機械学習に基づくパターン認識のツールボックス。
後輩さんに教えていただいたので忘れないようにモメ。
http://www.kcl.ac.uk/iop/depts/neuroimaging/research/imaginganalysis/Software/PROBID.aspx
2012-10-31
2012-10-30
認知障害のないパーキンソン病患者におけるデフォルトモードネットワークの結合
Default-mode network connectivity in cognitively unimpaired patients with Parkinson disease.
Neurology. 2012 Oct 24;
Authors: Tessitore A, Esposito F, Vitale C, Santangelo G, Amboni M, Russo A, Corbo D, Cirillo G, Barone P, Tedeschi G
PDでは認知障害を伴うことが多いので,厳密に認知症のないヒトだけでデフォルトモードネットワークを健常者と比較。
認知障害がなくてもDMNは障害される模様。
PDDへの進行を予期するものじゃねっとご考察。
Neurology. 2012 Oct 24;
Authors: Tessitore A, Esposito F, Vitale C, Santangelo G, Amboni M, Russo A, Corbo D, Cirillo G, Barone P, Tedeschi G
PDでは認知障害を伴うことが多いので,厳密に認知症のないヒトだけでデフォルトモードネットワークを健常者と比較。
認知障害がなくてもDMNは障害される模様。
PDDへの進行を予期するものじゃねっとご考察。
2012-10-29
前頭側頭型認知症におけるネットワーク結合異常: 前頭前野の分離からの知見
Abnormal network connectivity in frontotemporal dementia: Evidence for prefrontal isolation.
Cortex. 2012 Sep 24;
Authors: Farb NA, Grady CL, Strother S, Tang-Wai DF, Masellis M, Black S, Freedman M, Pollock BG, Campbell KL, Hasher L, Chow TW
FTDに関してはSalienceNetworkをみることでADと区別がつくよとの論文があったわけだが,この論文ではFTDの中でもbehavioral型とsemantic型を分けて比較。
前頭前野の過剰結合が報告されている模様。
Cortex. 2012 Sep 24;
Authors: Farb NA, Grady CL, Strother S, Tang-Wai DF, Masellis M, Black S, Freedman M, Pollock BG, Campbell KL, Hasher L, Chow TW
FTDに関してはSalienceNetworkをみることでADと区別がつくよとの論文があったわけだが,この論文ではFTDの中でもbehavioral型とsemantic型を分けて比較。
前頭前野の過剰結合が報告されている模様。
2012-10-25
デフォルトモーとネットワーク,内的思考,認知能力における加齢効果
Age effect on the default mode network, inner thoughts, and cognitive abilities.
Neurobiol Aging. 2012 Oct 17;
Authors: Mevel K, Landeau B, Fouquet M, La Joie R, Villain N, Mézenge F, Perrotin A, Eustache F, Desgranges B, Chételat G
解析プロセスが詳細に図になっていて素敵。
Neurobiol Aging. 2012 Oct 17;
Authors: Mevel K, Landeau B, Fouquet M, La Joie R, Villain N, Mézenge F, Perrotin A, Eustache F, Desgranges B, Chételat G
解析プロセスが詳細に図になっていて素敵。
2012-10-24
FWE補正
懐かしい資料を発掘したので掲載。
脳機能解析ではボクセルごとに検定を繰り返すため、タイプ1エラーが増大する。0.05の有意基準で10000ボクセルの検定を行った場合、500個ものタイプ1エラーが出現することになる。タイプ1エラーを防ぐため、ボクセル数で補正しなければならい。
Bonferroniの補正
この補正は単純に検定の繰り返し回数で基準のP値を割り算すると考えてよい。10000ボクセルのt検定を行う場合、0.05/10000=0.000005が基準となる。しかし、脳機能解析においてこの基準は厳しすぎる。脳機能的に隣のボクセルとは高い相関を持つので、ボクセルよりもより少ない独立した容量の値で検定を行う方が望ましい。
