통계적 매개변수 사상
"오늘의AI위키"의 AI를 통해 더욱 풍부하고 폭넓은 지식 경험을 누리세요.
1. 개요
통계적 매개변수 사상은 기능적 뇌영상 데이터를 분석하는 데 사용되는 방법이다. 뇌 활동을 측정하고 복셀 단위로 3차원 공간에 사상하여, 특정 정신 과정과 관련된 뇌 영역의 활성화를 연구한다. 실험 설계, 영상 전처리, 통계적 비교 단계를 거쳐, 일반 선형 모델을 사용해 데이터 변동성을 설명하고 통계적 유의미성을 평가한다. 결과는 표, 색상 패치, '유리 뇌' 이미지 등 다양한 방식으로 표현되며, SPM과 같은 소프트웨어를 활용하여 분석을 수행한다.
측정된 뇌 활동의 차이는 다양한 방식으로 표현될 수 있다.
2. 접근법
2. 1. 측정 단위
기능 뇌영상은 신경활동을 측정하는 뇌 촬영 기법 중 하나이다. 뇌 활동은 fMRI나 PET 등의 뇌영상 기법으로 측정한다. 뇌영상 기법으로 측정된 신경활동은 복셀(Voxel) 단위로 3차원 공간에 사상된다. 각각의 복셀에 사상된 측정치는 3차원 공간의 해당 위치에서의 뇌 활동 정도를 의미한다. 복셀의 크기는 사용된 뇌영상 기법에 따라서 다르다. fMRI 복셀은 일반적으로 정삼각형 육면체에서 27 mm3의 부피를 나타낸다.
2. 2. 실험 설계
연구자들은 특정 정신 과정과 관련된 뇌 활동을 연구한다. 한 가지 접근 방식은 '과제 A를 과제 B에 비해 수행할 때 뇌의 어떤 영역이 유의미하게 더 활성화되는가?'를 묻는 것이다. 과제가 조사 중인 행동을 제외하고 동일하게 설계되었을지라도, 뇌는 과제 차이 외의 요인(뇌는 과제와 관련 없는 많은 병렬 기능을 조절한다)으로 인해 과제 간에 활동 변화를 보일 가능성이 높다. 또한 신호는 이미징 과정 자체의 노이즈를 포함할 수 있다.
이러한 무작위 효과를 걸러내고, 조사 중인 과정과 구체적으로 관련된 활동 영역을 강조하기 위해, 통계는 가장 유의미한 차이를 찾는다. 이는 데이터를 준비하고 일반 선형 모형을 사용하여 분석하는 다단계 과정을 포함한다.
2. 3. 영상 전처리
스캐너의 이미지는 잡음을 제거하거나 샘플링 오류를 수정하기 위해 전처리될 수 있다.
일반적으로 한 연구는 피험자를 여러 번 스캔한다. 스캔 간의 머리 움직임을 설명하기 위해, 각 이미지의 복셀이 뇌의 동일한 부위에 (대략적으로) 해당하도록 이미지를 조정한다. 이를 ''재정렬'' 또는 ''동작 보정''이라고 하며, 이미지 재정렬을 참조한다.
기능적 신경 영상 연구는 일반적으로 여러 참가자를 포함하며, 각 참가자는 서로 다른 모양의 뇌를 가지고 있다. 전체적인 뇌 크기의 약간의 차이, 이랑과 고랑의 지형의 개인적 차이, 그리고 뇌량과 같은 깊은 구조의 형태학적 차이를 제외하면 모두 동일한 거시 해부학을 가질 가능성이 높다. 비교를 돕기 위해, 각 뇌의 3D 이미지는 ''공간 정규화''를 통해 표면 구조가 정렬되도록 변환된다. 이러한 정규화는 일반적으로 뇌 표면의 이동, 회전, 크기 조정 및 비선형 와핑을 포함하여 표준 템플릿과 일치시킨다. 탈라이라크-투르누 또는 몬트리올 신경 연구소 (MNI)의 템플릿과 같은 표준 뇌 지도는 전 세계 연구자들이 자신의 결과를 비교할 수 있도록 한다.
이미지는 데이터를 덜 잡음이 많게 만들기 위해 평활화될 수 있다 (일부 이미지 편집 소프트웨어에서 사용되는 '흐림' 효과와 유사). 이 과정은 일반적으로 가우스 필터를 사용하거나 웨이블릿 변환을 통해 복셀을 이웃과 평균화한다.
