多重比较校正在功能影像学中的研究中非常重要，但这个问题其实是一个统计学问题。
当我们在进行假设检验的时候，需要设定当P<0.05为统计学差异显著。这个0.05是Ⅰ类错误，也就是这一次假设检验中犯Ⅰ类错误（假阳性）的概率是0.05。那么，当我们进行2次独立的假设检验的时候，其中有一个犯错的概率就是1-（1-0.05）2=0.0975，犯错概率变高。在激活分析中，每个通道都要做假设检验，当通道数是40时，则有一个犯错的概率就是1-（1-0.05）40=0.8715，实际上整体假阳性率已经从0.05升到0.8了，这个值是不能接受的。如果做功能连接，40个通道间的功能连接都要做组水平的假设检验，那么共要做约200次，1-（1-0.05）200=0.9999，其中一个犯错的概率几乎是100%。
为了解决多次假设检验高犯错率的问题，就需要进行多重比较校正。
多重比较校正中最简易最好理解的方法就是降低P的值，将整体的犯错概率限制为0.05，再反推单次假设检验的p阈值，这就是经典的Bonferroni校正。那么假设进行40次多重比较校正，P值应该设定为0.05/40=0.00125；200次时P值应该设定为0.05/200=0.00025；显然这种方法虽然能够减少假阳性率，但是过于苛刻。
目前用的较多的多重比较校正方法是FDR校正，FDR校正的原理较为复杂，目前网络上有很多解释的帖子可以参考学习。