单被试激活分析

2022-01-17 10:26:10 浏览:1122

定义

单被试激活分析是对任务态的fMRI进行统计分析,主要目的是定位单个被试被感知、运动或者认知过等任务激活的脑区。其主要的思想是,利用统计学工具,来分析比较任务状态下与控制状态(一般为静息态)下的脑区活动差异。由于真实的脑区活动会受到生理活动和物理条件方面的影响,因此观察到的不同条件下的脑区或从差异可能是偶然发生的,因此利用统计分析来明确评估噪声波动的影响,得到真正的差异[1]

单被试激活分析的一般思路为:在对fMRI数据进行预处理的基础上,对每个体素时间序列进行建模分析,以该体素在不同时间点的值为因变量,不同任务条件为自变量,利用一般线性模型(general linear model)进行建模,得到相应的回归系数,通过假设检验来判断回归系数是否具有统计学意义,来确定任务变量与体素观察值之间是否有线性关系。如果有显著地线性关系,就认为该体素的活动与任务相关,即该体素被任务激活。在得到大脑每个体素激活情况的下,利用多重校验对体素的激活情况进行校验,减少假阳性率。然后根据生理解剖来定位激活体素簇(10个被激活的连续体素)对应的脑区,即得到了该被试在任务状态下对应的脑区激活。利用GLM分析fMRI数据的原理过程如下图1所示。

图 1 一个典型的GLM分析fMRI数据的图示[4]

基于体素的fMRI数据分析中的一个重要问题是选择合适激活阈值。如果仅存在单个体素的数据,使用常规阈值p <0.05(或p <0.01)是合理的。然而,分别对每个体素进行统计分析会产生大量的多重比较(MCP)问题。如果执行单个测试,错误概率p <0.05,意味着如果我们重复相同的测试100次并假设没有激活效果(零假设),将错误地拒绝(接受)5个空假设。假设我们在100,000个体素上都执行统计检验,这将导致大约5000个误报,即大约5000个体素将被标记为“显著”。为了解决这个问题,在fMRI分析中,一般使用FDR(False Discover Rate)和Bonferroni方法,对每个体素的激活进行校正,在一定程度上减少由多重比较导致的假阳性的出现[4-5]

参考文献

[1] Poldrack R A, Mumford J A, Nichols T E. Handbook of functional MRI data analysis[M]. Cambridge University Press, 2011.
[2] Bland J M, Altman D G. Multiple significance tests: the Bonferroni method[J]. Bmj, 1995, 310(6973): 170.
[3] Benjamini Y, Hochberg Y. Controlling the false discovery rate: a practical and powerful approach to multiple testing[J]. Journal of the Royal statistical society: series B (Methodological), 1995, 57(1): 289-300.
[4] http://www.brainvoyager.com/bvqx/doc/UsersGuide/BrainVoyagerQXUsersGuide.html.

作          者: 泮桥成像光电商城

出          处: https://www.ipanqiao.com/entry/886

版          权:本文版权归泮桥成像光电商城所有

免责声明:本文中使用的部分文字内容与图片来自于网络,如有侵权,请联系作者进行删除。

转          载:欢迎转载,但必须保留上述声明;必须在文章中给出原文链接;否则必究法律责任。

Copyright © 2019-2022 南京超维景生物科技有限公司 版权所有 www.ipanqiao.com苏ICP备20009590号-1
联系我们
立即做合同
微信客服
电话咨询

400-998-9826

17302548620

快速留言

泮桥成像光电商城专业人员会在24小时之内联系您

关闭 提交