پس از طراحی پارادایم fMRI و اجرای آزمایش و جمع آوری داده ها ، قبل از اینکه دانشمندان علوم مغز و اعصاب و پزشکان بتوانند به سوالات مربوط به فعالیت های مربوط به آزمایش دست یابند ، باید مراحل مختلف آنالیز fMRI را بر روی داده های حاصل شده اعمال کرد. هدف از آنالیز مبتنی بر رایانه ، تعیین خودکار آن قسمت هایی از مغز است که به محرک هایی که به افراد ارائه می شود پاسخ می دهند. روشهای آنالیز fMRI از چندین مرحله اساسی تشکیل شده است: پیش پردازش ، تشخیص سیگنال و توصیف و استخراج اتصال مغز.

هدف از پیش پردازش در آنالیز fMRI از بین بردن انواع مختلف نویز مانند اصلاح حرکت است. پیش پردازش شامل فیلتر کردن مکانی یا زمانی داده های fMRI و بهبود رزولوشن تصویر است. پس از پیش پردازش ، ارزیابی سیگنال انجام می شود. هدف از ارزیابی سیگنال در آنالیز fMRI تعیین این است که کدام واکسل ها توسط تحریک فعال می شوند و معمولاً با استفاده از تست های آماری بدست می آیند. خروجی این مرحله یک نقشه فعالیت است که قسمتهایی از مغز را نشان می دهد که در پاسخ به محرک فعال شده اند. هدف از توصیف سیگنال ، مدلسازی شکل پاسخ BOLD توسط چندین پارامتر و مرتبط کردن این پارامترها با توصیف متن تحریک است. سرانجام ، آنالیز کانکتیویتی سعی در تخمین شبکه های مغزی دارد. قبل از آنالیز آماری و ارزیابی سیگنال ، لازم است کیفیت پردازش سیگنال در آنالیز fMRI با پیش پردازش داده های خام به دست آمده از اسکنر MRI ، از جمله تشخیص نویز ، تصحیح سیگنال پایه ، اصلاح حرکت و بازیابی تصویر بهبود یابد. پیش پردازش گامی جهت کاهش نویز و مصنوعات داده های خام fMRI از تکنیک های مختلف پردازش تصویر و سیگنال استفاده می کند. مراحل پیش پردازش به طور جداگانه به طور خاص به داده های fMRI اعمال می شود.

تقریباً تمام داده های fMRI با استفاده از اخذ MRI دو بعدی جمع آوری می شوند ، که در آن داده ها هر بار یک اسلایس بدست می آیند ، با زمان دستیابی قطعه به طور مساوی در زمان تکرار (TR) پخش می شود. در بعضی موارد ، برش ها به ترتیب صعودی یا نزولی بدست می آیند. در روش شناخته شده دیگر ، هر قطعه دیگر به ترتیب دنبال می شود. این تفاوت ها در زمان اخذ دیتای واکسل های مختلف برای آنالیز fMRI مشکل ساز است. هدف از اصلاح زمان بندی برش ها ، تنظیم سری زمانی واکسل به گونه ای است که زمان مرجع مشترک برای همه واکسل ها وجود داشته باشد. زمان مربوط به برش اول اغلب به عنوان مرجع انتخاب می شود.

fMRI مستقیماً چه چیزی را اندازه گیری می کند؟ تصویربرداری تشدید مغناطیسی عملکردی یا MRI عملکردی (fMRI) فعالیت مغز را با تشخیص تغییرات مرتبط با جریان خون اندازه گیری می کند. این تکنیک به این واقعیت متصل است که جریان خون مغزی و فعال سازی عصبی بهم پیوسته است. وقتی ناحیه ای از مغز استفاده می شود ، جریان خون در آن ناحیه نیز افزایش می یابد.

روش های آنالیز آماری

در مراحل پیش پردازش ، کیفیت تصاویر fMRI بهبود می یابد. پس از آن ، آنالیز آماری تعیین میکند که واکسل های تحریک شده فعال شوند. بیشتر مطالعات آنالیز fMRI بر روی ارتباط عملکرد پاسخ همودینامیکی با تحریک ایجاد شده است. فعال سازی، تغییرات شدت لوکال را در تصاویر تعریف می کند. این روش ها را می توان در دو دسته گسترده گروه بندی کرد: روش های تک متغیره (روش های آزمایش فرضیه) و روش های چند متغیره (روش های اکتشافی).

روشهای یک متغیره در آنالیز fMRI سعی در تعریف این دارد که کدام یک از واکسل ها را می توان با توجه به یک مدل سیگنال فعال توصیف کرد. روش های یک متغیره به طور گسترده ای برای آنالیز تصاویر مغز به دست آمده از تصویربرداری fMRI استفاده می شود. در این روش ها ، تخمین سیگنال و وجود یا عدم فعال سازی توسط آزمون آماری تعریف می شود. یکی از روشهای معمول ، نقشه برداری پارامتری آماری (SPM) است که بر اساس فرضیه همبستگی خطی بین فعالیت های عصبی و وظایف بنا شده است.

روش های چند متغیره برای آنالیز fMRI ، که اطلاعات را از مجموعه داده استخراج می کند ، اغلب با هر گونه دانش قبلی از شرایط تجربی ، اعمال می شود. آنها از برخی خصوصیات ساختاری مانند ضریب همبستگی ، عدم وابستگی و معیارهای تشابه استفاده می کنند که می تواند بین ویژگی های مدنظر موجود در داده ها تفاوت قائل شود. برخلاف روشهای یک متغیره که آنالیز آماری وکسل را انجام می دهند ، روشهای چند متغیره استنباط آماری در مورد کل مغز را ارائه می دهند تا پاسخ مغز را از نظر الگوهای فضایی توصیف کنند. طیف گسترده ای از روش های آماری چند متغیره به طور فزاینده ای برای آنالیز fMRI استفاده می شود. داده های fMRI اساساً ماهیتی چند متغیر دارند ، زیرا اطلاعات مربوط به هزاران مکان اندازه گیری شده (واکسل) در هر اسکن تحت تأثیر قرار می گیرند. روش آنالیز تک متغیره یا مبتنی بر وکسل به طور سنتی برای آنالیز داده های تصویربرداری عصبی استفاده می شود.

اکثریت قریب به اتفاق تکنیک های آنالیز fMRI که توسط دانشمندان علوم مغز و اعصاب استفاده می شود از GLM استفاده می کنند. GLM یکی از رایج ترین رویکردها در آنالیز fMRI است که ساخت مدلی است که نحوه وابستگی پاسخ BOLD به محرک را توصیف می کند. به طور کلی مدل سازی خطی ابتدا باید یک مدل تنظیم شود و سپس این مدل باید متناسب با داده ها باشد.

پردازش داده های fMRI چگونه انجام می شود؟ پیش پردازش داده های خام fMRI شامل شناسایی داده های حاشیه ای و به دنبال چندین مرحله برای اصلاح نویز ، حرکت ، رانش سیگنال ، اختلاف زمان برش و تحریفات مکانی است.

آیا fMRI جریان خون را اندازه گیری می کند؟ تصویربرداری تشدید مغناطیسی عملکردی (fMRI) با استفاده از تصویربرداری MR تغییرات جزئی جریان خون را که در یک قسمت فعال مغز اتفاق می افتد اندازه گیری می کند.