Laboratuvar hazırlanıyor

Başlıyor

  1. 1Python çekirdeği
  2. 2NumPy
  3. 3SciPy
  4. 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.

Laboratuvar

Yapısal MR Laboratuvarı

Yapısal MR beynin çalışmasını değil yapısını gösterir: dokuların şeklini ve hacmini. Bu laboratuvarda kafatasını ayırır, gri ve ak maddeyi sınıflandırır, bölge hacimlerini hesaplar ve bir gecelik uyku kısıtlamasının (yalnızca 3 saat uyku) beyin hacmine etkisini 24 kişide sınarsın; istersen kendi verinle de çalışabilirsin.

Veri setini tanı CC0 · kamu malı

Stockholm Uykulu Beyin Çalışması

Genç (20–30 yaş) ve yaşlı (65–75 yaş) gönüllüler yaklaşık bir ay arayla iki kez MR cihazına girdi: bir kez her zamanki gibi uyudukları bir gecenin ardından, bir kez de yalnızca 3 saat uyudukları bir gecenin ardından (kısmi uyku yoksunluğu: her zamanki kalkış saatlerinden 3 saat önce yatıp o saatte kalktılar; uykuları evde taşınabilir polisomnografiyle kaydedildi). Hangi koşulun önce geleceği rastgele belirlendi ve sıra dengelendi; iki oturumda da tarama akşam saatlerinde yapıldı. Her oturumda beynin anatomisini gösteren 1 mm çözünürlüklü T1 ağırlıklı bir görüntü alındı (3 tesla) ve katılımcılar taramadan önce ne kadar uykulu olduklarını Karolinska Uykululuk Ölçeği ile puanladı (KSS: 1 = çok uyanık, 9 = çok uykulu, uyanık kalmakta zorlanıyor). Araştırma sorusu: bir gecelik kısmi uyku yoksunluğu, beyin dokusunun MR’da ölçülen hacmini değiştirir mi? Önce tek bir katılımcının görüntüsünde ölçümün nasıl yapıldığını adım adım öğrenecek, sonra aynı ölçümleri 24 kişide karşılaştıracaksın.

Bu analizde

24 kişi × 2 oturum

Gruplar

12 genç, 12 yaşlı

Tasarım

Kişi içi: normal / 3 saat uyku

Ölçüm

T1 (3 T), uykululuk (KSS)

Kaynak: OpenNeuro ds000201 (Nilsonne ve ark.)DOI: 10.18112/openneuro.ds000201.v1.0.3Kaynağa git

Atıf: Nilsonne, G., Tamm, S., d’Onofrio, P., Thuné, H. Å., Schwarz, J., Lavebratt, C., ve ark. (2020). The Stockholm Sleepy Brain Study: Effects of sleep deprivation on cognitive and emotional processing in young and old (sürüm 1.0.3) [Veri seti]. OpenNeuro. https://doi.org/10.18112/openneuro.ds000201.v1.0.3 · Protokol: Nilsonne, G., Tamm, S., Schwarz, J., ve ark. (2017). Intrinsic brain connectivity after partial sleep deprivation in young and older adults: results from the Stockholm Sleepy Brain study. Scientific Reports, 7, 9422.

Nasıl kullanılır?

