段。在各被试内统计分析后，进一步的处理是应用统计汇总数据，而对统计汇总数据进行空间平滑具有较低的有效性。 第3个可能进行空间平滑的时间点是由各被试内分析提供的统计图，尽管存在有效性问题(将在后面简单讨论)。 空间平滑使用3dmerge程序： Usage: 3dmerge [options] datasets ... □ 为每个输入数据集指定编辑选项：
-1thtoin = 拷贝阈值数据覆盖(over)强度数据(这样，是否即对阈值数据进行平滑 ?) 仅在数据集附有阈值统计值时有效。所有后继操作仅对这些取代的数据操作。
-2thtoin = 同-1thtoin，但处理时不改变阈值(from shorts to floats)。该选项仅为早期的AFNI ?3d*‘程序包提供。
-1noneg = 将负值改为0 -1abs = 取强度值的绝对值
-1clip val = 将在(-val val)范围内的强度值改为0 -2clip v1 v2 = 将在(v1,v2)范围内的强度值改为0
-1uclip val = 这些选项与上述的相似，但不在数据集后附上任何解剖的缩放因子(scaling fac- or -2uclip v1 v2 tors)。这些选项仅在特殊的环境下使用。(?u‘意为?unscaled‘，3dinfo程序可以用 来查看缩放因子)
注：这些clip选项只能使用1个。
-1thresh thr = 使用阈值数据删减(censor)强度数据 censor the intensities 注：仅对'fith', 'fico' 或 'fitt' 数据集有效。阈值'thr'为浮点型，'fith' 和 'fico'数据 集范围为0.0 < thr < 1.0，'fitt'数据集范围为0.0 < thr < 32.7
-1blur_sigma bmm = Gaussian blur with sigma(总体标准差) = bmm (in mm) -1blur_rms bmm = Gaussian blur with rms(均方根) deviation = bmm -1blur_fwhm bmm = Gaussian blur with FWHM(半高全宽窗) = bmm -t1blur_* bmm，同上述选项，只不过是对阈值数据进行blur操作。
-1zvol x1 x2 y1 y2 z1 z2 = 通过x1 <= x <= x2, y1 <= y <= y2, z1 <= z <= z2定义3D volume，包含
在该3D volume内的体素(entries) 改为0
注：数据集x,y,z的范围可以通过3dinfo程序查看(单位为mm)。 CLUSTERING
rmm为连接距离(connection distance)
Clustering的步骤：先发现一些非0体素，与指定像素距离小于rmm(中心-中心距离)的像素被包括在cluster内，然后再向外扩展。
假设voxels grid size为L mm：
L < rmm < L T 将共享一个面的体素连接 L < rmm < L T 将共享一个边的体素连接 L < rmm < 2L T 将共享一个角的体素连接 较大的rmm 值将跳过一些0的值把非0值连成一片。
你可以忽略真实的体素大小(也许体素并非立方体)，使用-dxyz=1选项，这样可将体素大小伪装成size =1。 -dxyz=1 = 在clustering中，空间的clusters通过连通性(connectivity)来确定。使用记录在数 据集头信息内的体素的维度。-dxyz=1选项强制3个体素维度grid size为1mm。 下面各选项中，'rmm'用来确定所连接体素最大距离，'vmul'是cluster含voxel的 最小数目。(下面各选项互相排斥，即只能使用1个)
-1clust rmm vmul = 形成clusters, 以rmm 连接距离，生成的cluster至少包含 vmul个体素 -1clust_mean rmm vmul = 同-1clust，但cluster内体素强度全部替换为cluster的平均强度
[同样，-1clust_后接max, amax, smax, size, order分别表示将cluster内体素强度全部替换为clust内的最大强度、绝对值最大强度、最大有符号强度、cluster的size、cluster的size索引值 (e.g. 最大的cluster索引值为1，其次为2，……)] * 如果rmm 为0，这意味着使用6个最近的相邻体素形成非0体素的cluster * 如果vmul为0，那么所有size的cluster都被接受(可能结果没有用) * 如果vmul为负数，那么abs(vmul) 是cluster保持的体素最小数目
下面的命令导致3D clusters的腐蚀和扩张(erosion and dilation)。这些命令假定1种-1clust命令已被使用。其目的是避免形成具有2(或更多)个主体部分通过细长部分('necks')连接的cluster。Erosion可以切离neck；Dilation可以最小化对主体部分的erosion。
注：对cluster(-1clust命令)内的值的操作发生在下面两个命令执行之后
