'MATLAB'에 해당되는 글 4건

  1. 뇌영상 데이터 분석 - Create Brain Mask
  2. 뇌영상 데이터 분석 - Matlab Index scheme
  3. intuitive voxel-based lesion symptom mapping (iVLSM) toolbox
  4. intuitive resting state functional connectivity (iRSFC) toolbox (7)

MATLAB을 이용하여 뇌영상 데이터를 분석하다 보면, 뇌영역에 해당되는 부분의 마스크Mask를 만들어야 하는 경우가 있습니다. 이러한 경우에는 뇌영상 데이터 분석 - Matlab Index scheme 강의에서 처럼 MATLAB의 index 기능을 이용하면 회색질, 백색질, 뇌척수액 등에 해당되는 뇌 영역을 indices 값을 얻을 수 있고, 각각의 인덱스 값의 합집합을 이용하면 전체 뇌영역에 해당되는 마스크Mask를 얻을 수 있습니다.

위에 그림은 회색질(Grey Matter, GM), 백질(White Matter, WM), 뇌척수액(Cerebro-spinal Fluid, CSF)의 3차원 공간에서의 확률 분포를 보여주고 있습니다. 각각의 영상은 SPM (Statistical Parametric Mapping)을 설치하면 자동으로 설치되는 영상파일 입니다.

이제 다음의 MATLAB 명령어를 통해서 뇌마스크(Brain Mask)를 만들어 보겠습니다. 다음과 같이 한줄씩 MATLAB 명령창(Command Window)에 입력해 보시면서, 각각의 명령어가 의미하는바가 무엇인지 결과를 확인해 보시면 많은 공부가 될것 같습니다. 

>> % Specify file path >> fn_GM = fullfile(spm('dir'),'tpm', 'grey.nii'); >> fn_WM = fullfile(spm('dir'), 'tpm', 'white.nii'); >> fn_CSF = fullfile(spm('dir'), 'tpm', 'csf.nii'); >> >> % read volume header information >> vo_GM = spm_vol(fn_GM); >> vo_WM = spm_vol(fn_WM); >> vo_CSF = spm_vol(fn_CSF); >> >> % read 3D volume image data >> GM = spm_read_vols(vo_GM); >> WM = spm_read_vols(vo_WM); >> CSF = spm_read_vols(vo_CSF); >> >> % find indices of brain matter mask (idbrainmask) >> idx_gm = find(GM>0.5); % GM mask with Prob(GM>0.5); >> idx_wm = find(WM>0.5); % WM mask with Prob(WM>0.5); >> idx_csf = find(CSF>0.5); % CSF mask with Prob(CSF>0.5); >> >> % Set operation to compute union of two indices >> idbrainmask = union(idx_gm, idx_wm); >> idbrainmask = union(idbrainmask, idx_csf); >> >> % Fill ones for ROI >> IMG = zeros(size(GM)); % create zeros matrix >> IMG(idbrainmask) = 1; >> >> % Write 3D image >> vout = vo_GM; % copy header information >> vout.fname = 'brainmask.nii'; >> spm_write_vol(vout,IMG);

ex1.m

위의 프로그램을 실행하기 위해서는 확률맵(grey.nii, white.nii, csf.nii)이 필요한데, 이 파일들은 위에 설명되어 있듯이 SPM을 설치하고 MATLAB에서 Set Path로 SPM의 경로를 설정해 주어야 접근 가능한 파일들입니다.

신고

매틀랩으로 데이터 분석을 하다보면 find() 명령어를 통해서 특정 index를 찾고, 해당되는 index 값에 대해서만 여러 연산을 수행하는 과정이 필요합니다. 매틀랩에서 행렬을 생성하게 되면 아래의 그림과 같이 Subscript space에서는 A(1,1) 또는 A(1,2) 등의 과정을 통해서 행렬의 각 요소에 있는 값을 얻어올 수 있습니다. 하지만, Subscript space에서 Index space로 변환을 하게 되면 A(1,1)은 A(1)로 접근이 가능하고, A(1,2)는 A(11)을 통해서도 행렬의 값을 얻을 수 있습니다.

가령 아래와 같은 10x20의 행렬 A를 생각해 보겠습니다. 숫자는 행렬의 index를 의미하는 것이고 색깔은 행렬 요소의 값을 의미합니다. 파란색은 0이고 빨간색은 1을 나타냅니다. 이제 Matlab의 find() 명령어를 이용해서 행렬의 값이 1인 요소들의 index 값들을 찾아보도록 하겠습니다.

위의 그림에서 오른쪽에 나와 있듯이 Matlab에서 (>> idx = find(A>0)) 이란 명령어를 통해서 값이 0보다 큰 행렬 요소들이 어느 위치에 있는지 알 수 있습니다. 

