Embed Size (px)
Citation preview
Labo 2
RAD-6005 INTRODUCTION À L’IRMF
Josiane Bourque, Candidate au PhDCentre de recherche du CHU Sainte-JustineUniversité de Montréal
5 laboratoires Laboratoire 1 – Introduction & prétraitements de données
Laboratoire 2 – Prétraitements + Le modèle linéaire général (GLM)
Laboratoire 3 – Analyse intra- et inter-sujets
Laboratoire 4 – Visualisation des données et identification des régions
Laboratoire 5 – Analyses exploratoires vs régions d’intérêt
Examen 25%
PLAN DES COURS PRATIQUES
ÉTAPES DES ANALYSES
Étapes principalesPrétraitement
Correction du mouvement Correction temporelle Normalisation (coregistration, segmentation,
normalisation) Lissage spatial
Le modèle linéaire général (GLM) Analyse intra-sujet
Extraire l’activité reliée à chacune des conditions de la tâche
Analyse inter-sujet Stats de groupe sur l’activité reliée à la condition
RETOUR SUR LE PRÉTRAITEMENT
Fonctionnel brut
Anatomique
Correction du mouvement
Coregistration
Segmentation
Normalisation
Lissage spatial
mean
w…. .nii
sw…. .nii
y_… .nii
…. .nii
…. .nii
AJOUT D’UNE ÉTAPE
Fonctionnel brut
Anatomique
Correction du mouvement
Coregistration
Segmentation
Normalisation
Lissage spatial
mean
wa…. .nii
swa…. .nii
Correction temporelle
a…. .nii
…. .nii
…. .nii
y_… .nii
ACQUISITION DES TRANCHES
Ascendante
Descendante
L’acquisition de la dernière tranche se fait un TR plus tard que la 1re
Entre-croisées
ACQUISITION DES TRANCHES
Pour nos analyses, on assume que dans chacun des volumes, l ’ensemble des voxels sont acquis au même moment
Étant donné que chacune des tranches est acquise à des temps diff érents dans un même TR, la réponse hémodynamique dans chacune de ces tranches va avoir une évolution diff érente.
LE PROBLÈME
Tranche 47
Tranche 1
Réponse hémodynamique (signal)
http://fsl.fmrib.ox.ac.uk/fslcourse/lectures/feat1_part1.pdf
Qu’on appelle le slice-timing correction
Ce que la correction temporelle fait: pour chacun des tranches, on examine la réponse hémodynamique pour la déplacer un peu, en se basant sur la réponse hémodynamique obtenue pour les tranches qu’on a acquis au temps 0; pour nous donner une RHD qu’on aurait obtenu si on avait acquis tous les tranches au même temps exactement.
CORRECTION TEMPORELLE
Concrètement ……..
CORRECTION TEMPORELLE
http://neurometrika.org/BasicFMRI_Montreal
Accélérer le prétraitement et les analysesFaire toutes les étapes au même momentEt juste laisser rouler …
Important de quand même faire notre contrôle qualité !
BATCH
Ce n’est rien de plus qu’une technique statistique pour estimer la “force” de notre activation pour chaque voxel, et ce en tenant compte de nos conditions de tâche
En fait, ce n’est rien de plus que l’équation d’une régression linéaire
MODÈLE LINÉAIRE GÉNÉRAL
Y = x*1 +
MODÈLE LINÉAIRE GÉNÉRAL
Y = X * β + ε
Données observées:
Y représente le signal BOLD enregistré pour chaque voxel à travers le temps
Prédicteurs:
Design événementiel(nos conditions d’intérêt)Les facteurs qu’on pense qui vont contribuer à nos données (y)
Paramètres:
Contribution de chaque composante du design événementiel (condition) pour la valeur de Y, soit le signal BOLD enregistré; estimé afin de minimiser l’erreur
Erreur:
Différence entre la valeur observée, le signal BOLD, et la valeur prédite par le modèle Xβ.
Tout ce qui n’est pas comptabilisé par le modèle
Ce que l’on veut estimer
LE MODÈLE LINÉAIRE GÉNÉRAL
Y = X . β + εDonnées observées Prédicteurs /
Design événementielParamètres Erreur
http://neurometrika.org/BasicFMRI_Montreal
Est-ce qu’il y a un changement dans la réponse BOLD (mesurée par l’IRM) entre le repos et la tâches?
Est-ce que β est différent de 0 ?
Le β ou la pente du modèle est la quantité de changement du signal pour tout changement de x (prédicteur)
LE MODÈLE LINÉAIRE GÉNÉRAL
Y11 Y12
Y21 Y22
Y31 Y32
Yn1 Yn2
=X11 … X12 … X13
X21 … X22… X23
X31 … X32 … X33
Xn1 … Xn2 … Xn3
β1
β2
β3
+ε1 …..
ε2 ……
ε3 ……
εn ……
voxels
Tim
e
poin
ts
Tim
e p
oin
ts
paramètres
Tim
e
poin
ts
Y Xβ
ε+= *
voxels
tim
e
tim
e
voxels
tim
e
voxelsparamètre
paramètre
voxelsvoxel
s
GLM: des statistiques de mesures répétées. On utilise des mesures répétées pour extraire la moyenne de la réponse (activité) pour chacun des sujets pour chacune des conditions.
« Time series regression ». Le temps est toujours emboîté dans notre modèle
GLM
MATRICE DU MODÈLE - SPM
RÉCAPITULATIF
Y = X . β + ε
Calculé par la machine IRM
Conditions de notre tâche,
Donc ceci est généré par nous
SPM va estimer les valeurs de ces paramètres qui mènent aux plus petites valeurs d’erreurs
Ce que SPM calcule avec le modèle
GLM – SPÉCIFICATION DU MODÈLE
Matrice événementielle, design événementiel, conditions …
- Ce sont tous la même chose
Quand vous scannez, vous devez générer un fichier de sortie qui vous permet de savoir quelle condition a été présentée, mais surtout quand elle a été présentée.
Vous êtes responsables de générer ces fichiers ( voir avec votre logiciel de présentation…)
Avec vos fichiers de sortie, vous devez être capable de repérer: - la condition- le temps de début de présentation (onset time)- la durée de présentation de la condition (duration)
NOS PRÉDICTEURS - CONDITIONS
Stop-signal task On demande de répondre sur un bouton à chaque lettre O
ou X. Quand un apparaît, on demande de ne pas répondre
LA TÂCHE D’AUJOURD’HUI
XX
O
O
Conditions:- Go success- Go wrong- Stop failure- Stop success- Rest
X
X
DESIGN ÉVÉNEMENTIEL
Exemple d’un fichier de sortie….
