关于fmri数据分析的两大类，四种方法：
数据驱动：
- tca：其实这种方法，主要是提取时间维的特征。如果用它来进行数据的分析，则必须要利用其他的数据方法，比如结合ICA。
- ica：作为pca的一般化实现。是一种结构化的方法，就像和小波、傅立叶类似。只不过，比他们要更一般化。小波和傅立叶主要是在频率域做分析，而ica提取出的成分是统计独立的。这些成分，可以理解为本质上有是独立的成分。这就已经超越了频域相同的范畴，更加一般化了。
- 聚类：什么意思呢。先找指标，特征。然后，剩余的方法，就完全和老冯的属性论，定性映射是相仿的。就是根据欧氏距离来判断，二者是否属于一类。
模型驱动：基于spm的glm模型，这种方法，采用了hrf对block数据进行了卷积，然后将得到的waveform与大脑的生理测量数据进行拟合。最后，利用t-test or f-test进行拟合的判别。