择goto global maxima来执行此操作。

当红色箭头指向主族时，在spm的输入窗口中点击Write ROI(s)按钮，并且选择Write one cluster。如下图：

为了简单起见，之后选择默认值即可，将stim_hrf_-9_-93_-15_roi.mat保存到sess2/SPM8_ana目录下。
Write ROI(s) 其他选项的含义：
Write one cluster ：在选定位置写入单个族群。
Write all clusters ：从SPM映射中写入所有集群；marsbar在将每个ROI保存为单独的文件之前，将请求一个目录来保存这些文件，并为ROI文件提供一个根名。
Return results UI：重新启动SPM结果界面，可以重新选择.Mat文件。
查看ROI：我们可以选择ROI definition的View来查看之前保存的ROI来检查效果如何。

理想情况下，我们希望将ROI限制在主要视觉皮层中的体素上。我们可以通过定义一个包含我们感兴趣的区域的box的感兴趣区域来实现这一点，并将其与激活集群相结合。如下：
Defining a box ROI ：定义此盒子ROI，首先单击 ROI definition，然后选择Build。SPM输入窗口中会弹出一个新菜单。点击后选择Box (ranges XYZ)，然后按照如下设置参数：


保存.mat文件到默认路径，即和之前的.mat同目录。检查效果的话和之前一样，选择 ROI Definition->View,选择这两个.mat文件，点击Done。这样之前的区域会被蓝色的框所覆盖住。如下图：

接下来就需要 combine这两个ROI，仅选择框和激活群集共享的体素。
Combine ROIs ： 选择ROI Definition->Transform，会出现一个新的spm窗口 ，之后选择Combine ROIs ，在弹出的窗口中将两个.mat文件都选中，Done。然后会弹出一个 Combine ROIs的界面，按照如下输入：

其中functions to combine ROIs中r1和r2的含义为：r1表示你选择的第一个ROI，r2表示你选择的第二个ROI，这里我们希望得到他们的重叠部分，因此用&连接符。
笔记 ： 您可以使用大多数数学函数来组合ROI。如果您想组合两个ROI，那么组合出来的新的ROI具有ROI1中的所有体素和ROI2中的所有体素，可以使用函数r1|r2（读作“r1 或 r2”）。如果只希望得到ROI1不在ROI2中的体素，使用r1 & ~ r2。同样，您可以选择两个以上的ROI并组合它们。函数(r1 & r2)&~r3提供的是所有的ROI1和ROI2中的但不包括ROI3中的体素。需要注意的是r1 & r2表示的两个ROI的交集，r1 | r2表示的是两个ROI的并集。
Export ：仅仅当做练习，我们可能会用别的工具来查看ROI，比如MRIcro。点击ROI definition->Export…->image 从弹出的界面中选择trim_stim_roi.mat作为输出的ROI，然后Done在Space for ROI image里选择 ROI native space之后按照默认操作即可。

三、ROI analysis

分为三个阶段来进行分析:

1. Choosing the design
2. Extracting the data
3. Estimating the design model with the data

1、Choosing the design

在marsbar的窗口上选择Design，如下：

design菜单提供了创建、估计、处理spm/MarsBaR设计。每个选项的含义为：
Show default design summary:在spm图形窗口中显示当前加载的设计摘要。
set design from file:会让你选择一个.mat的文件，并将它加载到MarsBaR中。加载进来的文件会成为默认的design，MarsBar将假定您要使用此设计工作，除非你通过加载不同的.mat文件来告知它。
Save design to file：将会保存当前的设计为一个文件。
Set design from estimated：当marsbar估计一个design时，它会将估计的design存储在内存中。有时，使用这个估计的design并将其设置为默认设计是有用的，以便能够使用这些菜单选项中的各种来检查设计。
PET models,FMRI models,and BAsic models：将使用SPM设计程序进行设计，并将其存储在内存中作为默认设计。
Explore：运行spm界面，用于审查和扫描设计。
Frequencies（event+data）：可用于fmri设计。该选项提供了ROI数据中的频率图和特定fMRI事件的设计回归器。这将允许你选择一个高通滤波器，它不会移除设计中的大部分频率，但会去除数据中的低频，而这些数据通常是由噪声主导的。
Add images to FMRI design：允许你为尚未包含图像的fMRI设计指定图像。SPM和MarsBar可以在没有图像的情况下创建fMRI设计。如果要使用design提取数据（请参见下面），您可能希望使用此菜单项将图像添加到设计中。
Add/edit filter for FMRI design：提供用于指定高通和可能(SPM 99)低通滤波器的菜单选项，以及自相关选项(SPM 2及更高版本)。
check images in the design：查找设计中的图像名称，并简单检查磁盘上是否存在这些名称，在MATLAB控制台窗口中打印一条消息。使用保存的SPM设计的一个常见问题是，设计中指定的图像已经移动或删除。此选项是查看已发生的有用检查。
Change path to image：允许您更改保存在SPM设计中的图像文件名的路径，以处理自设计保存以来图像已移动的情况。
Convert to unsmoothed：获取设计中的图像名称，并对它们进行更改，以便它们引用相同图像的未平滑版本–实际上它只是从文件名中删除了“s”前缀。当您想要使用最初运行在平滑图像上的spm设计时，这是非常有用的，但是您的ROI非常精确，因此您希望避免对平滑的数据运行ROI分析。在你的ROI中模糊不想要的信号。

