丁瑞已經大致說明了實際跑出來的結果,
我再簡要補充解釋一下它的內涵。
AlphaSim校正方式主要是基於Monte Carlo 模擬,
當你設定每個voxel p value threhold為某值(例如在上例中是0.005),
在null hypothesis時,根據你的brain mask所使用的實際voxel總數,
隨機會產生某個大小的cluster的機率 (也就是type I error, alpha)
由於它是用模擬的方式不斷重覆抽樣去計算alpha值,因此叫做AlphaSim。
而在模擬的過程可以調整許多參數,例如iterations是模擬抽樣的次數,
在上例中是1000次,其實有點少,
可以試著做10000次或更多,會比較精準,但就會模擬比較久的時間。
你也不一定要給它brain mask, 而指定x, y, z三個方向的voxel size & number,
以及spatial smoothing的FWHM等等。
然而早期AlphaSim程式有一些小bug,去年的這篇paper引起喧然大波:
http://www.pnas.org/content/early/2016/06/27/1602413113各大媒體用非常聳動的標題,
質疑過去15年間所有fMRI的4萬篇研究論文有很多都受到影響。
其實學界討論是認為沒有那麼嚴重,AFNI團隊也早就修改了這個bug
而且建議最好使用另一個程式3dClustSim:
https://afni.nimh.nih.gov/pub/dist/doc/program_help/3dClustSim.html我個人認為只要小心使用就沒問題。
陳德祐敬上