신고

About iVLSM

  • iVLSM는 intuitive voxel-based lesion symptom mapping의 약자 입니다.

  • 가장 간단한 방법으로 병변과 증상간의 관계를 연구 할 수 있는 Matlab 기반의 툴박스 입니다.

  • 복셀 기반의 병변을 Overlap하고 병증과의 관계를 연구 할 수 있는 프로그램들을 이미 여러개가 있습니다. 하지만, 기능이 복잡하거나 사용 방법이 사용자에게 친숙하지 않기 때문에 연구하기에 제약도 많이 있습니다.

  • iVLSM toolbox를 구동하기 위해서는 SPM12 툴박스를 미리 다운로드 받고 Matlab에서 Set Path를 설정해야 합니다.

Functionality

  • Overlap of lesions: 개별 데이터에 병변을 ROI로 그렸다면, 해당 ROI들의 overlay map을 생성해 주는 기능을 수행합니다.

  • Lesion-symptom mapping: 각 볼셀별로 병변이 있는 환자들과 병변이 없는 환자들을 나누고, 여러가지 임상 척도가 연구자가 나누어진 그룹 간에 통계적으로 유의미한 차이가 있는지 통계분석을 수행하는 기능을 제공합니다. 제공되는 통계방법으로는 Independent sample t-test와 Mann-Whitney U test가 있습니다. 적절한 통계 방법을 선택해서 연구를 수행하시면 됩니다.

Download

  • 아래의 링크에서 간단한 설문에 응답해 주시면 다운로드 링크를 보실 수 있습니다.

  • 어떤 연구자들이 주로 프로그램을 사용하는지 알기 위한 설문이지, 최대한 성의것 응답해 주시면 추후에 프로그램을 업데이트 하는데 큰 도움이 될것 같습니다.

  • 깃허브Github 다운로드: https://github.com/skyeong/iVLSM

Hands-on Exercise


신고

About iRSFC

  • iRSFC는 intuitive resting-state functional connectivity의 약자 입니다.

  • 가장 간단한 방법으로 휴자상태 뇌기능 연결성을 분석 할 수 있는 Matlab 기반의 툴박스 입니다.

  • 기능 뇌네트워크를 분석할 수 있는 프로그램들을 이미 많이 있습니다. 하지만, 너무 많은 기능이 들어 있어서 사용하기가 쉽지 않고 기존에 Event-related fMRI (ER-fMRI) 연구를 하시던 분들이 사용하시게에 생소한 부분들이 많이 있습니다. iRSFC는 ER-fMRI 연구를 하셨던 분들이 쉽게 사용할 수 있도록 디자인한 프로그램입니다. 

  • iRSFC toolbox를 구동하기 위해서는 SPM 툴박스를 미리 다운로드 받고 Matlab에서 Set Path를 설정해야 합니다.

Functionality

  • Seed ROI based functional connectivity analysis: seed로 설정한 뇌영역과 다른 모든 뇌영역간의 functional connectivity를 계산해서 zmap으로 저장하는 기능을 수항햅니다. 이후 분석은 SPM의 [Specify 2nd-level] 메뉴를 통해서 진행하면 됩니다.

  • Network analysis among ROIs: 연구자가 설정한 ROI 영역들간의 기능 연결성을 모두 계산해서 결과를 Comma Separated Values 의 형태로 저장하는 기능을 수행합니다. 이후에 분석은 SPSS 등으로 수행 가능합니다.

Download

  • 아래의 링크에서 간단한 설문에 응답해 주시면 다운로드 링크를 보실 수 있습니다.

  • 어떤 연구자들이 주로 프로그램을 사용하는지 알기 위한 설문이지, 최대한 성의것 응답해 주시면 추후에 프로그램을 업데이트 하는데 큰 도움이 될것 같습니다.

  • 깃허브Github 다운로드 링크: https://github.com/skyeong/iRSFC

Hands-on Exercise

  • 아래의 링크에 있는 메뉴얼을 다운로드 받아서 따라해 보세요^^

  • 다운로드 링크: slideshare

iRSFC Workshop Info

  1.  Sunghyon Kyeong, 'Hands-on workshop on intuitive Resting-State Functional Connectivity (iRSFC)', Department of Psychiatry, Chonbuk National University Hospital, 9 January, 2015. 
    (1) theoretical background on fMRI BOLD signal (40 min.) 
    (2) Hands-on exercise for fMRI preprocessing (60 min.) 
    (3) Hands-on exercise for iRSFC toolbox (90 min.) 
    (4) Multiple comparison issues and AlphaSim correction (20 min.)





신고