《afni中文教程全版1.doc》由会员分享，可在线阅读，更多相关《afni中文教程全版1.doc（75页珍藏版）》请在三一办公上搜索。
1、转载者cell注: 本文件转存自蓝宝社区 并经作者同意首转发于心心水滴论坛.本教程适合05年afni的版本, 软件的新增功能请登陆afni官方网http:/afni.nimh.nih.gov下载查询,或者登陆心心水滴论坛浏览其相关介绍.登陆蓝宝或心心水滴论坛,共同交流.AFNI使用指南(连载)-精心整理的AFNI教程特别奉献精心整理的AFNI使用指南，以飨读者。preafni.jpg (25.64 KB)2007-9-15 22:38目录0 前言 11 如何获得并安装AFNI 12 基本概念 12.1 数据集 12.2 数据集的存储 22.3 数据集块和子数据集块 22.4 集合或路径 22.
2、5 文件类型 23 AFNI的交互界面 23.1 启动AFNI 23.2 AFNI界面 33.3 在Batch Mode下使用AFNI命令 43.4 AFNI的Plugins 44 数据分析基本步骤 插页1135 数据处理基本步骤 55.1 原始功能像的重建 55.2 转换成AFNI格式 55.3 功能像层面时间校正和运动校正 75.4 功能像的时间域滤波 125.5.a 功能像的空间平滑 125.5.b 补充内容 16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。5.6.a 单个被试通用线性模型分析及结果显
3、示 22包括1D 参考波创建、t-检验及相关分析(及Cluster Analysis)、3dDecon-volve反卷积分析。5.6.b 激活图的clustering, montage, and render 315.7 空间标准化(切换至Talairach坐标系) 345.8 统计图的空间平滑 395.9 被试统计图的组分析 396 ROI(Region of Interesting)绘制及分析 456.1 手动绘制ROI及ROI分析 456.2 从激活图创建ROI 51附录1 DICOM图像标准 52附录2rnxpc源程序 52附录3应用于3dDeconvlve分析的脚本源程序 53附录4
4、 AFNI Programs & Plugins 560 前言(Preface)MCW AFNI是“Medical College of Wisconsin Analysis of Functional NeuroImage”的缩写形式。由美国Wisconxin医学院生物物理研究所开发研制，主要开发者为Cox博士。AFNI是一个交互式的脑功能成像数据分析软件。它可以将低分辨率的脑功能成像的实验结果叠加在具有较高分辨率的脑结构成像上进行三维显示。AFNI程序分为两种，一种是利用AFNI界面本身直接运行的程序(GUI mode)，另一种是脱离AFNI界面执行的辅助程序(Batch mode)。另外
5、还提供了可供扩展功能的Plugins。1 如何获得并安装AFNI(How to download and install AFNI)AFNI可运行在多个操作系统下，推荐使用Linux系统。可在http:/afni.nimh.nih.gov/afni下载源程序linux_gcc32.tgz ，并解压至/usr/local/bin目录下，可以直接使用。如提示无执行权限，可使用chmod 777 *命令修改文件权限。(Linux的使用技巧：输入命令后，长文件名可以输入部分字母，然后按Tab键自动补上；对于较长的命令行，可在行尾加上空格和”回车再续行)2 基本概念(Fundamental AFNI c
6、oncepts)数据集(datasets) 和集合(session) 是AFNI 中的两个基本概念，下面作简要的介绍。2.1 数据集(datasets)AFNI 中的基本数据单位是数据集(datasets)，它是指由一个或者多个图像的3D 数据块(bricks)以及与之相关的附加信息所组成的数据集。 数据集有两种基本的类型：解剖数据集和功能数据集。AFNI 在进行数据集处理时在任何时候都是以解剖数据集作为背景，再将功能数据集叠加到解剖数据集上。brickvsvoxel.jpg (17.1 KB)2007-9-15 22:48对于功能数据集，它有5 种类型：fim、fith、fico、fitt和
7、fift。 其中各个类型的具体解释如下：(注：f为function功能，i为intensity强度，th表示threshold阈值，co表示correlation相关，tt表示t-test，ft表示F-test)fim 表示功能强度，每个体素用一个值表示。fith 表示功能强度及阈值，每个体素用2 个值表示，第一个值表示“强度”，第二个值表示阈值，用来表示哪一个点是激活点。fico 表示功能强度及相关性，每个体素用2 个值表示，第一个值表示“强度”，第二个值表示相关系数( -1.0 到1.0 之间) ，当给出一个显著性值p 时，确定激活点。fitt 表示功能强度及t-test，每个体素用2 个
