Анализ функциональных нейроизображений
 | В этой статье есть несколько проблем. Пожалуйста, помогите улучшить его или обсудите эти проблемы на странице обсуждения . ( Узнайте, как и когда удалять эти шаблонные сообщения )
|
 Пример сеанса AFNI. | |
| Оригинальный автор(ы) | Роберт В. Кокс |
|---|---|
| Разработчик(и) | Ядро научных и статистических вычислений NIMH [ постоянная мертвая ссылка ] |
| Операционная система | Кроссплатформенность (список) |
| Тип | Анализ данных нейровизуализации |
| Лицензия | Некоторые части: GPL SVM-light: собственная разработка [1] |
| Веб-сайт | Афни |
Анализ функциональных нейроизображений ( AFNI ) — это среда с открытым исходным кодом для обработки и отображения функциональных данных МРТ — метода картирования активности мозга человека.
AFNI — это совокупность программ, которые можно использовать в интерактивном режиме или гибко собирать для пакетной обработки с помощью сценария оболочки . Термин AFNI относится как ко всему пакету, так и к конкретной интерактивной программе, часто используемой для визуализации. AFNI активно разрабатывается Центром научных и статистических вычислений NIMH, и его возможности постоянно расширяются.
AFNI работает под многими Unix-подобными операционными системами, которые предоставляют библиотеки X11 и Motif , включая IRIX , Solaris , Linux , FreeBSD и OS X. Для некоторых платформ доступны предварительно скомпилированные двоичные файлы. AFNI доступен для исследовательского использования по лицензии GNU General Public License , входящий в комплект компонент SVM-light является некоммерческим и не подлежит распространению. [1] AFNI теперь содержит более 300 000 строк исходного кода C , и опытный программист C может относительно легко добавлять в AFNI интерактивные и пакетные функции.
История и развитие
[ редактировать ]Первоначально AFNI был разработан в Медицинском колледже Висконсина в 1994 году, в основном Робертом В. Коксом. Кокс принес разработку в НИЗ в 2001 году, и разработка продолжается в Ядре научных и статистических вычислений НИМЗ. [2] В статье 1995 года, описывающей обоснование разработки программного обеспечения, Кокс писал о данных фМРТ: «Объем собранных данных очень велик, и важно, чтобы были доступны простые в использовании инструменты для визуализации и анализа трехмерных карт активации. для исследователей нейробиологии». [3] С тех пор AFNI стал одним из наиболее часто используемых инструментов анализа в исследованиях фМРТ, наряду со SPM и FSL . [4]
Хотя изначально AFNI требовалось обширное количество сценариев оболочки для выполнения задач, готовые пакетные сценарии и улучшения графического пользовательского интерфейса (GUI) с тех пор позволили проводить анализ с меньшим количеством пользовательских сценариев. [5]
Функции
[ редактировать ]Визуализация
[ редактировать ]Одно из первоначальных предложений AFNI улучшило подход к преобразованию сканирований отдельного мозга в общее стандартизированное пространство. Поскольку индивидуальный мозг каждого человека уникален по размеру и форме, сравнение нескольких мозгов требует деформации (вращения, масштабирования и т. д.) отдельных мозгов до стандартной формы. К сожалению, данные функциональной МРТ на момент разработки AFNI имели слишком низкое разрешение для эффективных преобразований. Вместо этого исследователи используют анатомические снимки мозга с более высоким разрешением, которые часто получают в начале сеанса визуализации.
