Диссертация (Функциональная интеграция нейрональных популяций в мозге человека), страница 11
Описание файла
Файл "Диссертация" внутри архива находится в папке "Функциональная интеграция нейрональных популяций в мозге человека". PDF-файл из архива "Функциональная интеграция нейрональных популяций в мозге человека", который расположен в категории "". Всё это находится в предмете "физико-математические науки" из Аспирантура и докторантура, которые можно найти в файловом архиве МГУ им. Ломоносова. Не смотря на прямую связь этого архива с МГУ им. Ломоносова, его также можно найти и в других разделах. , а ещё этот архив представляет собой кандидатскую диссертацию, поэтому ещё представлен в разделе всех диссертаций на соискание учёной степени кандидата физико-математических наук.
Просмотр PDF-файла онлайн
Текст 11 страницы из PDF
Для получения структурного изображения мозга с высокимразрешением (Т1-взвешенное изображение) были использованы следующие параметрыпоследовательности быстрого градиентного эхо (rapid gradient echo): 176 срезов, TR (времяповторения) = 1900 мс, TE (время эхо) = 2.19 мс, толщина среза = 1 мм, угол переворота = 9,время инверсии = 900 мс, поле наблюдения = 250 × 218 мм.Для получения данных фМРТ использованы следующие параметры: 30 срезов, TR =2000 мс, ТЕ = 25 мс, толщина среза = 3 мм, угол переворота = 90, поле наблюдения = 192 × 19250мм. Также были получены данные для уменьшения пространственных искажений эхопланарных изображений.2.1.3 Предобработка экспериментальных данныхДанные фМРТ всегда содержат в себе пространственные и временные неточности,вызванные движением головы, физиологическими осцилляциями (дыхание и сердцебиение),негомогенностью статического поля, и/или различиями во времени сбора данных дляпостроения изображения. Если такие неточности не исправлять, они могут значительноуменьшить (или вовсе свести на нет) статистическую мощность эксперимента, поэтомупредобработка фМРТ данных – ключевой этап исследования, влияющий на весь дальнейшийанализ.Многие артефакты в данных видны при визуальной оценке изображений: человеческийглаз очень чувствителен к различиям в серии однотипных изображений, поэтому многиепроблемы будут хорошо заметны при просмотре изображений.
Например, радиочастотный шумбудет виден как повторяющийся паттерн на изображении, движение головы – как локальныевсплески интенсивности. Однако, несмотря на то, что подобный анализ весьма трудоемок,всегда стоит проводить его хотя бы для одного среза каждого изображения. Простые тестымогут быть очень полезны для первоначальной оценки качества полученных данных. Этитесты включают в себя вычисление средней интенсивности срезов и центра масс объема (поинтенсивности), они чрезвычайно эффективны при поиске некорректных данных, вызванныхпотерями целых срезов, спайками интенсивности или значительными движениями головы.Также возможен подсчет отношения сигнал/шум и последующее его сравнение междуиспытуемыми: данные со слишком низким значением (относительно группы) могут бытьисключены из дальнейшего анализа.В большинстве последовательностей используется возбуждение и, как следствие, съемданных со срезов с чередованием.
Например, сначала возбуждаются четные срезы, а затемнечетные – это помогает избегать перекрестного возбуждения между соседними срезами. Такоечередование приводит к тому, что данные с соседних в пространстве срезов поступаютнепоследовательно, поэтому вид гемодинамического ответа в этих срезах будет сильноразличаться. Решить проблему помогает временная интерполяция на стадии предобработки.При интерполяции берутся значения на близких временных отсчетах для оценки амплитуды МР51сигнала в начале периода сбора данных. В настоящее время чаще всего используетсяинтерполяция сплайнами или sinc-функциями, однако ни один способ интерполяции не можетполностью восстановить сигнал между временными отсчетами.Вероятно, самой большой проблемой в фМРТ экспериментах является движение головы.Даже небольшое движение головы может повлечь за собой значительное изменение сигнала вовремени, особенно на крайних участках мозга или на границах между разными тканями мозга.Этот эффект показан на рисунке 2.1.Рисунок 2.1 – Влияние движения головы на данные фМРТ.
Интенсивность сигнала вокселапропорциональна яркости соответствующей области и обозначена числом. Даже принезначительном движении (в пределах одного воксела) изменение МР сигнала может бытьбольшим.Предположим, что произошел сдвиг головы всего на один воксел, тогда интенсивностиМР сигналов во время последующего съема данных будут равны интенсивностям соседних сними вокселов, так что интенсивность изменится более чем в пять раз.
Такое изменениеинтенсивности приведет к ложноположительному выводу об активации. Помимо этого,движение головы может привести к сдвигу среза: в последовательности EPI каждый срезвозбуждается в начале периода сбора данных, но в результате сдвига, некоторые срезы могутпропустить возбуждающий РЧ импульс. Намагниченность в этих срезах восстановится сильнее,чем в других, поэтому МР сигнал от них будет сильно различаться от возбуждения квозбуждению. К сожалению, проблему движения головы весьма сложно решить, но можнопредупредить, используя специальные обездвиживающие катушки.
Также можно тренироватьиспытуемыхвсканере-симуляторе:прибор,внешнеидентичныйМРтомографу,воспроизводящий звуки сканирования, но без дорогостоящего наполнения.Для устранения искажений в полученных данных проводится процедура коррекциидвижения головы: необходимо привести временные ряды изображений к такому виду, чтобымозг оставался в одном и том же положении на каждом изображении. Процесс52пространственного выравнивания двух изображений называется корегистрацией. Так как мозгне меняет форму от изображения к изображению, то для коррекции движения используетсятрансформация твердого тела (сдвиги и вращения).