8、值表示，第一个值表示“强度”，第二个值是t 检验值，当给出一个显著性值时，确定激活点。fift 表示功能强度及F-test ，每个体素用2 个值来表示，第一个值表示强度，第二个值是F检验值，当给出一个显著性值时，确定激活点。对应于每个体素的值，可以有4 种数据类型:byte、short、float和complex。Byte型为8位有符号整数，表示范围为0255，最多有3位有效数字；Short型为16位有符号整数，表示范围为-3276832767，最多有5位有效数字；Float型为32位实数，最多有7位有效小数。在AFNI 中，数据集存储为两种类型的文件：头文件(header) 和块文件(bri
9、ck) 。所有的数据集都有规定的命名方式，其基本形式是：prefix + view. NAME。prefix 由用户指定；“+ view”表示数据集的显示形式(坐标系)，由AFNI自动生成，通常有3 种类型即：+orig， +acpc，+tlrc，分别表示原始数据、ACPC和Talairach坐标系。NAME 可为BRIK或HEAD。块文件存储了所有的3D 原始数据(Brick)及由AFNI程序计算衍生的统计参数数据。头文件包含了所有的辅助信息，它提供了解释块文件的所有信息，以ASCII 的形式存储。通常包含以下信息：brainslice.jpg (8.33 KB)2007-9-15 22:4
10、8(1) 每个体素x，y，z方向的大小(mm)；(2) 数据集的轴向：例如，X-axis为R-L，Y-axis为AP，Z-axis为I-S，则为水平层面；(3) 数据集在扫描坐标的定位；(4) 3D数据集每个sub-brick之间的时间间隔3D+time数据集为fMRI的基本数据集；(5) 统计结果衍生的功能数据集，头文件包括与统计方法有关的参数，如t-test、F-test的自由度。2.2数据集的存储然而，并不是每一个数据集都必须包含一个BRIK文件。当需要时图像的显示可以由真正含有.BRIK文件的父数据集变换而来。这种功能称为“Warp-on-Demand”，如空间标准化时生成的Talai
11、rach图像。在程序设计时,图像数据集数组可以有两种方式实现存储。一种是使用malloc函数分配内存空间，另一种是使用UNIX 的mmap 函数。mmap 函数直接将.BRIK文件映射到内存地址空间。这种映射是以只读方式实现。2.3数据集块和子数据集块一个数据集可以含有一个或多个3D 数据集子块(sub-bricks)。例如，一个3D+time数据集本质上是由包含3D 数据集子块构成的数组，每一个时间点的数据可以是一个数据集子块(sub-brick)；又如，一个bucket数据集也是由多个3D 数据集子块组成。2.4 集合或路径(session)包含一系列数据集的路径称为一个session，A
12、FNI 只读取形式为*. HEAD 和*. BRIK 的文件。也就是说，只能在某一个实际路径中运行AFNI。所有存放在同一session的数据集，如果显示格式相同，则认为x,y,z坐标是配准的。所以可将一数据集(常为功能数据集)重叠在另一数据集上(常为解剖数据集)，即使其轴向和体素大小不一致。通常，在同一session目录中，是从一个被试一次扫描session中获得及其衍生的数据，通常包括：(1) 解剖参考数据集(SPGR 或MP-RAGE)；(2) 1020个3D+time EPI function runs；(3) 从3D+time数据集计算获得的统计数据集，用来显示激活；(4) 从ori
13、g转换至tlrc的数据集，用于被试间的比较。2.5 文件类型 AFNI除能识别BRIK和HEAD文件外，还可以识别下列文件格式：ANALYZE (.hdr/.img file pairs)： SPM, FSL所使用的格式；MINC (.mnc)： MNItools所使用的格式；CTF (.mri, .svl)： MEG analysis volumes；NIfTI-1 (.nii)： 一个新的由AFNI, SPM, FSL, and BrainVoyager达成协议的标准格式；ASCII text (.1D)： 按列排放的数字，如刺激处理参数。3 AFNI的交互界面3.1 启动AFNI 将当前