-1erode pv 对于每个体素，除了rmm半径范围内pv%的体素非0，否则设为0 -1dilate 如果rmm范围内还保持有1个非0体素，恢复被前面的步骤去除的体素 下面这些filter选项互相排斥：
-1filter_mean rmm = 设置每个体素值为rmm半径内体素的平均强度值
[同样，-1filter_*后接nzmean, max, amax, smax, aver分别表示将每个体素值设为rmm半径内 非0体素的平均强度值、最大值、绝对值最大值、最大有符号值、平均强度值(与mean相同，但使用了新的代码，所以运算更快)] 对阈值的filter选项(-t1filter_* rmm)也互相排斥：各选项作用与上述filter相似。 -1mult factor = 将强度值与指定的factor相乘
-1zscore = 如果sub-brick被标记为一种已知分布的统计值，它将被转换为等价的N(0,1) 偏差(或 'z score')；如果sub-brick没有被标记，则什么都不错。
上述 '-1' 选项以上面给出的先后顺序执行，而不管在命令行中输入的顺序。
注：上面3个'-1blur'选项只是提供不同的途径指定半径用于模糊(blurring)功能，其关系如下： sigma = 0.57735027 * rms = 0.42466090 * fwhm
必不可少的卷积 (convolution) 运算是通过快速傅立叶变换(FFTs)完成的，该步骤是到目前为止所有编辑选项中最慢的操作。 其它选项：
-datum type = 强迫输出集存储为指定的类型，如byte, short或float 注：Byte类型不能表示负值，如果使用该类型，数据集内任何负值将设为0
-keepthr = 当使用3dmerge编辑附带有阈值的功能数据集，通常结果数据集为'fim'(in- tensity only)类型，该选项告诉3dmerge拷贝阈值(threshold data)至输出数据集 (尽管阈值没有进行编辑过)
注：如果3dmerge用来连接2个或更多的数据集，该选项将被忽略 注：-datum选项对阈值的存储没有效果。(可使用-thdatum type选项)
-doall = 对所有sub-bricks一律地应用editing和merging选项 注：使用-doall选项时，所有输入数据集必须有相同数目的sub-bricks 注：针对阈值的选项(如-1thresh, -keepthr, -tgfisher, etc)不兼容-doall选项 (对-1dindex和1-tindex也不兼容)
注：各个sub-bricks的所有标签及统计参数均从第1个数据集拷贝。正由于此， 用户必须检查使用这些选项是否合适。
注：Sub-bricks辅助数据可通过3drefit程序修改
-1dindex j = 使用sub-brick #j 作为数据源，使用sub-brick#k作为阈值数据源。这样，你可以 -1tindex k = 操作输入数据集任何给定的sub-brick来产生一个输出1 brick数据集。如果愿意， 多个1 brick数据集的集合可以使用'3dbucket'整合成multi-brick bucket数据集， 注：如果这些选项没有使用，j=0 和 k=1 为默认值
下面这些选项允许你指定遮罩(mask)数据集限制'filter' 选项在遮罩内非0体素操作
-1fmask mset = 读取数据集 'mset' (可能包括sub-brick指定器)并用非0体素用为filter选项的遮 罩。Filtering将不对遮罩外的数据进行运算。如果输出体素rmm半径范围内不含 有任何被遮罩的体素，输出体素将设为0
注：仅-1filter_*以及-t1filter_*选项受-1fmask影响。
* 在线性平均filters(_mean, _nzmean, and _expr)中，不包括在mask中的体素不被 使用或计算在内。这会导致意想不到的结果。如果mask设计用来排除脑外的体 素，将会出现一些问题。
* 因此，如果-1fmask有用来去除filtering的结果中非脑组织数据，在其后应该 再使用3dcalc进行masking操作
3dmerge -1filter_aver 12 -1fmask mask+orig -prefix x input+orig 3dcalc -a x -b mask+orig -prefix y -expr 'a*step(b)' rm -f x+orig.*
下面的选项允许你为3D 线性filtering指定任意的权重函数： -1filter_expr rmm expr 定义一个线性filter
Filter的权重是在rmm相邻范围内每个体素的位移按表达式的估计值计算出的比例。表达式中只能使用下述符号： r = radius from center
x = dataset x-axis offset from center y = dataset y-axis offset from center z = dataset z-axis offset from center i = x-axis index offset from center j = y-axis index offset from center k = z-axis index offset from center
