简单来说，分为两大块。第一，PPI准备活动；第二，正式的PPI操作。
【下面的例子是以我的实验数据参数为基准的，TR=2s，总共5个run，每个run包含186个volume，并且默认已经经过基础的GLM建模】
PPI准备活动
-
准备好预处理smooth后的功能像
-
合并头动
如果有5个run，那么需要将头动信息合并成一个run的。新的头动参数中第一个run的数据不变，第二个run的每一行数据加上第一个run的最后一行，第三个run的每一行数据加上新弄好的第二个run的最后一行，以此类推。 -
合并时间序列
类似于上面的合并头动，这一步的目的是将之前的每个run分别的timefile合并成一个大的timefile，因为在PPI操作中，只能输入一个大run。我的timefile是以秒为单位的
具体操作：----> 第一个run的数据不变 ---->第二个run的所有数值加上186✖️2 ---->第三个run的所有数值加上372✖️2 ---->第4个run的所有数值加上558✖️2 ---->第5个run的所有数值加上744✖️2
正式的PPI操作
1.一个GLM
先做一个正常的GLM（Block regressor：1和0的矩阵，区分不同的run； 头动regressor放入头动参数）。
-
一个PPI
点PPIs---->psychophysiologic interaction 生成一个变量PPI，然后用代码循环生成不同名字的PPI。（生成对应的PPI.mat文件） -
再做一个GLM(但是，不选conditions，不用填)
需要先load具体的PPI.mat，才能在后面value数值中直接写PPI.ppi、PPI.Y等
Regressors: Regressor1, Name=PPI-interaction, value=PPI.ppi
Regressor2, Name=dmPFC_BOLD, value=PPI.Y
Regressor3, Name=Mental-Rnd, value=PPI.P
Regressor4, Name=Block1, value=[1,0]的矩阵
Regressor5,.......
....(回归的Block参数)
Multiple regressors：放入头动文件
网友评论