14、目录切换至数据集所在目录，直接键入AFNI启动界面。AFNI从当前目录读取数据集。 AFNI dir1 dir2 则AFNI可从列出的目录中读取数据； AFNI R 则AFNI可从当前目录及其所有子目录读取数据集。(-Recursively，递归地)3.2 AFNI界面(1) 主界面(下图)afnigui1.jpg (51.91 KB)2007-9-15 23:04通常，坐标系都是按RAI的次序(DICOM标准)，x = Right (negative) to Left (positive)，y = Anterior (negative) to Posterior (positive)，z =
15、 Inferior (negative) to Superior (positive)。通常，通过Switch Underlay选择高分辩率的解剖数据集，而通过Switch Overlay选择低分辩率的功能数据集(并且根据需要插值至解剖像分辩率和翻转至解剖像轴像)。(2) Define OverLay窗口(右图)afnigui2.jpg (46.6 KB)2007-9-15 23:04(3) Define DataMode窗口(下图)afnigui3.jpg (43.82 KB)2007-9-15 23:04Plug-ins 功能(具体功能见后面的数据分析步骤)afnigui4.jpg (48
16、.51 KB)2007-9-15 23:04(4) 图像和图表窗口图像(Image)窗口afnigui5.jpg (41.5 KB)2007-9-15 23:04 Disp用于改变显示方式，Mont (Montage)用于对Slice进行剪切(顾名思义，同电影剪切一样)，如同时显示2行4例，再设置一定的间距(spacing)，可以美观地显示结果。图表(Graph)窗口afnigui6.jpg (46.11 KB)2007-9-15 23:04 其中，Opt用于控制显示选项，FIM用来提供对功能数据集的交互的统计计算(详见后述)。(5) 其它窗口(如to3d, Draw Dataset, Ren
17、der等)，分别见后面数据分析步骤。3.3 在Batch模式下使用AFNI命令3.4 AFNI的Plug-ins(见上述)4. 数据分析基本原则(请参考PDF文件)5数据处理基本步骤(1) 原始功能像的重建(reconstruction of raw functional images) (P-files) (2) 转换成AFNI格式(conversion to AFNI format)(3) 功能像层面时间校正和运动校正(slice timing correction and motion correction of functional images) (4) 功能像的时间域滤波(temp
18、oral filtering of functional images)(5) 功能像的空间平滑(spatial blurring of functional images) 去除头皮外伪影、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。(6) 单个被试通用线性模型分析(single-subject analysis with GLM)及结果显示可以对得到的图像进行提取clusters、渲染(render)及剪辑(montage)，以达到最美观的效果。(7) 变换至Talairach坐标系(/空间归一化或标准化)(Talaira
19、ch transforming /Spatial normalization)(8) 统计图的空间平滑 (spatial blurring of statistical map) (9) 各被试统计图的组分析 (Group analysis of individual statistical maps)在整个分析过程中，我们应该利用AFNI优秀的可视化功能对数据进行visual check。5.1 原始功能像的重建Scanner保存的功能数据通常以K空间形式。也就是说，数据实际上是图像数据的Fourier变换。可使用epirecon将K空间的图像进行Fourier变换生成图像。Epirecon
20、也可以进行对不同类型的图像变形做校正。另外除了直接调用epirecon外，还可以调用sip程序，通过sip再转而调用epirecon。Sip程序同时建立一些标准的目标和日志文件，这些在以后的分析和调试中都十分用用。其它一些与图像重建及格式转换有关的软件包括：MRIcro, ezdicom, dicom2, etc.有关DICOM图像标准，参见附录1。5.2 转换成AFNI格式(with program to3d)记录实验日志很重要，这对数据分析很有帮助。tran01.jpg (33.57 KB)2007-9-15 23:25(1) 复制图像文件、排序将光盘中的数据复制到硬盘并分类。(笔者注：一
