Функционалдық нейросуреттерді талдау үшін AFNI бағдарламалық кешені
Analysis of Functional NeuroImages
AFNI – функционалдық МРТ деректерін өңдеуге арналған ашық кодты бағдарлама. Ми қызметін картаға түсіру, визуалдау және пакеттік өңдеуге мүмкіндік береді.
Ағылшыншамен салыстырыңыз: абзацты басыңыз — түпнұсқа терезеде ашылады. Абзац астындағы EN түймесі оны мәтін ішінде көрсетеді.
Мазмұны
Кіріспе
Функционалдық нейросуреттерді талдау (AFNI) – функционалдық МРТ деректерін өңдеу және көрсетуге арналған ашық кодты орта, адам миының белсенділігін карталау техникасы. AFNI – бұл интерактивті түрде немесе икемді жинақталып, shell скрипті арқылы пакеттік өңдеу үшін пайдаланылатын бағдарламалар жиынтығы. AFNI термині бүкіл бағдарламалық пакетті де, көбінесе визуализация үшін қолданылатын нақты бір интерактивті бағдарламаны да білдіреді. AFNI-ді NIMH ғылыми және статистикалық есептеу орталығы белсенді түрде дамытып келеді және оның мүмкіндіктері үнемі кеңейіп келеді. AFNI, X11 және Motif кітапханаларын қамтамасыз ететін көптеген Unix сияқты операциялық жүйелерде жұмыс істейді, оның ішінде IRIX, Solaris, Linux, FreeBSD және OS X. Кейбір платформалар үшін алдын ала компиляцияланған бинарлық файлдар қолжетімді. AFNI зерттеу мақсатында GNU General Public License бойынша қолжетімді, ал құрамындағы SVM light компоненті коммерциялық емес және таратылмайды. 1995 жылғы бағдарламалық жасақтаманы әзірлеудің себептерін сипаттаған мақаласында Кокс фМРТ деректері туралы: «Жиналған деректердің көлемі өте зор, сондықтан нейроғылым зерттеушілері үшін 3D белсенділік карталарын визуализациялау және талдау үшін пайдалануға оңай құралдар болуы қажет» деп жазды. Осыдан бері AFNI, SPM және FSL қатарлы фМРТ зерттеулеріндегі ең көп қолданылатын талдау құралдарының біріне айналды. AFNI бастапқыда тапсырмаларды орындау үшін кең көлемді shell скрипттерін қажет еткенімен, алдын ала дайындалған пакеттік скрипттер мен графикалық интерфейстің (GUI) жақсаруы пайдаланушылардың аз скрипттеуімен талдау жасауға мүмкіндік берді.
Analysis of Functional NeuroImages (AFNI) is an open source environment for processing and displaying functional MRI data—a technique for mapping human brain activity. AFNI is an agglomeration of programs that can be used interactively or flexibly assembled for batch processing using shell script. The term AFNI refers both to the entire suite and to a particular interactive program often used for visualization. AFNI is actively developed by the NIMH Scientific and Statistical Computing Core and its capabilities are continually expanding. AFNI runs under many Unix like operating systems that provide X11 and Motif libraries, including IRIX, Solaris, Linux, FreeBSD and OS X. Precompiled binaries are available for some platforms. AFNI is available for research use under the GNU General Public License, the included SVM light component is non commercial and non distributable. In a 1995 paper describing the rationale for development of the software, Cox wrote of fMRI data: "The volume of data gathered is very large, and it is essential that easy to use tools for visualization and analysis of 3D activation maps be available for neuroscience investigators." Since then, AFNI has become one of the more commonly used analysis tools in fMRI research, alongside SPM and FSL. Although AFNI initially required extensive shell scripting to execute tasks, pre made batch scripts and improvements to the graphical user interface (GUI) have since made it possible to generate analyses with less user scripting.
Көрнекілендіру
AFNI-нің алғашқы ұсыныстарының бірі жеке мидың сканерлерін ортақ стандартты кеңістікке түрлендіру әдісін жақсартты. Әр адамның миы өлшем мен пішін жағынан бірегей болғандықтан, бірнеше миды салыстыру үшін оларды стандартты пішінге деформациялау (бұру, масштабтау және т.б.) қажет. Өкінішке орай, AFNI әзірленген кезде функционалдық МРТ деректері тиімді түрлендіру үшін тым төмен ажыратымдылыққа ие болды. Сондықтан зерттеушілер көбінесе бейнелеу сеансының басында алынған анатомиялық мидың жоғары ажыратымдылықтағы сканерлерін пайдаланды. AFNI зерттеушілерге функционалдық суретті анатомиялық сурет үстіне қоюға мүмкіндік береді, сондай-ақ оларды бір кеңістікте сәйкестендіруге арналған құралдарды ұсынады. Жеке анатомиялық сканерді стандартты кеңістікке деформациялау үшін қолданылатын процестер функционалдық сканерге де қолданылады, бұл түрлендіру процесін жақсартады. AFNI-де тағы бір мүмкіндік – Зиад Саад жасаған SUMA құралы. Бұл құрал пайдаланушыларға 2D деректерді 3D қыртыстың беттік картасына проекциялауға мүмкіндік береді. Осылайша зерттеушілер гирлер сияқты қыртыстың физикалық ерекшеліктерін ескере отырып, белсенділік үлгілерін қарастыра алады.
