向老师请教the default mode network

Submitted by szjoanna7 on Fri, 11/29/2013 - 18:01

老师们好，
我正在用ICA方法做病人组及正常人组的DMN提取，想请教几个问题：
1、两组间用GIFT estimate的成分数不同，软件建议选取的成分数为20-40，那么我在处理时两组的成分数是否需要一样？比如都设定是20个成分？还是说可以不同？
2、对成分个数的设定还是不理解，我们应该如何来设定这个值以保证更好的结果呢？根据GIFT estimate的值吗？
3、老师可以解释下GIFT的spatial correlation空间相关性吗? 本人非工科背景。

烦请老师拨冗解答，感激不尽，谢谢！

Submitted by ZHANG_RESTadmin on Mon, 12/02/2013 - 22:35

 1. 当用组ICA处理两组数据时，推荐将两组数据放在一起做ICA分解，也就是说你只需要做一次ICA分析（不需要两组分别做）。
2. 保证更好的结果有人说是通过自动估计成分数可以做到，但是实际情况却往往不是这样。实际设置30-40成分数得到的结果也很好，完全不需要自动估计成分数。
3. spatial correlation是GIFT进行成分匹配和挑选时，用你自己定义的模板和所有成分的空间模式去比较，如果某个成分和模板的空间分布很像，说明这个成分就是你想要的成分。至于如何判断空间分布相似，就是用这个spatial correlation。

Submitted by szjoanna7 on Wed, 12/04/2013 - 09:48

感谢张老师详尽的回答，崇拜！
另外，老师我还想问一个问题，在静息态脑网络中除了DMN，还有哪个（些）网络是显著性比较高，适合用于与患者间的对比的？想听听老师您的建议，跪谢！

Submitted by ZHANG_RESTadmin on Wed, 12/04/2013 - 12:43

 可以分析工作记忆网络或者叫执行控制网络，
见图：

另外一个网络可以分析的是salience network，是和情感相关的网络，可以参考seeley 2007的文章 

Submitted by szjoanna7 on Wed, 12/04/2013 - 15:39

谢谢老师给出宝贵的建议！
关于成分数目的选择，我还想问一下老师，GIFT自动估算的值是17，在分别进行了17和20个成分数的计算后，我发现20个成分数的结果挑选出来的DMN会明显更好，显著性更高。请问老师这是为什么？增加了成分数，网络的簇应该更少，没那么集中不是吗？请老师指点迷津。

Submitted by ZHANG_RESTadmin on Mon, 12/09/2013 - 17:52

成分数不同会影响ica的结果。你这样的情况是正常的。

成分数的设置没有特别的要求，一般你可以按照估计的成分数来，也可以自己定义20作为成分数。