21、般可根据文件大小确定图像类别，如通常最大的文件为功能像，因为它同时包含多个层面，并且文件数通与时间点数一致；其次中等大小的文件为3D像，因为其分辨率较高，通常为128个；最小的文件为解剖像，通常为20个。将三种类别的图像分别分类放到3个目录中，分别起直观简洁的目录名，如xx-epi, xx-3d, xx-ana，xx为被试名称或ID。)3D像(spoiled grass, SPGR)：128 items； 解剖像(FSE ? )：20 items(注：以扫描所得的层面数而定)功能像(EPI): 如果是多个run就可以命名为run1, run2, ，文件数通常与TRs数目一致。举例，在记录fMR
22、I研究中，实验设计为：提示实验开始(2s)-系统饱和提示(2s)-呈现记忆材料(40s)-提示(2s)-回忆(30s)-提示(2s)-基线(20s)-结束(26s)“”中步骤重复6次。 TR为2s，则共有299个时间点，则有299个图像文件。由于描扫方式不同(如隔行扫描)，所以生成的图像文件需要进行重新排序，可以用dicom2文件查看图像并生成包括头信息的同名txt文件，再用rnxpc程序进行排序。(rnxpc源程序参见附录2)(2)使用t3d创建解剖数据集(SPGR的3D像和FSE解剖像)(笔者注：各厂商生产的Scanner，原始文件名称不同，如GE的I.*文件 和Simense 的*.IM
23、A文件)进入已经排序的3D或解剖像目录(cd xx-3d或cd xx-ana)后，直接键入to3d*，出现to3d程序界面：tran02.jpg (35.61 KB)2007-9-15 23:25该例中，to3d已从图像文件的头信息获得必需的信息，所以不需再进行参数调整，只需在窗口的底部填写session directory(session目录)和prefix(前缀)。(笔者注：可点击View Images按钮查看图像)对于无头信息的裸图像(naked images)，则需进行参数设置，这时记录翔实的实验日志非常关键。执行to3d命令后出现界面：tran03.jpg (30.6 KB)2007
24、-9-15 23:25上图黄色矩形框中的警告文字表示发现图像中有负值，需点击Byte Swap 2按钮进行转换(未转换前的图像如下图示)。tran04.jpg (24.91 KB)2007-9-15 23:25出现这种现象是因为Intel/Linux和Sun/SGI系统使用的数字内码的不同。另外，在窗口上部需填写一些信息，左面为数据集的轴向信息，中间为体素(像素)和视野的大小，右面为每一轴向第一层面的位移。轴向信息可由查看图像窗口获知(横跨屏幕的为x轴,上下方向为y轴, z轴可通过滑动图像窗口下部的slider确定)；体素和体素大小及层面位移需根据实验日志填写。 对于3D(SPGR)像，选择i
25、rregular(即x,y,z各不同)；对于功能像(EPI)和解剖(SE)像，选择square(即x=y,需填写z方向体素大小)。(3) 使用to3d创建功能数据集(EPI) 功能数据集是EPI 3D+time数据集。需要指定一些参数才能运行，命令行如下：to3d time:zt nz nt TR tpattern(e.g. to3d time:zt 20 299 2s altplus)*笔者注：层面通常先以space (z)排序，再以time (t)排序；-time:zt就表示如此，20为全脑的层面数，299为时间序列的帧数(时间点数或TRs)；根据实验具体参数略有不同。2s为重复时间(TR
26、)，如果填写0，则为从头信息读取。altplus为数据获取方式，可分为正向间隔获取(altplus/alt+z)、逆向间隔获取(altminus/alt-z)、正向顺序获取(seqplus/seq+z)、逆向顺序获取(seqminus/seq-z)和同时获取(simult)等。其它的包括zero(3D扫描)和filename时间模式包含在文件中)。其中alt为alternatively, seq为sequentially。(对于排列方式未知的图像，可用aiv命令查看)另X轴方向应设为右到左(R-L)；Y轴设为从前到后(AP)；Z轴设为从下到上(IS)(RAI坐标系)。AFNI并不能识别左右侧，
27、因此对新机器或左右侧信息对研究具有重要意义的数据，在采集时做标记，如在左侧贴上几颗鱼肝油丸。设置好各参数后，选择Save Dataset将出现下面的窗口： 窗口中指出奇异值(outliers, 即与同一时间序列中其它数据点显然不同的值)；通常早期的outlier可能是长轴磁场饱和至稳态值之前的瞬时效果导致；而以后的则可能由头动、scanner故障导致。5.3 功能像层面时间校正和运动校正(1) 时间校正对于一个给定的脑体积，每个层面图像获取时间稍有不同。层面的精确时间依赖于成像的设置。通常，层面以顺序获取，或以隔行获取(偶数行先获取，然后再奇数行)的方式进行。尤其是在后者，相邻层面的时间位移将
