產生的一系列文件中：
https://www.bilibili.com/video/BV1U5411s7kg?p=3 嚴老師視頻
（1）頭動矯正 其中FD_Jenkinson最好
下面這個是很早以前用來排除被試的，現在不用了，現在都用meanFD排除
HeadMotion.tsv: 顯示最大或平均頭動，mean FD,...一般使用 mean FD后面做統計分析
（2）Reonent Fun和Reonent T1用於質量控制，調整位置到前聯合（空間的原點） 自己可以打分
（3）AutoMask
有的被試被掃的面積沒有覆蓋到全腦，用來檢驗蓋住的多少，
（4）T1 DICOM to NIFTI：
dicom的結構像轉成nifti
（5）Bet： 結構像和功能像配准之前去除頭皮干擾
具體步驟：先bet去除頭皮干擾，然后結構像去配准功能像，后再應用到之前未去頭皮的結構像，再去segment分割（帶着頭皮分割效果好，bet也有可能損傷）
（6）T1 Coreg Fun：結構像配到功能像空間
（7）segment：把大腦的結構像分割成灰質、白質和腦脊液，是老的segment不用
用new segment+DARTEL： 36min
segment生成的結果：
（8）Nuisance Covariates Regression：去除噪聲
Polynomial trend:1 去除線性漂移
Head Motion model: 用Friston 24 做頭動矯正
。。。
（9）Normalize 空間配准
意義：將很多被試者的大腦配到一個標准的模板上面，才能對相同的東西進行比較，如pcc
方法：1.EPI模板 2.T1先對T1分割成白質灰質腦脊液，再用到功能圖像上去 3.DARTEL：用的最多
45min DARTEL：基於分割結果，基於100個被試的group ，，再把這個模板配到MNI空間 費時。。
smooth：提高配准效果 注：計算reho、degree前不要用smooth！
Default mask：基於腦內的體素進行
至此，所有的預處理步驟選擇完畢！！！ （只進行預處理的話，下面所有的一切全都不用選了）
數據分析：