  1. 1Adımları yukarıdan aşağıya sırayla çalıştır: her adımdaki düğmeye bas; bir adım bitince bir sonrakinin kilidi açılır. Adım 5’teki grup analizi bağımsızdır, istersen doğrudan da çalıştırabilirsin.
  2. 2Her adımın başındaki metin o adımda ne yaptığımızı ve ekranda ne göreceğini anlatır; “Neden?” kutusu gerekçeyi, “Genelde nasıl yapılır?” kutusu araştırmalardaki yaygın uygulamayı özetler.
  3. 3Bir adım bitince altında yeşil “Sonucu nasıl okursun?” kutusu açılır: ekrandaki her görselin ve sayının ne anlama geldiğini oradan oku. Kesitlere tıklayarak beynin içinde gezinebilirsin.
  4. 4Bitirince sayfanın en altındaki “PDF rapor indir” düğmesiyle tamamladığın adımları, görselleri ve tabloları tek bir raporda indir.
Düğmeye bastığında bir katılımcının (vitrin katılımcısı) iki oturumdaki MR görüntüleri bilgisayarına iner ve tarayıcında açılır. Gördüğün görüntü T1 ağırlıklı bir yapısal MR’dır. T1, uyarılan dokunun mıknatıslanmasını ne kadar hızlı geri kazandığını yansıtır: miyelin kılıfındaki yağlar sayesinde hızlı toparlanan ak madde (sinir liflerinden oluşan iletim yolları) parlak, sinir hücresi gövdelerinin bulunduğu gri madde (beyin kabuğu ve derin çekirdekler) orta gri, beyni saran ve içindeki boşlukları dolduran beyin omurilik sıvısı (BOS) ise koyu görünür. Ekrandaki üç kare aynı beynin üç dik kesitidir: sagital (yandan), koronal (önden) ve aksiyal (üstten). Bir kesite tıkladığında camgöbeği artı işareti o noktaya gider ve öteki iki kesit de o noktadan geçecek biçimde güncellenir. Görüntü küçük küplerden oluşur; her birine voksel (üç boyutlu piksel) denir ve burada her voksel 1,5 × 1,5 × 1,5 mm’dir. Üstteki düğmeyle aynı kişinin normal uyku ve kısıtlı uyku (3 saat) oturumları arasında geçiş yapabilirsin.

Neden?

Hacim ölçmeden önce görüntünün kalitesini gözle denetlemek gerekir. Baş hareketi görüntüde bulanıklık ve çizgilenme (artefakt) bırakır; manyetik alanın düzensizliği görüntünün bir bölümünü ötekinden daha parlak gösterebilir; beynin bir kısmı görüntü alanının dışında kalmış olabilir. Bu sorunlardan biri varsa sonraki tüm ölçümler bozulur; bu yüzden araştırmalarda her görüntüye tek tek bakılır ve kötü olanlar analizden çıkarılır.

Genelde nasıl yapılır?

  • Yapısal analizlerde genellikle her yönde 1 mm boyutlu (izotropik) vokselli T1 görüntüler kullanılır; burada tarayıcında hızlı çalışsın diye görüntüler 1,5 mm’ye yeniden örneklendi.
  • Görüntüdeki yavaş parlaklık değişimleri (yanlılık alanı: görüntünün bir kenarının ötekinden daha parlak görünmesi) N4 algoritmasıyla düzeltilir; bu veri için bu adım önceden yapıldı.
  • Yüz bölgesi, katılımcıların kimliğini korumak için veri paylaşılmadan önce silinmiştir (defacing); görüntüde yüzün olmaması bundandır.
  • Kalite denetiminde gözle puanlama ile MRIQC gibi otomatik araçlar birlikte kullanılır; belirgin hareket izi taşıyan görüntüler analizden çıkarılır.
T1 görüntüsünde beynin yanı sıra kafatası, kafa derisi, göz çevresi ve boyun da görünür. Bu adımda bunları ayıklayıp yalnızca kafa içini (beyin dokusu ve onu saran BOS) bırakan bir beyin maskesi kullanıyoruz; maske, her vokseli “içeride” ya da “dışarıda” diye işaretleyen bir haritadır. Maskeyi elde etmek için MNI şablonu (Montreal Nöroloji Enstitüsü’nün 152 sağlıklı genç yetişkinin beynini hizalayıp ortalayarak oluşturduğu standart beyin) bu kişinin beynine çakışacak biçimde önce döndürülüp kaydırıldı, sonra boyutlandırıldı ve en son yer yer esnetildi. Bu işleme kayıt (İngilizce “registration”) denir. Ardından şablonun doku olasılık haritalarından (gri madde, ak madde, BOS) elde edilen kafa içi maskesi aynı dönüşümle bu kişiye taşındı. Bu hesap sunucuda önceden yapıldı; düğme, sonucu kesitlerin üzerine mavi bir katman olarak gösterir.

Neden?