28、导致相邻层面的信号变化显著，尤其是在事件相关实验设计中。虽然，这样的差异不会影响个别的体素分析，但任何涉及层面间功能时间序列平均、插值的处理过程将会受层面时间差异的影响。这些处理过程包括3维空间平滑、cluster平均、运动校正以及空间标准化(e.g. to Talairach space)。当对功能数据集进行任一上述处理时，就需要对层面时间差异进行校正。在AFNI中，可以使用命令3dTshift实现，但一个更简单地方法就是在进行运动校正时使用-tshift选项(见下面的例子)。时间校正在运动校正前进行，因为运动校正涉及邻近层面的插值，如果邻近层面存在时间差异会使插值不准确。Usage: 3d
29、Tshift options dataset将输入数据集的体素时间序列进行移位，从而使各层面对齐到相同时间原点(temporal origin)。默认地，使用头文件中的层面间移位信息(slice-wise shifting information)(由to3d程序输入的”tpattern”信息)。 插值(interpolate) 方法: 去除趋势(detrend) 恢复趋势(retrend) 输入数据集可以接一个子数据块选择器(参考3dcalc help)输出数据集时间序列将重新插值至新的时间格(temporal grid)，这也许不是分析数据的最好方法，但非常便利。注意：* 请注意混叠(al
30、iasing)现象：超过1/(2*TR)以上的频率不能被正确的插值。对于绝大多数3D fMRI数据，这意味心率和呼吸频率不能在该程序中被正确的处理。* 对于高速fMRI 成像的开始的图像通常与较后的图像具有不同的质量，因为纵向磁化至稳态值之间的瞬时效果(如前所述的outlier)。这些图像应该不要包括在插值范围内。举例，如果你希望排除刚开始的4个图像，那么输入的数据集应按prefix+orig4.$形式指定。或者，可以使用-ignore ii选项。* 最好在3dvolreg之前使用3dTshift。Options:-verbose = 在程序运行的时候显示一些信息-TR ddd = 用ddd
31、作为TR值, 而不使用包含在数据集头信息内的值。可以附后缀 s 或 ms 分别表示秒和毫秒-tzero zzz = 配准每个层面的时间们移为 zzz; zzz 值必须介于最小和最大位移之间 注: 默认配准时间为tpattern 值均值(来自数据集头信息或-tpattern选项)-slice nnn = 配准每个层面的位移为 nnn 层面的时间位移 注：选项-tzero或-slice只能用1个-prefix ppp = 用 ppp 作为输出文件的前缀。默认是tshift-ignore ii = 忽略最前面ii 个时间点(points)(默认ii=0)。最初的ii个值在输出文件中不发生改变 (不管
32、-rlt选项)；也不会用于detrending 和time shifting-rlt or rlt+ = 在位移前，去除每个时间序列的均值和线性趋势。默认在位移后再加回这些值。 -rlt表示在输出中去除这些值；而-rlt+表示在输出中只加回均值。-Fourier|linear|cubic|-quintic|heptic表示采用傅立叶或一、三、五、七次拉格郎日多插项插值方法-tpattern ttt = 使用ttt 作为时间模式, 而不采用输入的数据文件头信息中包含的时间模式。 tpatter的定义可以为altplus(=alt+z), altminus(=alt-z), seqplus(seq
33、+z), seqminus(seq-z), filename举例：如果nz = 5, TR = 1000, 那么inter-slice time为dt = TR/nz = 200。在这个例子中，层面位移为下列数字： S L I C EN U M B E RTpattern 0 1 2 3 4 Commentaltplus 0 600 200 800 400 Alternating in the +z directionalt+z2 400 0 600 200 800 Alternating, but starting at #1altminus 400 800 200 600 0 Altern
34、ating in the -z directionalt-z2 800 200 600 0 400 Alternating, starting at #nz-2 seqplus 0 200 400 600 800 Sequentialin the -z directionseqplus 800 600 400 200 0 Sequentialin the -z direction如果使用filename作为tpattern, 那么nz个以ASCII码存储的数字从文件中读取，并作为每个层面的时间位移(offsets)。输入数据集可以是：r1+orig3.5 sub-brick selectorr