Компьютерные алгоритмы определяютнабор параметров сдвига и вращения, обеспечивающий наилучшее наложение изображения наисходное (которым может быть первое полученное в эксперименте изображение). Для оценкикачества наложения в последнее время чаще всего используется взаимная информация междуисходным и накладываемым изображением. Взаимная информация – это мера, похожая накорреляцию и показывающая насколько хорошо знание об интенсивности МР сигнала висходном изображении может предсказать (или что то же самое, уменьшить неопределенность)интенсивность воксела в накладываемом изображении.
Когда набор параметров коррекцииопределен, следующий шаг – определение значений интенсивности вокселов, которые бы былиполучены в отсутствии движения. Этот процесс называется пространственной интерполяцией.Простейшей формой интерполяции является линейная (билинейная в двумерном и трилинейнаяв трехмерном случае), при которой предполагается что оцениваемая интенсивность вокселаявляется взвешенным средним интенсивностей всех соседних с ним вокселов. Однако болееточными, хотя и вычислительно сложными, являются интерполяция sinc-функцией исплайнами. Важно отметить, что алгоритмы для коррекции движений не идеальны.Действительно, даже если движения головы точно известны, пространственная интерполяцияприведет к ошибкам в данных в связи с ограниченным разрешением функциональныхизображений, следствием которых будут остаточные эффекты движения в скорректированныхвременных рядах.Другойпричинойсильныхгеометрическихискаженийизображенияявляетсянегомогенность статичного и возбуждающего полей.
Эта проблема может быть исправленапутем помещения в томограф дополнительных катушек, исправляющих дефекты основныхполей, однако редко когда можно добиться полного исправления. В таком случае применяетсяметод картирования статичного магнитного поля. Такая карта магнитного поля может бытьсоздана при помощи двух изображений фазы сигнала с немного различными временами эхо.Разница между фазовыми изображениями пропорциональна силе поля в каждом конкретномместе. Если поле полностью однородно, то разность фаз, индуцированная разными временамиэхо, будет одной и той же во всех вокселах. Изображение будет равномерно серым.
Карты полямогут быть получены как для фантома (образец с известной структурой, помещаемый втомограф для настройки и отладки), так и для мозга человека, и затем использованы во времяреконструкции изображения для коррекции геометрических искажений.53Функциональныеизображения,какправило,имеютнизкоепространственноеразрешение из-за необходимости быстрого съема данных. Анатомические структуры на фМРТизображениях практически неразличимы, поэтому для получения сведений о локализацииактиваций сначала получают структурные МРТ изображения с высоким разрешением иконтрастом, а затем на них накладывают фМРТ изображения.
Этот процесс также являетсякорегистрацией. Процесс включает в себя определение границ Т1-взвешенного структурногоизображения, Т2*-взвешенного функционального изображения и накладывание границ друг надруга.Даже если активность хорошо локализована у каждого испытуемого при помощикорегистрации, остается проблема сравнения активности между испытуемыми. Мозг человекавесьма вариабелен как по своим размерам, так и по формам функциональных областей.Поэтому для исследований в группе мозг на изображении каждого испытуемого должен бытьприведен универсальной форме и размеру. Этот процесс называется нормализация.Нормализация – это форма корегистрации, за тем лишь исключением, что накладываемые другна друга области фундаментально различаются по форме не вследствие геометрическихискажений.
Целью нормализации является устранение этих различий путем растяжений,сжатий и других деформаций каждого изображения мозга до тех пор, пока он не станет такимже, как остальные. В настоящее время при публикации результатов исследований координатыобластей мозга приводятся к общей схеме (или стереотаксическому пространству). Такпоявляется возможность сравнивать исследования между собой в некоем универсальномпространстве.Стандартомявляетсяпространство,построенноеМонреальскимНеврологическим Институтом (MNI) на обобщенных данных многих индивидуальных сканов.На данный момент это пространство – результат усреднения 152-х Т1-взвешенных изображениймозга человека.
Большинство алгоритмов нормализации основаны на таких шаблонах. Длядеформирования изображения мозга до шаблонного, алгоритмы определяют как общий размермозга, так и размер отдельных областей, положение которых часто задается исследователем вручном режиме. Несмотря на то, что нормализация – мощный инструмент, позволяющийповышать мощность статистических тестов сложных гипотез и обобщать данные многихисследований, он не лишен недостатков. Например, метод не учитывает систематическиразличия в форме и размере мозговых структур различных групп: некоторые структурыдетского мозга отличны от мозга взрослого и пожилого человека. Мозг мужчины и женщинытакже имеет небольшие различия. У пациентов со специфическими поражениями мозга такжеможет быть нарушена его структура и форма областей, а так как алгоритмы нормализациипытаются минимизировать разницу между мозгом испытуемого и шаблонным мозгом, сильные54отклонения от нормы мозга испытуемого могут приводить к значительным неточностямметода.
Исследователи, изучающие индивидуальные различия, могут и вовсе отказаться отнормализации в пользу неких альтернатив.Использование частотных фильтров может значительно увеличить соотношениесигнал/шум. В первую очередь отфильтровываются высокие частоты, которые априори немогут присутствовать в реальных данных в связи с ограничением Найквиста. К примеру, есличастота семплирования 0,5 Гц (время сбора данных, TR – 2000 мс), то максимальная частота,реально присутствующая в данных будет не больше 0,25 Гц. Также при помощи частотныхфильтров можно убирать частоты, отражающие различные физиологические процессы,напрямую не являющиеся объектами исследований, такие как дыхание (0,2-0,3 Гц) исердцебиение (1-1,5 Гц).