Kafatası ve deri de MR’da sinyal verir; kafa derisinin altındaki yağ T1’de ak madde kadar parlak görünür. Bu dokular ayıklanmazsa doku sınıflandırması onları gri ya da ak madde sanar ve hacimler şişer. Ayrıca kafa içi hacim (TİH: kafatasının içinde kalan toplam hacim, yani beyin dokusu + BOS) bu maskenin içinden hesaplanır; TİH, kişiler arasındaki kafa büyüklüğü farklarını düzeltmek için kullanılan temel ölçüttür.

Genelde nasıl yapılır?

  • Yaygın araçlar: FSL BET, FreeSurfer, ANTs, SynthStrip ve HD-BET; yenilerinin çoğu derin öğrenmeye dayanır.
  • Şablon eşleme (kayıt) tabanlı yöntemler sağlamdır ama kayıt hatasına duyarlıdır: şablon iyi oturmazsa maske de kayar.
  • Maske her zaman gözle denetlenir; beyin kenarında taşma (kemiğe ya da deriye girme) ya da kesik (beyin dokusunun dışarıda kalması) olmamalıdır.
  • Kafa içi hacim (TİH) çoğu zaman bu maskeden hesaplanır ve sonraki analizlerde kafa büyüklüğünü düzeltmek için kullanılır.

Bu adım, önceki adım tamamlanınca açılır.

Bu adımda maskenin içindeki her vokselin hangi dokuya ait olduğuna karar veriyoruz; buna segmentasyon (doku sınıflandırma) denir. Maskenin içindeki voksellerin parlaklıklarını bir histogramda (her parlaklık değerinden kaç voksel olduğunu gösteren grafik) toplayınca iki belirgin tepe (orta gri madde ve parlak ak madde) ve koyu tarafa doğru uzanan alçak bir kuyruk görürüz: BOS, maskenin içinde az olduğu ve parlaklığı geniş bir aralığa yayıldığı için ayrı bir tepe oluşturmaz. Düğmeye bastığında tarayıcın bu histograma üç çan eğrisi (koyu, orta, parlak) oturtan bir Gauss karışım modeli (GMM) çalıştırır: model, beklenti-en büyükleme (EM) denen adım adım bir yöntemle her sınıfın ortalama parlaklığını, yayılımını ve payını veriden kestirir, sonra her vokseli en olası sınıfa atar. Bu, yalnızca parlaklığa bakan bir yöntemdir. Sonucu, araştırmalarda kullanılan türden önselli bir sınıflandırmayla karşılaştırıyoruz: o yöntem parlaklığın yanında şablondan gelen konum bilgisini de (“bu noktada çoğu insanda gri madde bulunur” gibi önsel olasılıkları) kullanır ve sunucuda önceden hesaplandı. Ekranda histogram ve modelin üç eğrisi, iki yöntemin hacimlerini ve örtüşmesini veren bir tablo ve kesitlerin üzerinde sınıflandırma haritası belirir.

Neden?

Bir dokunun hacmi, o dokuya atanan voksel sayısı ile tek bir vokselin hacminin çarpımıdır (burada 1,5 × 1,5 × 1,5 = 3,375 mm³); yani hacimlerin doğruluğu tamamen bu sınıflandırmaya bağlıdır. Yalnızca parlaklığa bakmak, parlaklığı benzer ama yeri farklı dokuları karıştırır: örneğin bazı derin gri madde çekirdekleri T1’de ak madde kadar parlaktır, kıvrımların dibindeki koyu gri madde ise BOS’a benzeyebilir. Konum bilgisini (önselleri) eklemek bu karışıklığı belirgin biçimde azaltır; SPM ve FSL gibi programlar bu yüzden ikisini birlikte kullanır.

Genelde nasıl yapılır?

  • Yaygın araçlar: SPM’nin “birleşik segmentasyonu” (parlaklık, önsel olasılık haritaları ve yanlılık alanını birlikte modeller; Ashburner ve Friston, 2005) ve FSL FAST (parlaklığı komşu vokseller arasındaki uyumla birleştirir; Zhang ve ark., 2001). Buradaki önselli yöntem bunların sade bir biçimidir.
  • Doku sınırındaki vokseller çoğu zaman iki dokuyu birden içerir (kısmi hacim etkisi); bu yüzden gelişmiş yöntemler her voksele “yüzde kaç gri madde” gibi bir olasılık verir.
  • Hacimler genellikle kafa içi hacme (TİH) oranlanarak ya da TİH istatistiksel olarak düzeltilerek raporlanır; büyük kafalı kişilerin beyin hacimleri doğal olarak büyüktür.
  • Dice katsayısı iki sınıflandırmanın örtüşmesini ölçer: 2 × (iki yöntemin ortak vokselleri) ÷ (iki yöntemin voksel sayıları toplamı). 1 tam örtüşme, 0 hiç örtüşmeme demektir.