One of AFNI's initial offerings improved the approach to transforming scans of individual brains onto a shared standardized space. Since each person's individual brain is unique in size and shape, comparing across a number of brains requires warping (rotating, scaling, etc.) individual brains into a standard shape. Unfortunately, functional MRI data at the time of AFNI's development was too low resolution for effective transformations. Instead, researchers use the higher resolution anatomical brain scans, often acquired at the beginning of an imaging session. AFNI allows researchers to overlay a functional image to the anatomical, providing tools for aligning the two into the same space. Processes engaged to warp an individual anatomical scan to standard space are then applied also to the functional scan, improving the transformation process. Another feature available in AFNI is the SUMA tool, developed by Ziad Saad. This tool allows users to project the 2D data onto a 3D cortical surface map. In this way researchers can view activation patterns while more easily taking into account physical cortical features like gyri.
Суретті алдын ала өңдеу
"afni proc. py" - бұл алдын ала дайындалған сценарий, ол бір субъектінің fMRI деректерін бастапқы деректерден басталатын бірқатар алдын ала өңдеу қадамдарынан өткізеді. Стандартты параметрлер келесі алдын ала өңдеу қадамдарын орындайды және қарапайым регрессиялық талдаумен аяқталады:
"afni proc. py" is a pre made script that will run fMRI data from a single subject through a series of pre processing steps, starting with the raw data. The default settings will perform the following pre processing steps and finish with a basic regression analysis:
Слайд уақытын синхрондау: Әрбір 3D ми суреті бірнеше 2D суреттен, "слайдтардан" тұрады. Олар шамамен бір уақытта түсірілгенімен, алғашқы слайд пен соңғы слайд арасында бірнеше секундқа дейін айырма болуы мүмкін. Интерполяция арқылы слайдтар бір уақытқа келтіріледі. Әдетте, интерполяция қателернен туындаған кез келген шу, сигналдың жақсаруымен өтеді деп есептеледі. Қозғалысты түзету: Бас қозғалысы талдауда қателерге әкелуі мүмкін. Сканерлеу кезіндегі әрбір 3D түсірілім 3D торда жиналады, ал тор кеңістігінің әрбір кішкентай кубы, "воксель", бір сурет қарқындылығының мәнін көрсетеді. Идеалды жағдайда, воксельдер әрбір 3D суретте мидың бір бөлігін көрсетуі керек, бір суреттен екіншісіне өзгеруі тиіс емес. Шағын қозғалыс артефактілерін түзету үшін AFNI-дің қозғалысты түзету құралы сызықтық ең кіші квадраттар алгоритмін қолданады, ол сканерлеу кезінде алынған әрбір 3D суретті сканерлеу кезінде алынған алғашқы суретпен сәйкестендіруге тырысады. Тегістеу: Суреттегі кездейсоқ шуды ескеру үшін тегістеу ядросы қолданылады. Тегістеу суреттің сигнал-шу қатынасын арттыра алады, бірақ сурет ажыратымдылығын төмендетеді. Маска: fMRI суретінен бас сүйек сияқты миға жатпайтын аймақтарды жояды. Мөлшерлеу: әр вокселді масштабтау, сонда қарқындылықтың өзгеруі сканерлеу барысында сигналдың өзгеру пайызын көрсетеді. Стандартты параметрлер әр вокселдің орташа мәнін 100-ге теңестіреді.
Slice timing: Each 3D brain image is composed of multiple 2D images, "slices". Although acquired at approximately the same time, up to several seconds could separate the first slice acquired from the last. Through interpolation, the slices are aligned to the same time point. Generally, any introduced noise from interpolation errors is thought to be outweighed by improvements in signal. Motion correction: Head movements can create sources of error in the analysis. Each 3D acquisition in a scan is collected on a 3D grid, with each small cube of grid space, "voxel", representing a single image intensity value. Ideally, voxels will always represent the same part of the brain in each acquisition, rather than vary from one 3D image to the next. To correct small motion artifacts, AFNI's motion correction tool employs a linear least squares algorithm that attempts to align each 3D image acquired to the first image acquired in the scan. Smoothing: To account for random noise in the image, a smoothing kernel is applied. While smoothing can increase the signal to noise ratio of the image, it reduces image resolution. Mask: Removes any non brain areas, such as skull, from the fMRI image. Scale: Scale each voxel so that changes in intensity represent percentage of signal change over the course of the scan. The default sets the mean of each voxel equal to 100.