Laboratuvar hazırlanıyor
Başlıyor
- 1Python çekirdeği
- 2NumPy
- 3SciPy
- 4İstatistik motoru
Biliyor muydun?t-testini, Guinness bira fabrikasında çalışan William Sealy Gosset 1908'de “Student” takma adıyla yayımladı.
İlk açılışta yaklaşık 25 MB indirilir ve 15-30 saniye sürebilir; sonraki açılışlarda çok daha hızlıdır.
fMRI Laboratuvarı
fMRI (fonksiyonel MR) beynin şeklini değil, çalışmasını izler: bir bölge etkinleşince oraya gelen oksijenli kan artar ve MR sinyali birkaç saniye gecikmeyle yükselir; yani sinir hücrelerinin etkinliği kan akışındaki bu değişim üzerinden dolaylı olarak ölçülür. Düğmelerle bir analiz yolu seç: “Görev fMRI”de bir hareket görevi sırasında hangi bölgelerin çalıştığını genel doğrusal modelle (GLM) bulursun; “Beyin ağları”nda film izleyen çocuk ve yetişkin beyinlerinde hangi bölgelerin birlikte inip çıktığını (bağlantısallık) incelersin. Adımlar SPM, FSL ve nilearn gibi standart programlardaki temel adımlarla aynı mantıkla çalışır ve sonuçları nilearn ile karşılaştırılarak denetlendi; ön işlemenin bir kısmı önceden yapıldı, analiz adımları tarayıcında çalışır.
Parmak, ayak, dudak: beynin hareket haritası
Katılımcı
10 kişi (1 vitrin)
Görüntü
184 × 2,5 sn
Çözünürlük
4 mm (MNI)
Görev
Blok tasarım
Atıf: Gorgolewski, K. J., ve ark. (2013). A test-retest fMRI dataset for motor, language and spatial attention functions. GigaScience, 2(1), 6.
Nasıl kullanılır?
- 1Adımları yukarıdan aşağıya sırayla çalıştır: her adımdaki düğmeye bas; bir adım bitince bir sonrakinin kilidi açılır. Adım 6’daki grup analizi bağımsızdır, istersen doğrudan da çalıştırabilirsin.
- 2Her adımın başındaki metin o adımda ne yaptığımızı ve ekranda ne göreceğini anlatır. “Gelişmiş ayarlar” kutuları isteğe bağlıdır: varsayılan değerler araştırmalardaki yaygın seçimlerdir, ilk denemede değiştirmen gerekmez.
- 3Bir adım bitince altında yeşil “Sonucu nasıl okursun?” kutusu açılır: ekrandaki her görselin ve sayının ne anlama geldiğini oradan oku. Kesitlere tıklayarak beyinde gezinebilirsin; altta tıkladığın noktanın bölge adı yazar.
- 4Bitirince sayfanın en altındaki “PDF rapor indir” düğmesiyle tamamladığın adımları, görselleri ve tabloları tek bir raporda indir.
Neden?
Genelde nasıl yapılır?
- Bir fMRI görüntüsünün çözünürlüğü (burada 4 mm) yapısal MR’dan (1 mm) düşüktür; buna karşılık her 2–3 saniyede bir tüm beyin ölçülür.
- Ön işleme genellikle hareket düzeltme (her görüntüyü bir referans görüntüye hizalama), standart beyne (MNI) taşıma ve düzleştirmeden oluşur; ilk ikisi bu veri için önceden yapıldı. Dilim zamanlaması düzeltmesi uygulanmadı; blok tasarımda etkisi küçüktür.
- Tarama başladığında doku manyetizasyonu birkaç saniye dengeye oturmaz; ilk görüntüler çok parlak çıkar. Bu ‘denge öncesi’ (dummy) hacimler genelde atılır; atılmazsa tek bir aşırı parlak görüntü bile modelin gürültüsünü büyütüp gerçek etkileri gizleyebilir.
- Çerçeve kayması (FD), başın bir görüntüden ötekine ne kadar yer değiştirdiğinin tek sayılık özetidir (6 hareket ölçüsündeki değişimlerin toplamı, mm). FD’si 0,5 mm’yi aşan anlar ‘kötü hacim’ sayılabilir; daha katı çalışmalar 0,2–0,3 mm kullanır.
Neden?
Genelde nasıl yapılır?
- Tipik değer voksel boyutunun 1,5–2 katıdır; 4 mm verilerde 6–8 mm FWHM yaygındır.
- Küçük yapıları (ör. amigdala) ya da ince ayrıntıları inceleyen çalışmalar daha az düzleştirir ya da hiç düzleştirmez.
- “Eşleşen süzgeç” ilkesine göre düzleştirme, aranan etkinin büyüklüğüne yakın seçildiğinde duyarlılığı en çok artırır.
- Düzleştirme miktarı makalenin yöntem bölümünde mutlaka belirtilir. Adım 6’daki grup verisi 6 mm FWHM ile hazırlandı.
Bu adım, önceki adım tamamlanınca açılır.
Neden?
Genelde nasıl yapılır?
- SPM’nin kanonik HRF’si (iki gama fonksiyonunun farkı) en yaygın seçimdir; FSL ve nilearn’de de benzer biçimler kullanılır.