Bu adım, önceki adım tamamlanınca açılır.

Bir beyin atlası, beyni adlandırılmış bölgelere ayıran hazır bir haritadır. Burada iki atlas kullanıyoruz: beyin kabuğunu 100 bölgeye ayıran Schaefer-100 (bölgeler 7 büyük beyin ağına göre gruplanmıştır) ve derin (alt kortikal) yapıları ayıran Melbourne alt kortikal atlası (Tian ve ark., 2020). Atlaslar MNI şablonu üzerinde tanımlıdır; Adım 2’deki kayıt dönüşümüyle bu kişinin beynine taşındılar (bu kısım önceden yapıldı). Düğmeye bastığında tarayıcın her bölgenin içinde, Adım 3’teki önselli sınıflandırmanın gri madde dediği vokselleri sayar ve voksel hacmiyle çarparak bölgenin gri madde hacmini (mL) bulur; hesap normal uyku oturumu üzerinde yapılır. Tabloda sekiz derin yapının sol ve sağ yarıküredeki hacimleri, kesitlerde atlas bölgeleri, 3B modelde ise kişinin kendi beyin yüzeyi saydam, derin yapılar renkli görünür.

Neden?

Pek çok araştırma sorusu belirli bir bölgeyi hedefler: hipokampus bellek ve uyku araştırmalarında, amigdala duygu araştırmalarında öne çıkar. Tüm beynin hacmi yerine önceden seçilmiş bir bölgeye bakmak hem daha duyarlıdır hem de yorumlaması daha kolaydır. Atlas kullanmak, bölge sınırlarını her kişide elle çizmekten çok daha hızlı ve tekrarlanabilirdir; küçük yapılarda uzmanların elle çizimi ise hâlâ en güvenilir yöntem sayılır.

Genelde nasıl yapılır?

  • Bölge hacmi için FreeSurfer, FSL FIRST ya da atlas + doku sınıflandırma (burada kullanılan) yaklaşımları yaygındır.
  • Küçük yapılarda (ör. amigdala) birkaç voksellik hata bile hacmin önemli bir yüzdesine karşılık gelir; bu yüzden ölçüm hatası görece büyüktür.
  • Bölge hacimleri genellikle kafa içi hacimle düzeltilir (oranlanarak ya da istatistik modele eklenerek), çünkü büyük kafada yapılar da büyüktür.
  • Bölge seçimi analizden önce, hipoteze dayanarak yapılmalıdır; tüm bölgeleri sınayıp anlamlı çıkanı seçmek yanlış pozitif riskini artırır.

Bu adım, önceki adım tamamlanınca açılır.

Şimdiye kadar tek bir kişiyle çalıştık. Aynı işlemler sunucuda 24 kişinin 48 görüntüsüne (her kişiden bir normal uyku, bir kısıtlı uyku görüntüsü) önceden uygulandı ve ölçülen hacimler bir tabloya yazıldı. Düğmeye bastığında tarayıcın bu tabloyu indirir ve her ölçüt için her kişinin kısıtlı uyku oturumundaki değerini kendi normal uyku değeriyle karşılaştırır. Bunun için eşleştirilmiş t-testi kullanılır: test, kişi başına farkların (kısıtlı − normal) ortalamasının sıfırdan anlamlı biçimde farklı olup olmadığını sorar. İlk satırdaki uykululuk puanı (KSS) bir manipülasyon kontrolüdür: uykusu kısıtlanan kişiler gerçekten daha uykulu muydu? Sonraki satırlarda kafa içi hacim, gri madde, ak madde, BOS, gri madde oranı ve hipokampus, amigdala, ön talamus gibi bölgeler gelir; tablonun son sütunları ayrıca genç ve yaşlı katılımcıları karşılaştırır. Bir satıra tıkladığında o ölçüt için her kişinin değişimini gösteren grafik açılır; en alttaki mor kutu ise bulguları bilimsel rapor diliyle özetler.

