基于下面这份ppt：Comparing SPM and FSL， by lChris Rorden
|
1
|
fsl & spm都是免费的，都很受欢迎。spm更受欢迎。
|
|
1
|
两者的区别在于何时利用normalise 归一化操作。
|
|
1
2
|
二者的头动矫正算法是不同的：
spm是基于variance指标，fsl是基于normalised correlation 指标。<br>spm的头动，包含非刚体变换unwarp操作。<br>fsl的会将头动参数传递给feat的统计模型中。<br>spm的头动矫正，sophisticated（好，但是复杂），并且耗时。<br>这两种技术都可以去除噪声，但是在与头动相关的研究中，也会带来问题，reduce power。
|
|
1
|
slice timing 越来越鸡肋了，所以在fsl中，索性就基本不用了。
|
|
1
2
3
|
平滑，二者基本是相似的：
fsl & spm都应用了空间平滑，高斯平滑核。
在时域平滑时，是可选的。根据后面的统计需要进行。
|
|
1
2
3
|
fsl较spm更鲁棒，
spm在good dataset情况下，能取得较好的结果。
所以，应用fsl会导致较多的残差。
|
|
1
2
3
|
归一化分两种：
直接
间接
|
|
1
|
fsl & spm 默认使用的配准（归一化）模板是不一样的，spm是基于一个T2 模板，而fsl是基于T1模板。
|
FSL 使用 FLIRT (FMRIB's Linear Image Registration Tool) 这一工具进行配准。
|
1
|
spm5及以上，使用了一种更牛逼的方法，就是进行对T1图像进行组织分割，把分割后的灰质、白质映射到模板空间中。
|
|
1
2
3
|
个体统计：
spm & fsl 都使用了glm来进行分析
spm & fsl 的hrf函数建模结果使不同的。
|
本文转自二郎三郎博客园博客，原文链接：http://www.cnblogs.com/haore147/p/3630915.html，如需转载请自行联系原作者