回到我们的例子中，在design菜单栏里选择Set design from file选项，然后在弹出的窗口中选择sess1/SPM8_ana路径下的SPM.mat文件，点击Done。marsbar将设计加载到内存中，并在SPM图形窗口中显示设计矩阵。

2、extracting the data
在运行模型之前，我们需要从功能像中提取ROI数据。因此要先在data菜单栏里选择EXtract ROI data(default)，然后进行简单的分析。
Data菜单栏里其它选项的含义如下：
Extract ROI data(default)：获取一个或多个ROI文件和设计，并在设计中的所有图像中提取ROI内的数据。对于默认设计，MarsBar将数据存储在内存中，以便进一步使用。
Extract ROI data(full options)：允许您指定要从其中提取数据的任何图像集，并将为您提供用于提取数据的所有图像缩放选项。
Default region…：当您为多个ROI提取数据时，这将非常有用。在这个例子里，您可能需要限制绘图功能(下面)只查看其中一个区域； 您可以设置与此选项一起使用的区域。如果您没有指定，Mars BaR将假设您想查看所有区域。
Plot data(simple)：绘制ROI数据到SPM图形窗口的时间历程曲线。绘图数据（完整）具有用于在绘图之前使用SPM设计过滤器过滤数据的选项，以及其他类型的绘制图，例如作为自相关系数的频率曲线或曲线。
Import data：允许您导入用于从MATLAB、文本文件或电子表格进行分析的数据。同理，Export data可以将数据导出到MATLAB变量、文本文件或电子表格。
Split regions into files :在您从多个ROI中提取数据的情况下是有用的，但您要使用来自这些ROI中的一个ROI的数据进行估计。
Merge data files： 通过将一系列ROI数据文件与多个ROI数据文件一起转换成一组数据，从而逆转上述拆分文件的过程。
Set data from file：将向MarsBar请求一个数据文件（默认后缀_mdata.mat），并将其加载到内存中作为当前数据集。
Save data to file：将将当前数据集保存到MarsBar数据文件中。
Show data summary：将一些摘要文本输出到SPM图形窗口。

在本教程中，我们希望从设计中的图像中提取ROI的数据。选择Extract ROI data（default），GUI将要求您选择一个或多个ROI文件；选择trim_stim_roi.mat文件，然后Done。

3、estimating the model
点击Results菜单里的第一个选项Estimate results，marsbar将会在MATLAB控制台和spm界面生成一系列报告参数。

四、基本结果

让我们通过为设计中的效果获取一些T值和F值来开始评估。点击MarBar界面的Results菜单，其中其他选项的含义如下：
Estimate results：采用默认设计和ROI数据，并估计模型。MarsBar将所估计的结果存储在内存中，作为要估计的设计。
Import contrasts：提供一个界面，供您从其他分析中选择对比，并将它们导入当前分析的对比列表中。
Refresh F contrasts：如果已将MarsBar设置为不刷新F对比度（请参阅选项：Statistic：Load updates F contrasts），那么可以使用此菜单选项刷新对比度。
Add trial specific F：将为每个试验和每个部分添加F对比度，如果没有的话。
Default contrast：将设置一个对比度作为此菜单上其他选项去默认使用，例如marsbar SPM图形的绘图功能。
Default region：适用于当前结果有多个区域的情况。它将从数据中选择一个区域以用于分析和绘图。
Plot residuals：从模型中提出各种残差图，以检查是否违反了假设或主要的异常值。
MarsBaR SPM graph：使用SPM绘图函数绘制参数估计、拟合和调整响应、事件或块相关响应估计等的对比图。
Statistic table：显示所选对比的各种统计数据。
% signal change：将会显示单个事件的百分比信号变化的估计值。
Set results from file：允许您选择要查看的结果。当您在marsbar中估计模型时，程序将自动将新结果设置为“结果”菜单的最新结果。如果你想分析一些其他的MarsBar结果，您可以使用此选项来选择和加载其他分析文件。marsbar估计结果的默认文件后缀是_mres.mat。
Save results to file：将当前估计结果（包括用于估计的数据）保存到磁盘上。