Example: -1filter_expr 12.0 'exp(-r*r/36.067)'
这进行一个以12mm为半径的Gaussian filter。在该例中，FWHM为10mm。(通常，指数的分母为：0.36067 * FWHM * FWHM。这是结合-1fmask和高斯模糊的唯一途径)
Another example：-1filter_expr 20.0 'exp(-(x*x+16*y*y+z*z)/36.067)' 这是一个非球形的Gaussian filter。
-1filter_winsor rmm nw 选项对数据进行'Winsor' filter： □ 形成输出数据集的MERGING OPTIONS： 即整合结果的不同途径，下面的'-g' 选项相互排斥：
-gmean = 通过平均强度值(包括0) combine数据集(默认)
(同样，-g后接nzmean, max, amax, smax, count, order, fisher分别表示通过使用非0值的均值、最大强度值、最大
绝对值、最大有符号值、统计'hits'的数目*、输入顺序**、tanh(mean(arctanh))***来整合数据集) * 不等于0(!=0)为hits
** 如果一个体素在dataset #1中为非0，则采用#1中的值；如果在dataset#1中为0而在dataset#2中为非0，则采用#2中的值；依此类推
*** 计算每个输入的arctanh(反双曲正切函数)，取平均值，再计算该平均值的tanh(双曲正切)。如果输入数据类型为'short'，则输入值乘以0.0001，然后输出再乘以10000。该选项用于merging相关系数的bricks -nscale = 如果输出数据集为short类型，不对其进行缩放(scale) 应用于阈值数据(Threshold data)的merging选项：
即整合阈值数据的不同途径。如果不使用这些选项，阈值将不进行merge，输出数据集中也将不附有阈值。注意下面'-tg' 选项也互相排斥，但与上面的merging强度数据的'-g'选项互相独立。
-tgfisher = 该选项只对'fico' 或 'fith'输入数据集有效——功能强度加上相关或阈值(在后者， 阈值看成相关系数)。作用同上述'-gfisher'。 对COMBINED RESULTS进行后处理的可选途径
-ghits count = 删除为0的一些像素，统计hits(!=0 is a 'hit')数目
-gclust rmm vmul = 以rmm为连接半径，以vmul为最小voxel数目，去除不包含在cluster内的像素 注：'-g' 和 '-tg' 选项作用于整组输入数据集 指定输出数据集名称的选项：
-session dirname = 输出到指定的目录(default=./)
-prefix pname = 用'pname' 作为输出数据集前缀 (default=mrg) 注意事项:
** 如果仅一个数据集读入， '-g*'选项将无效，输出数据集仅为'-1*'选项作用于输入数据集(i.e., editiing options) ** 你可以使用3dbucket程序将3dmerge的输出数据集同其它sub-bricks整合 ** Complex-valued 类型的数据集不能被3dmerge
** 该程序如无'-doall'选项不能处理时间依赖(time-dependent)数据集
** 输入数据集通过它们的.HEAD 文件指定，但它们的.BRIK文件也必须存在。
例选择进行空间平滑的第2种途径,我们可使用3dmerge命令对功能数据集进行空间平滑： 3dmerge -1blur_fwhm 5 -doall -session . -prefix run_1_vr_lp_5 run_1_vr_lp+orig 这将对数据集应用FWHM为5的高斯平滑。
5.5.b 补充内容
包括去除头皮外伪影、去除异常时间点、时间序列时间点数据的标准化(difference/mean)、多个run的数据连接及去线性漂移可在该步骤后进行 (1) 去除头皮伪影
为帮助理解3dAutomask程序，先介绍一下3dClipLevel程序： Usage: 3dClipLevel [options] dataset
估计1个值，当用此值对解剖数据集进行clip时可将背景区域全部高为0。
方法：寻找所有正值>=clip value的值，取其中间值，重设clip vlaue为该中值*0.5，再重复这两步，直至clip value不改变 选项：
-mfrac ff = 用ff值代替上述算法中的0.5
-verb = 使用该选项选择冗余(verbose)输出，除在stdout上显示clip值，同时也显示stderr 注：该程序仅对byte-和short-型数据集操作，如果输入数据集中有任何体素为负值，将会出现警告。 如果输入数据集包含1个以上sub-brick，所有sub-bricks被用来建立histogram
Usage: 3dAutomask [options] dataset
输入数据集是一个EPI 3D+time数据集(不同于3dintracranial)，输出数据集是一个仅含脑组织的遮罩数据集(brain-only mask dataset) 方法：
+ 使用3dClipLevel 算法寻找clipping level.
