fsl & spm都是免费的，都很受欢迎。spm更受欢迎。

两者的区别在于何时利用normalise 归一化操作。

二者的头动矫正算法是不同的：

spm是基于variance指标，fsl是基于normalised correlation 指标。
spm的头动，包含非刚体变换unwarp操作。
fsl的会将头动参数传递给feat的统计模型中。
spm的头动矫正，sophisticated（好，但是复杂），并且耗时。
这两种技术都可以去除噪声，但是在与头动相关的研究中，也会带来问题，reduce power。

slice timing 越来越鸡肋了，所以在fsl中，索性就基本不用了。

平滑，二者基本是相似的：

 fsl & spm都应用了空间平滑，高斯平滑核。

在时域平滑时，是可选的。根据后面的统计需要进行。

fsl较spm更鲁棒，

spm在good dataset情况下，能取得较好的结果。

所以，应用fsl会导致较多的残差。

归一化分两种：

直接

间接

fsl & spm 默认使用的配准（归一化）模板是不一样的，spm是基于一个T2 模板，而fsl是基于T1模板。

spm5及以上，使用了一种更牛逼的方法，就是进行对T1图像进行组织分割，把分割后的灰质、白质映射到模板空间中。

个体统计：

spm & fsl 都使用了glm来进行分析

spm & fsl 的hrf函数建模结果使不同的。