2. 4. 통계적 비교
모수 통계적 모델은 각 복셀에서 가정되며, 일반 선형 모델을 사용하여 실험 및 혼합 효과와 잔차 변동성의 관점에서 데이터 변동성을 설명한다. 모델 매개변수 측면에서 표현된 가설은 일변량 통계를 사용하여 각 복셀에서 평가된다.
분석은 선형 컨볼루션 모델을 사용하여 시간에 따른 차이(예: 작업 변수와 특정 영역의 뇌 활동 간의 상관 관계)를 조사할 수 있으며, 이는 측정된 신호가 신경 활동의 근본적인 변화에 의해 어떻게 발생하는지를 보여준다.
많은 통계 검정이 수행되기 때문에, 많은 복셀에 걸쳐 활동 수준을 비교함으로써 잠재적으로 발생하는 제1종 오류(거짓 양성)를 제어하기 위해 조정을 해야 한다. 제1종 오류는 배경 뇌 활동을 작업과 관련된 것으로 잘못 평가하는 결과를 초래한다. 조정은 이미지의 resel 수와 연속 확률장 이론을 기반으로 이루어져, 다중 비교 문제를 조정하는 통계적 유의성에 대한 새로운 기준을 설정한다.
3. 결과 표현
작업 간의 가장 중요한 활동 차이를 보여주는 좌표를 표시하는 표로 나타낼 수 있다. 또는 뇌 활동의 차이는 뇌 '단면'에서 색상 패치로 표시할 수 있으며, 색상은 조건 간에 통계적으로 유의미한 차이가 있는 복셀의 위치를 나타낸다. 색상 그라데이션은 t-값 또는 z-점수와 같은 통계 값에 매핑된다. 이는 주어진 영역의 상대적인 통계적 강도를 직관적이고 시각적으로 매력적인 지도로 만든다.
활동의 차이는 뇌가 투명한 것처럼 뇌의 세 가지 윤곽 보기를 나타내는 '유리 뇌'로 표현될 수 있다. 활성화 패치만 음영 영역으로 표시된다. 이는 주어진 통계적 비교에서 유의미한 변화의 총 영역을 요약하는 수단으로 유용하다.
3. 1. 그래프 표현
측정된 뇌 활동의 차이는 다양한 방식으로 표현될 수 있다.
작업 간의 가장 중요한 활동 차이를 보여주는 좌표를 표시하는 표로 나타낼 수 있다. 또는 뇌 활동의 차이는 뇌 '단면'에서 색상 패치로 표시할 수 있으며, 색상은 조건 간에 통계적으로 유의미한 차이가 있는 복셀의 위치를 나타낸다. 색상 그라데이션은 t-값 또는 z-점수와 같은 통계 값에 매핑된다. 이는 주어진 영역의 상대적인 통계적 강도를 직관적이고 시각적으로 매력적인 지도로 만든다.
활동의 차이는 뇌가 투명한 것처럼 뇌의 세 가지 윤곽 보기를 나타내는 '유리 뇌'로 표현될 수 있다. 활성화 패치만 음영 영역으로 표시된다. 이는 주어진 통계적 비교에서 유의미한 변화의 총 영역을 요약하는 수단으로 유용하다.
4. 소프트웨어
SPM은 유니버시티 칼리지 런던의 웰컴 영상신경과학부에서 기능적 신경영상 데이터 분석을 돕기 위해 작성된 소프트웨어이다.[1] MATLAB을 사용하여 작성되었으며, 자유 소프트웨어로 배포된다.[1]
본 사이트는 AI가 위키백과와 뉴스 기사,정부 간행물,학술 논문등을 바탕으로 정보를 가공하여 제공하는 백과사전형 서비스입니다.
모든 문서는 AI에 의해 자동 생성되며, CC BY-SA 4.0 라이선스에 따라 이용할 수 있습니다.
하지만, 위키백과나 뉴스 기사 자체에 오류, 부정확한 정보, 또는 가짜 뉴스가 포함될 수 있으며, AI는 이러한 내용을 완벽하게 걸러내지 못할 수 있습니다.
따라서 제공되는 정보에 일부 오류나 편향이 있을 수 있으므로, 중요한 정보는 반드시 다른 출처를 통해 교차 검증하시기 바랍니다.
문의하기 : help@durumis.com