+ 在erosion/dilation步骤后仅保持最大的阈上体素的连接部 + 保存结果为功能数据集'fim' 型 选项：
-prefix ppp = 输入数据集以'ppp'为前缀[default='automask'] -q = 不输出程序执行过程中的信息(i.e., be quiet).
-eclip = 在创建mask后，去除低于clip阈值的外部体素 -dilate nd = 向外扩大mask 'nd' 次
-SI hh = 在创建mask后，寻找最上面的体素，然后将低于该体素超过'hh' 毫米的任何体素设 为0。对于人类大脑hh=130比较合适。 例：3dAutomask –prefix r1mask r1blur+orig 3dAutomask –prefix r2mask r2blur+orig
对于有几个run的实验，需将多个run求得的mask混合在一起，可使用3dcalc程序(具体用法见下)： 3dcalc –prefix combmask –a r1mask –b r2mask –expr 'step(a+b)' (2) 去除异常时间点
在创建功能数据集时，to3d便对时间序列进行outliers的检查。
我们在进行单个被试数据统计分析前，可利用3dToutcount 和 3dTqual程序对时间序列进行检测，可剔除异常的时间点。(如在censor.1D中将相应的时间点设为0，即有效点设为1，无效点设为0) Usage: 3dToutcount [options] dataset
计算3D+times数据集中'outliers'的数目，并将各个时间点写输出到标准输出(stdout) 选项：
-mask mset = 仅包括mask数据集之内的体素 -qthr q = 使用'q' 替换alpha计算中的0.001
-autoclip = Clip掉'小(small) ' 的体素(as in 3dClipLevel); -automask = 与-mask选项互相排斥
-range = 输出每个时间点outlier的median+3.5*MAD(中值绝对偏差)
-save ppp = 输出新的数据集，保存outlier Q至每个体素，其中Q通过体素值v 计算而来： Q = -log10(qg(abs((v-median)/(sqrt(PI/2)*MAD)))) 或Q=0 (如果v接近中值，即 不是outlier)。也就是说，10**(-Q)是值v服从v‘s iid normal假设p值的粗略估 计。新的数据集以'ppp'为前缀。 (注：MAD和qg详见程序3dcalc)
-polort nn = 在outlier估计前，先对每个体素时间序列进行'nn' 次多项式(polynominals of order 'nn')去势。默认nn=0，即只去除中值(常量)。 OUTLIERS are defined as follows: * 计算出每个时间序列的trend和MAD
(MAD 即median absolute deviation, 中值绝对误差，等于时间序列的绝对值减去趋势 * 对于每个时间序列，与trend相差甚远('far away')的时间点被称为outliers, 而'far'定义为： alpha * sqrt(PI/2) * MAD
其中alpha = qginv(0.001/N) (inverse of reversed Gaussian CDF)，N = length of time series * 一般都会出现几个outliers，但如果出现比例较大的outliers，应该认真地检查数据集。 因为结果输出至stdout，因此你可能想重定向这些结果生成文件或至另一个程序，可以如下例：