fMRI 脳機能画像解析のメモ

fMRI 脳機能画像解析の主な目的は、脳のある機能と相関の高い部位を同定することである。

fMRI 脳機能画像解析の大まかな流れ

  1. 位置補正 (realignment)
  2. 標準化 (normalisation)
  3. 平滑化 (smoothing)
  4. 一般線形モデル (general linear model)
  5. 統計的推論 (statistical interface)

前処理

脳画像の前処理の目的

  1. 信号対雑音比の向上
  2. グループ解析やデータ間の比較を可能にする

参考URL

位置補正

計測中に頭が動くので、その動きによるノイズの除去を目的とした補正である。
頭のズレは、左右(x)、前後(y)、上下(z)方向、pitch(頷く・見上げるの回転方向)、yaw(左右を見る回転方向)、roll(首を傾げる回転方向)の6方向の偏位を求める。

このズレは、アフィン変換で記述できる。

基本的に最初に撮像したボリュームに合わせるように、2番目以降(TR)の各撮像画像に対してアフィン変換を行い、頭の動きによる雑音を除去する。

標準化

すべての人の脳は、他の人の脳とは少し異なります。脳の大きさと形状は異なります。
各被験者のデータを標準脳に合わせて大きさと形を同じにして、同じ座標のボクセル同士が対応できるようにする。

アフィン変換と離散コサイン変換など

平滑化

雑音の多いfMRIデータにガウスフィルターを適応する。
fMRIデータは雑音が多い上に、標準化でさらに雑音が混入する。それらの雑音を除去するために、平滑化を行う。SPMでは、ガウスフィルターによる平滑化が行われる。この平滑化では、ガウス分布と各データを畳み込むことで、データを平滑化する。
平滑化の度合いは、半値幅(Full Width at Half Maximum:FWHM)で指定される。これは、最大値の半分の位置でのガウス分布の幅を表している。
つまり、ガウス分布の標準偏差(σ)を指定することになる。

平滑化の手順
平滑化に用いるガウス分布の半値幅を指定する
作成したガウス分布の平均の位置を求めて、ボクセルの位置に合わせる
ガウス分布とボクセルデータを掛け合わせる
2.と3.を繰り返す

モデル選択と推定

一般線形モデル

各ボクセルごとにfMRIデータが得られる。このデータは、時系列データである。
各ボクセルごとに統計的処理を行う。

実験課題を行なっている(タスク)と、行なっていない(レスト)のfMRIデータの差を取るのが最も簡単である。しかし、これだけでは、雑音が付加されて、正しい賦活部分が得られない場合がある。そこで、統計的処理が必要になる。
SPMでは、賦活を推定するためのモデルを仮定し、fMRIデータからそのモデルのパラメータを推定する。

fMRIの場合
y(被説明変数)は、fMRIのデータ
x(説明変数)は、課題のON/OFFつまり、タスクとレストになるが、これを1/0で表現する
βは、回帰係数

実際に観察されたfMRIデータとの差が最小となるように線形しきの係数を求め、統計的検定を行う。

統計的推論

各ボクセルを標本データとしてボクセルの補正を行う。

参考

http://miykael.github.io/nipype-beginner-s-guide/neuroimaging.html


脳機能画像解析入門CD-ROM付SPMでfMRI,拡散テンソルを使いこなす

おすすめ