接下来，我们需要指定对比度，Import contrasts选项允许从以前的分析中得到对比度。我们首先点击这个选项，然后在弹出的界面中选择sess1/SPM8_ana路径下的SPM.mat文件，点击Done。之后按照如下图：

点击Done。这里我们只选择了一个来对比，其实也可以选择多个来对比。现在，单击MarsBar中的Results菜单中的“Statistic table”选项，选择stim_hrf contrast 然后单击Done。

t统计量是自解释的，未校正的p值只是用于分析的自由度的该t统计的单尾p值。校正后的P为未校正的P值对分析中的区域数进行Bonferroni校正得到的。在这个例子里，我们只对一个区域进行了分析，因此校正后的P值与未校正的P值相同。marsbar(像SPM一样)不会尝试校正对比度数目的p值，因为对比可能不是正交的，这将使Bonferroni校正过于保守。对于Contrast value列的值，对于T统计，这里的值是一个效果大小。请记住，t统计量由效应大小组成，除以这种效应的标准差。这里我们的对比很简单，只包含单个1，因此，对比值与模型中第一个参数的值相同。该参数的值将是与fMRI信号相关的HRF高度回归值的最佳拟合斜率。此效果大小度量是spm为con_0001.img，con_0002.img…一系列中的每个体素存储的数字。这些是用于标准二级/随机效应分析的数值。
同样的，我们也可以运行F contrast。再次点击Statistic table，如下：

点击Done即可。MATLAB控制台会输出如下信息：

现在，对比度值已经成为Extra SS。这是将添加到不包含对比度影响的模型中的方差的度量。F Statistic是度量值，调整用于效果的数量，并除以整个模型的残差方差。在二级分析中，没有使用这个额外SS值的简单方法。

1、Comparing fast and slow events
到目前为止，我们的结果表明，视觉刺激确实对视觉皮层产生了非常显著的影响，即使在非常频繁的事件中也是如此。到目前为止，这还不是“自然”杂志的论文。为了让事情变得更有趣，我们可以将run1中的效果与run3中的效果进行比较，在run3中，事件发生的频率要低得多。
在MarsBar窗口点击Design菜单栏，Set design from file，这次选择sess3/SPM8_ana下的SPM.mat文件。然后在Data菜单里选择Extract ROI data（default），MarsBar会询问你是否保存之前的数据，选择no，接下来再次选择trim_stim_roi.mat。点击Done，运行完之后在Results栏点击Estimate results ，当再次询问时，仍选择no。
当estimation完成后，单击Results里的Statistic table。接下来我们需要点击Define new contrast输入HRF对比度，如下图：


Done。之后控制台会输出:

您可以看到，对于run3而言，对比度值(与单个事件的信号变化成正比)大于run1。对此的一个解释是，run1中有更多的事件，因此对每个事件信号变化的估计更可靠(方差较小)。

五、使用结构ROI

到目前为止，我们已经使用了一个功能ROI。这具有通常很好地调谐到我们正在分析的被试的优点。缺点是我们必须使用完整的数据来定义ROI，我们将倾向于能够分析，并且当激活信号不强烈时，功能性ROI可能是噪声的。另一种方法是利用大脑的解剖来估计功能区的位置。

与使用函数ROI运行分析完全相同。先选择Design->Set design from file ，之后选择sess1/SPM8_ana/SPM.mat文件。然后点击Data->Extract ROI data(default)。当让你选择ROI文件时，定位到rois路径下，选择MNI_Putamen_L_roi.mat，然后点击Done。结束后，选择Results->Estimate results，同样的结束后，选择Results->Statistic table,输入stim_hrf contrast，对MNI_Putamen_R_roi.mat进行同样的操作你会在控制台看见两个表。如下：


研究对象用右手做出反应，因此我们预计右侧壳核的信号会比左边少。

六、批处理

将工作路径切换到example/batch下，在命令框输入run_tutorial.m，这将会批处理之前的大部分操作。具体可以查看代码。

七、总结

至此，MarsBar官方文档的教程已经结束了，这里只是将文档的示例数据的操作重复了一遍，对一些知识点进行了翻译。有些细节并没提到，读者可以去阅读文档来查看更多细节。
终于结束了，文档看的头疼。。。。