<div dir="ltr"><div>Thank you for your answer.</div><div><br></div><div>>   you probably never want to do searchlight SVM on truly "raw" data -- at<br>>   least motion correction etc should be done ;)</div><div><br></div><div>Sorry for my mistake. By raw data, I mean preprocessed data, without smoothing the data.</div><div><br></div><div>>   nothing should change for your code -- just load from your .nii.gz with<br>>   beta values (the same fmri_dataset, can give it a list of filenames with<br>>   betas), assign targets/chunks, might want to do zscoring or not<br>>   depending on how many categories and total # of betas etc, and do<br>>   whatever you were doing on "raw" data.</div><div><br></div><div>I have done it! I loaded beta values and did searchlight SVM based on the <a href="http://www.pymvpa.org/examples/searchlight.html">example</a> on PyMVPA site. The following is my code:</div><blockquote class="gmail_quote" style="margin:0px 0px 0px 0.8ex;border-left:1px solid rgb(204,204,204);padding-left:1ex"><div>from mvpa2.suite import *<br><br>if __debug__:<br>    debug.active += ["SLC"]<br><br>for i in range(1,321):<br>    ds = fmri_dataset('beta_0'+str(i)+'.nii','mask.nii')<br>    datasets.append(ds)<br><br>dataset = vstack(datasets, a=0)<br><br><a href="http://dataset.sa">dataset.sa</a>['targets'] = #My Target<br><a href="http://dataset.sa">dataset.sa</a>['chunks'] = #My Chunk<br><br>fds = dataset.copy(deep=False,<br>                sa=['targets', 'chunks'],<br>                fa=['voxel_indices'],<br>                a=['mapper'])<br><br># choose classifier<br>clf = LinearNuSVMC()<br><br># setup measure to be computed by Searchlight<br># cross-validated mean transfer using an N-fold dataset splitter<br>cv = CrossValidation(clf, NFoldPartitioner())<br><br># setup plotting parameters (not essential for the analysis itself)<br>plot_args = {<br>    'background' : os.path.join(highrespath, 'structure.nii'),<br>    'overlay_mask' : os.path.join('mask.nii'),<br>    'do_stretch_colors' : False,<br>    'cmap_bg' : 'gray',<br>    'cmap_overlay' : 'autumn', # YlOrRd_r # pl.cm.autumn<br>    'interactive' : cfg.getboolean('examples', 'interactive', True),<br>    }<br><br>for radius in [1, 3]:<br>    # tell which one we are doing<br>    print "Running searchlight with radius: %i ..." % (radius)<br><br>sl = sphere_searchlight(cv, radius=radius, space='voxel_indices', postproc=mean_sample())<br><br>sl_map = sl(fds)<br>sl_map.samples *= -1<br>sl_map.samples += 1<br><br>niftiresults = map2nifti(sl_map, imghdr=dataset.a.imghdr)<br><br>fig = pl.figure(figsize=(12, 4), facecolor='white')<br>subfig = plot_lightbox(overlay=niftiresults,<br>                        vlim=(0.5, None), slices=range(23,31),<br>                        fig=fig, **plot_args)<br>pl.title('Accuracy distribution for radius %i' % radius)</div></blockquote><div><br></div><div>but when I run my code, I get the following message:</div><blockquote class="gmail_quote" style="margin:0px 0px 0px 0.8ex;border-left:1px solid rgb(204,204,204);padding-left:1ex"><div>[SLC] DBG:                        +0:04:48 _______[0%]_______ -347+16:07:18  ROI 2 (2/208302), 57 features</div></blockquote><div><br></div><div>I think it takes time more than usual and I think something is wrong in my code, but I do not know what is wrong with it.</div><div>Would you please help me? <br></div></div>