35、1+orig sub-range selectorr1+orig3.5 both selectors3dcalc( -a r1+orig -b r2+orig -expr 0.5*(a+b) ) calculation(2) 运动校正将不同方式和不同时间获取的图像进行对齐，从而利于体素-体素(voxel-by-voxel)比较。这样功能时间序列将更少地受被试运动的影响；如果图像正确的校正的话，可以比较不同session的结果。绝大多数图像校正都使用pairwise alignment方法。即给出一个基准图像(base image)J(x)和一个要进行校正的图像(target image)I(x
36、)，寻找一种几何变形(geom. transformation)Tx，使得I(Tx)J(x)。Tx依赖于一些参数：目标是寻找一些参数使得变换后的I与J最拟合。为校正整个时间序列，每个3D Volume In(X)都通过自己的变换TnX进行与J(x)配准，n=0,1,；所以结果也是一个时间序列In(TnX)，用户必须选择基准图像J(x)。绝大多数图像校正都需进行3种算法选择：如何测量I(Tx)和J(x)之间的误差E？如何调正Tx的参数使得E最小？如何对I(Tx)进行插值至J(x)的网格(grid)？在fMRI图像处理过程中，刚体模型配准问题可以分为两步：(1)刚体模型：首先通过迭代法估计出描述空
37、间坐标之间变换参数的最佳值，然后用这些参数对需要配准的图像进行空间变换和必要的内插处理。(2) 图像重取样(re-sample)：图像重取样是决定变换到新的空间坐标之后每个体元的值。经过变换之后的体元位置大多数情况下不是正好一个体元位置，所以需要通过插值法重新取样。方法包括取最相邻体元的值(0阶重取样)或多点线性插值(一阶重取样)。几种插值方法可以使用，默认的是Fourier，最准确但速度最慢。其它的有1, 3, 5, 7次拉格郎日多项式插值(linear, cubic, quintic and heptic)。目前的AFNI程序通过灰度(强度)值进行图像的配准。E=平方差的加权和= Sx w
38、(x) I(Tx) - J(x)2EPI, 但SPGR和EPI之间不行。SPGR, EPI所以只对类似的图像可以进行配准，如SPGR 3D RegistrationPlugins3dvolreg或Define Datamode 用来对3D volume(sub-brick)进行对齐。Tx有6个参数：R-L, A-P, I-S轴的位移及沿I-S, R-L, A-P轴的旋转(分别对应于Roll, Pitch, Yaw)。常用于session内(intra-session)和session间(inter-session)的对齐。对于发生在单个TR(2-3s)内的运动则无法校正。Usage: 3dvo
39、lreg optinos datasete.g. 3dvolreg -base 4 -heptic -clipit -zpad 4 -prefix fred1_epi_vr -dfile fred1_vr_dfile fred1_epi+orig-base 4 选择输入数据集(fred1_epi+orig)的子数据块(sub-brick) #4作为基准图像J(x) 也可以写成-base fred1_epi+orig4。可以使用不同的图像作为基准图像，但大多数情况下， 但最好使用最靠近解剖像扫描的时间点，因为这时描扫参数相似。-heptic 选择7次拉格郎日多项式插值方法(见前述)-clipit
40、 将负的体素值设为0(注：负值是由于高次插值方法导致的伪影)-zpad 4 在进行shift/rotation前，将每个耙图像(target image, 即I(x)垫0四层(Zero padding)，最后再去掉。对于Fourier插值法，Zero padding非常需要。同样多项值插值方法也适合，因为如果有较大的旋转，如果不垫0的话将会有数据丢失-prefix fred1_epi_vr 指定输出文件的前缀-dfile fred1_vr_dfile 将估计的运动参数输出至指定的1D 文件(以后可使用1dplot绘图显示) 为查看是否有较大的平移和旋转，可以查看运动参数文本文件： 1dplot -volreg -dx 5 -xlabel Time fred1_vr_dfile1.6 ( 1.6 指出运动参数文件中6 列包括平移和旋转的估计值)sixdim.jpg (41.95 KB)2007-9-15 23:39 可以看出，在160s附近有最大的运动，因为被试在此时刻头动了一下。3dvolreg可以相当好地处理小的运动(motion)，但是较大的运动 ( 1mm) 不能被正确地校正。可以用AFNI查看运动校正后的数据集看是否是这样。时间序