- Yavaş kaymalar için 128 saniyelik yüksek geçiren süzgeç (kosinüs taban fonksiyonları) standarttır: 128 saniyeden yavaş dalgalanmalar modelce açıklanır. Süzgecin kesme süresi görevin tekrar süresinden uzun olmalıdır; burada her hareket 90 saniyede bir tekrarlandığı için görev sinyali korunur.
- 6 hareket parametresi (3 öteleme, 3 dönme) modele eklenir; bazı çalışmalar bunların türevlerini ve karelerini de ekler (24 parametre).
- Blok tasarımda dinlenme için ayrı bir sütun konmaz: dinlenme, tüm görev sütunlarının sıfıra yakın olduğu dönemlerdir ve sabit sütunla birlikte karşılaştırma temelini (İngilizce “baseline”) oluşturur.
Bu adım, önceki adım tamamlanınca açılır.
Neden?
Genelde nasıl yapılır?
- SPM, FSL ve nilearn, hataların otokorelasyonunu AR(1) ya da benzeri modellerle düzeltir (önbeyazlatma); burada da varsayılan budur. İstersen “Gelişmiş ayarlar”dan otokorelasyonu yok sayan sıradan en küçük karelere (OLS) geçip farkı görebilirsin.
- Betalar % sinyal değişimi olarak ölçeklenirse yorumlamak kolaylaşır (tipik görev etkileri %0,5–2).
- Serbestlik derecesi = görüntü sayısı − tasarım sütunu sayısı; gürültüyü tahmin etmek için ne kadar bilgi kaldığını gösterir.
- R² (modelin açıkladığı varyans oranı) daha çok kalite kontrolünde kullanılır; asıl araştırma sorusu bir sonraki adımda kontrastlarla sorulur.
Bu adım, önceki adım tamamlanınca açılır.
Neden?
Genelde nasıl yapılır?
- Yaygın seçenekler: FDR q < ,05; aile bazlı hata (FWE: en az bir yanlış pozitif çıkma olasılığı) p < ,05; ya da düzeltilmemiş p < ,001 ile birlikte küme boyutu eşiği.
- Buradaki sabit “en küçük küme” eşiği eğitsel bir sadeleştirmedir; araştırmalarda küme eşiği rastgele alan kuramı ya da permütasyon testleriyle istatistiksel olarak belirlenir.
- Sonuçlar tepe koordinatı (MNI), küme büyüklüğü ve z değeriyle tablo olarak raporlanır.
- Tek kişilik haritalar gürültülüdür; genelleme için grup analizi (Adım 6) gerekir.
- Sinyalin azaldığı yerleri (deaktivasyon) görmek için ters yönlü bir kontrast gerekir (ör. dinlenme > parmak); burada yalnızca artışlar sınanır.
- Anlamlı bir küme, o bölgenin sinyalinin görevle birlikte değiştiğini gösterir; bölgenin yalnızca bu işi yaptığını göstermez. Bir bölgenin etkinleşmesinden belirli bir zihinsel süreci çıkarmak (ters çıkarım) ayrıca kanıt ister. Eşiği geçmeyen bölgeler de ‘çalışmadı’ demek değildir.
Bu adım, önceki adım tamamlanınca açılır.
Neden?
Genelde nasıl yapılır?
- Özet istatistik yaklaşımı (her kişiden bir kontrast haritası, sonra t-testi) SPM ve FSL’nin temel grup modelidir.
- Grup haritaları da çoklu karşılaştırma için düzeltilir (burada FDR q < ,05, en küçük küme 5 voksel). Bir vokselde katılımcıların en az %80’inin verisi yoksa o voksel sınanmaz.
- Hareket alanları vücut haritası (homunkulus) düzeninde sıralanır: ayak orta hatta yukarıda, el yanda, dudak daha aşağıda.
- Buradaki 1. düzey modeller 6 mm düzleştirme ve sıradan en küçük karelerle çözüldü; grup testi kişiler arası değişkenliğe dayandığı için bu seçimin grup sonucuna etkisi küçüktür.
- Güvenilir grup sonuçları için genellikle 20 ya da daha fazla katılımcı önerilir; 10 kişi ancak güçlü etkileri yakalayabilir.
Bölge adları: Schaefer ve ark. 2018 (100 bölge, 7 ağ; MIT lisansı) ve Tian ve ark. 2020 Melbourne Subcortex Atlas. Şablon: ICBM152 2009a (MNI).
Önemli uyarılar
- Bu laboratuvar eğitim ve araştırma amaçlıdır; fMRI haritaları tıbbi tanı ya da cerrahi planlama için kullanılamaz.
- Veriler OpenNeuro'da CC0 lisansıyla paylaşılmıştır; yayınlarda özgün çalışmalara atıf yapılmalıdır. Katılımcıların kimliğini belirlemeye çalışmak yasaktır.
- Hareket düzeltme ve MNI'ye taşıma önceden yapıldı (SimpleITK); dilim zamanlaması düzeltmesi uygulanmadı. Analizler (düzleştirme, GLM, kontrast, eşik, bağlantı) tarayıcıda yapılır; aynı veride nilearn ile karşılaştırıldı (görev z haritaları r > 0,999, grup ve eşik sonuçları birebir aynı). Yayın için ham veriyi SPM, FSL ya da nilearn gibi yerleşik araçlarla baştan işlemek gerekir.
- Küçük örneklemlerde anlamlı bulunmayan etkiler ‘etki yok’ anlamına gelmez; anlamlı bulunanlar da bağımsız örneklemlerde tekrarlanmalıdır.