AFNI позволяет исследователям накладывать функциональное изображение на анатомическое, предоставляя инструменты для совмещения двух изображений в одном пространстве. Процессы, используемые для преобразования отдельного анатомического скана в стандартное пространство, затем применяются и к функциональному сканированию, улучшая процесс преобразования. [6]
Еще одна функция, доступная в AFNI, — это инструмент SUMA, разработанный Зиадом Саадом. Этот инструмент позволяет пользователям проецировать 2D-данные на 3D-карту кортикальной поверхности. Таким образом, исследователи могут просматривать закономерности активации, при этом легче принимая во внимание физические особенности коры, такие как извилины. [7]
Предварительная обработка изображения
[ редактировать ]«afni_proc.py» — это готовый сценарий, который прогоняет данные фМРТ от одного субъекта через ряд этапов предварительной обработки, начиная с необработанных данных. При настройках по умолчанию будут выполняться следующие шаги предварительной обработки и завершаться базовым регрессионным анализом: [8]
- Время среза: [9] Каждое трехмерное изображение мозга состоит из нескольких двухмерных изображений, «срезов». Несмотря на то, что первый полученный срез был получен примерно в одно и то же время, от последнего может пройти до нескольких секунд. Благодаря интерполяции срезы выравниваются по одному и тому же моменту времени. Обычно считается, что любой шум, вносимый ошибками интерполяции, перевешивается улучшением сигнала. [10]
- Коррекция движения. Движения головы могут стать источником ошибок в анализе. Каждое 3D-изображение при сканировании собирается в 3D-сетке, где каждый маленький куб пространства сетки, « воксель », представляет одно значение интенсивности изображения. В идеале вокселы всегда будут представлять одну и ту же часть мозга при каждом получении изображения, а не меняться от одного 3D-изображения к другому. Для коррекции небольших артефактов движения инструмент коррекции движения AFNI использует линейный алгоритм наименьших квадратов, который пытается совместить каждое полученное трехмерное изображение с первым изображением, полученным при сканировании. [11]
- Сглаживание: для учета случайного шума на изображении применяется ядро сглаживания. Хотя сглаживание может увеличить соотношение сигнал/шум изображения, оно снижает разрешение изображения. [12] [13]
- Маска: удаляет из изображения фМРТ все области, не относящиеся к мозгу, например череп.
- Масштаб: Масштабируйте каждый воксел так, чтобы изменения интенсивности представляли процент изменения сигнала в ходе сканирования. По умолчанию среднее значение каждого воксела равно 100.
См. также
[ редактировать ]
- Национальный институт психического здоровья
- Нейровизуализация
- Статистическое параметрическое картографирование
Ссылки
[ редактировать ]- ^ Jump up to: а б См. License.h в архиве.
- ^ «Магнетизм» . Вопросы и ответы по МРТ . Проверено 14 мая 2018 г.
- ^ Кокс, Роберт В. (1 июня 1996 г.). «AFNI: Программное обеспечение для анализа и визуализации функциональных магнитно-резонансных нейроизображений». Компьютеры и биомедицинские исследования . 29 (3): 162–173. CiteSeerX 10.1.1.457.6895 . дои : 10.1006/cbmr.1996.0014 . ISSN 0010-4809 . ПМИД 8812068 .
- ^ Мурнейн, Кевин. «Десятки тысяч исследований мозга FMRI могут быть ошибочными» . Форбс . Проверено 14 мая 2018 г.
- ^ Ян, Эндрю (28 декабря 2012 г.). «Блог Энди о мозге: uber_subject.py от AFNI» . Мозговой блог Энди . Проверено 21 мая 2018 г.
- ^ Кокс, Роберт В. (1 июня 1996 г.). «AFNI: Программное обеспечение для анализа и визуализации функциональных магнитно-резонансных нейроизображений». Компьютеры и биомедицинские исследования . 29 (3): 162–173. CiteSeerX 10.1.1.457.6895 . дои : 10.1006/cbmr.1996.0014 . ISSN 0010-4809 . ПМИД 8812068 .
- ^ Ян, Эндрю (26 марта 2012 г.). «Мозговой блог Энди: Учебный лагерь AFNI: День 1» . Мозговой блог Энди . Проверено 14 мая 2018 г.
- ^ «Программа AFNI: afni_proc.py» . afni.nimh.nih.gov . Проверено 21 мая 2018 г.
- ^ «Программа AFNI: 3dTshift» . afni.nimh.nih.gov . Проверено 21 мая 2018 г.
- ^ «Часто задаваемые вопросы по выбору времени | Mindhive» . Mindhive.mit.edu . Архивировано из оригинала 14 апреля 2018 г. Проверено 21 мая 2018 г.
- ^ «Программа АФНИ: 3дволрег» . afni.nimh.nih.gov . Проверено 21 мая 2018 г.
- ^ «Глава 6. Анализ данных фМРТ» . users.fmrib.ox.ac.uk . Проверено 21 мая 2018 г.
- ^ «Программа AFNI: 3dmerge» . afni.nimh.nih.gov . Проверено 21 мая 2018 г.