1.Bonferroni校正：用0.05除去多重比較的數目，得到一個比較低的閾限。（苛刻，只在數目比較少時用）
2.錯誤發現率（False Discovery Rate，FDR）校正：將所有樣本（voxel）的p值進行從小到大排序，找到第n個p值超過n*0.05/N。如果樣本里p值低的voxel數量越多，n就越大，最終校正的p也越高（接近0.05），設想如果所有的p值都小於0.05，那么n=N，校正的p還是0.05；如果只有1個p值很小，那么校正的p=0.05/N，就是經典的bonferroni校正。
3.cluster分析：采用蒙特卡洛的方法生成零分布，foci（坐標，應該是和真是坐標數目相同）隨機分布在全腦中，每一次都會有一個全腦的激活圖，經過非矯正或者FDR的閾限后，把cluster的最大值取出作為一個case，然后隨機有多少次就有多少個這樣的case，構成了null distribution。然后比較實際的激活結果里面的cluster和這個分布中前5%大的cluster（cluster閾限），去掉小於null分布前5%的cluster，就是cluster校正的結果。所以voxel有一個閾限設定，cluster也有一個閾限設定
4.Permutation校正：通過對條件和具體值進行任意的匹配，得到的是一個隨機分布的零分布，考察得到的真實數據在這一分布中的位置，進行一個排序（permutation），如果在分布的兩極（單側5%或者雙側2.5%），則認為真實數據不屬於隨機的零分布，而是符合預期的假設