Neden?

Kişi içi (eşleştirilmiş) tasarımda her kişi kendisiyle karşılaştırılır. Beyin hacmi kişiden kişiye çok değiştiği için bu, kişiler arası farkları ortadan kaldırır ve küçük değişimleri bile yakalanabilir kılar. Birden çok hacim ölçütü aynı anda sınandığında en az birinin şans eseri “anlamlı” çıkma olasılığı artar; Holm düzeltmesi bu çoklu karşılaştırma sorununu giderir. Holm yöntemi p değerlerini küçükten büyüğe sıralar ve her birini o sırada kalan test sayısıyla çarpar (en küçüğünü tüm test sayısıyla, sonrakini bir eksiğiyle…); Bonferroni’den daha az katıdır ama aynı korumayı sağlar: ölçütlerin en az birinde yanlış pozitif çıkma olasılığını en fazla %5’te tutar.

Genelde nasıl yapılır?

  • Önce manipülasyon kontrolü yapılır: uykusu kısıtlananlar gerçekten daha uykulu mu? Manipülasyon işe yaramadıysa hacim sonuçları yorumlanamaz.
  • Etki büyüklüğü (dz: ortalama farkın, farkların standart sapmasına bölümü) ve %95 güven aralığı en az p değeri kadar önemlidir; kabaca dz ≈ 0,2 küçük, 0,5 orta, 0,8 büyük etki sayılır.
  • Kafa içi hacim (TİH) bir gecede değişmez; bu yüzden TİH’de kişi başına görülen oturumlar arası farkların büyüklüğü (ortalama farkın değil, tek tek farkların), ölçüm hatasını gösteren iyi bir ‘kontrol ölçütüdür’.
  • Yapısal MR’da kısa süreli hacim değişimleri, vücudun su dengesi ya da ölçümün günün hangi saatinde yapıldığı gibi etkenlerden de etkilenebilir; bu yüzden bir gecelik farklar temkinle yorumlanır.
  • Bulgular APA biçiminde, ör. t(sd) = …, p = …, dz = … şeklinde raporlanır; aşağıdaki mor kutudaki özet bu biçimi kullanır.
Tamamladığın adımlar, görseller ve tablolar tek PDF’te; veri seti künyesi ve atıf bilgisi dahil.

Önemli uyarılar

  • Bu laboratuvar eğitim ve araştırma amaçlıdır; hacim ölçümleri ve görüntüler tıbbi tanı, tedavi ya da klinik karar için kullanılamaz. Bir MR raporu yalnızca radyoloji uzmanınca değerlendirilir.
  • Hazır veriler OpenNeuro'da CC0 lisansıyla, yüz bölgesi silinerek paylaşılmıştır; yayınlarda özgün çalışmaya atıf yapılmalıdır. Katılımcıların kimliğini belirlemeye çalışmak yasaktır.
  • Yüklediğin görüntüler yalnızca tarayıcında işlenir, sunucuya gönderilmez. Başkasına ait görüntüleri yüklemeden önce onam ve etik kurul izninden emin ol.
  • Yöntem notu: N4 yanlılık düzeltmesi; ICBM 2009a doğrusal olmayan simetrik MNI152 şablonuna (Fonov ve ark., 2009, 2011) SimpleITK ile rijit + afin + B-spline kayıt; şablon önselli Gauss karışımı (SPM'nin birleşik segmentasyonunun sade biçimi); bölgeler Schaefer ve ark. (2018) 100 bölge / 7 ağ ve Tian ve ark. (2020) Melbourne alt kortikal atlası (S1). Sonuçlar FreeSurfer gibi araçlarla birebir aynı olmaz: kafa içi bölge şablondan belirlendiği için BOS eksik, gri madde oranı yüksek ölçülür ve küçük yapıların ölçüm hatası büyüktür. Bu yüzden ölçümler aynı kişinin oturumlarını karşılaştırmak için uygundur; yaş grupları ya da kişiler arası karşılaştırmalar için uygun değildir.