产生的一系列文件中：
https://www.bilibili.com/video/BV1U5411s7kg?p=3 严老师视频
（1）头动矫正 其中FD_Jenkinson最好
下面这个是很早以前用来排除被试的，现在不用了，现在都用meanFD排除
HeadMotion.tsv: 显示最大或平均头动，mean FD,...一般使用 mean FD后面做统计分析
（2）Reonent Fun和Reonent T1用于质量控制，调整位置到前联合（空间的原点） 自己可以打分
（3）AutoMask
有的被试被扫的面积没有覆盖到全脑，用来检验盖住的多少，
（4）T1 DICOM to NIFTI：
dicom的结构像转成nifti
（5）Bet： 结构像和功能像配准之前去除头皮干扰
具体步骤：先bet去除头皮干扰，然后结构像去配准功能像，后再应用到之前未去头皮的结构像，再去segment分割（带着头皮分割效果好，bet也有可能损伤）
（6）T1 Coreg Fun：结构像配到功能像空间
（7）segment：把大脑的结构像分割成灰质、白质和脑脊液，是老的segment不用
用new segment+DARTEL： 36min
segment生成的结果：
（8）Nuisance Covariates Regression：去除噪声
Polynomial trend:1 去除线性漂移
Head Motion model: 用Friston 24 做头动矫正
。。。
（9）Normalize 空间配准
意义：将很多被试者的大脑配到一个标准的模板上面，才能对相同的东西进行比较，如pcc
方法：1.EPI模板 2.T1先对T1分割成白质灰质脑脊液，再用到功能图像上去 3.DARTEL：用的最多
45min DARTEL：基于分割结果，基于100个被试的group ，，再把这个模板配到MNI空间 费时。。
smooth：提高配准效果 注：计算reho、degree前不要用smooth！
Default mask：基于脑内的体素进行
至此，所有的预处理步骤选择完毕！！！ （只进行预处理的话，下面所有的一切全都不用选了）
参考链接：https://www.cnblogs.com/Hello-Vivi/p/16001978.html