關於fmri數據分析的兩大類，四種方法：
數據驅動：
- tca：其實這種方法，主要是提取時間維的特征。如果用它來進行數據的分析，則必須要利用其他的數據方法，比如結合ICA。
- ica：作為pca的一般化實現。是一種結構化的方法，就像和小波、傅立葉類似。只不過，比他們要更一般化。小波和傅立葉主要是在頻率域做分析，而ica提取出的成分是統計獨立的。這些成分，可以理解為本質上有是獨立的成分。這就已經超越了頻域相同的范疇，更加一般化了。
- 聚類：什么意思呢。先找指標，特征。然后，剩余的方法，就完全和老馮的屬性論，定性映射是相仿的。就是根據歐氏距離來判斷，二者是否屬於一類。
模型驅動：基於spm的glm模型，這種方法，采用了hrf對block數據進行了卷積，然后將得到的waveform與大腦的生理測量數據進行擬合。最后，利用t-test or f-test進行擬合的判別。