図上は128×128のマトリックスにおけるZスコアを示している。16,384ボクセルあるので、Bonferroniの補正後の有意基準は0.05/016,384=0.0000030518となる。これでは非常に厳しいので、実用的ではない。
図下は左図の8×8のマスごとに平均値を出して表示したもの。これで考えるとBonferroni補正後の有意基準は0.05/(16*16)=0.00019531となり、だいぶ緩和される。fMRIのデータは隣のボクセルと高い相関を持つので、独立したボクセル群の数で補正してやればよい。
Random Field Theory (RFT)
RFTはスムージングされた統計的マップにおける数学的に定義された理論的結果を意味するらしい。もう少し具体的にいうとスムージングされた統計値マップにおいて、期待されるオイラー標数(Euler characteristic: EC)を求めることらしい。
まず得られたZ値の分布をスムージングする。これが上の図。ここではFWHM8pixelsとした。この図において、Z値の基準をいろいろ動かして、その際に有意なpixel群の数を数える。
図上はZ>2.75のピクセルを白、Z値が2.75以下のピクセルを黒で示している。この場合のオイラー標数ECは2となる。さらにZの閾値を上げて3.5にするとオイラー標数ECは1となった。このようにZの閾値を上げるとオイラー標数ECは少なくなる。これをランダムなフィールドで繰り返したとき、ECの期待値が0.05以下となるようなZ値が有意基準となる。これがSPMにおけるFWEに相当する。ECの期待値はFWHMとボクセル数に依存する。
とはいいつつも、FWEも十分厳しい。タイプ1エラーを厳しくするあまり、タイプ2エラーの増大をまねく危険はある。それを考慮したのがFDR。 手続き的には簡単。まず得られたP値を小さい順に並べ直す。そのときPk<αk/Nとなるkを見つけてそこまでが有意ですよってことらしい。このやり方だとタイプ2エラーの増大は防げる。当然、タイプ1エラーは緩くなるので注意が必要。
脳機能解析ではボクセルごとに検定を繰り返すため、タイプ1エラーが増大する。0.05の有意基準で10000ボクセルの検定を行った場合、500個ものタイプ1エラーが出現することになる。タイプ1エラーを防ぐため、ボクセル数で補正しなければならい。
Bonferroniの補正
この補正は単純に検定の繰り返し回数で基準のP値を割り算すると考えてよい。10000ボクセルのt検定を行う場合、0.05/10000=0.000005が基準となる。しかし、脳機能解析においてこの基準は厳しすぎる。脳機能的に隣のボクセルとは高い相関を持つので、ボクセルよりもより少ない独立した容量の値で検定を行う方が望ましい。
図上は128×128のマトリックスにおけるZスコアを示している。16,384ボクセルあるので、Bonferroniの補正後の有意基準は0.05/016,384=0.0000030518となる。これでは非常に厳しいので、実用的ではない。
図下は左図の8×8のマスごとに平均値を出して表示したもの。これで考えるとBonferroni補正後の有意基準は0.05/(16*16)=0.00019531となり、だいぶ緩和される。fMRIのデータは隣のボクセルと高い相関を持つので、独立したボクセル群の数で補正してやればよい。
Random Field Theory (RFT)
RFTはスムージングされた統計的マップにおける数学的に定義された理論的結果を意味するらしい。もう少し具体的にいうとスムージングされた統計値マップにおいて、期待されるオイラー標数(Euler characteristic: EC)を求めることらしい。
まず得られたZ値の分布をスムージングする。これが上の図。ここではFWHM8pixelsとした。この図において、Z値の基準をいろいろ動かして、その際に有意なpixel群の数を数える。
図上はZ>2.75のピクセルを白、Z値が2.75以下のピクセルを黒で示している。この場合のオイラー標数ECは2となる。さらにZの閾値を上げて3.5にするとオイラー標数ECは1となった。このようにZの閾値を上げるとオイラー標数ECは少なくなる。これをランダムなフィールドで繰り返したとき、ECの期待値が0.05以下となるようなZ値が有意基準となる。これがSPMにおけるFWEに相当する。ECの期待値はFWHMとボクセル数に依存する。
とはいいつつも、FWEも十分厳しい。タイプ1エラーを厳しくするあまり、タイプ2エラーの増大をまねく危険はある。それを考慮したのがFDR。 手続き的には簡単。まず得られたP値を小さい順に並べ直す。そのときPk<αk/Nとなるkを見つけてそこまでが有意ですよってことらしい。このやり方だとタイプ2エラーの増大は防げる。当然、タイプ1エラーは緩くなるので注意が必要。
2012-10-23
扁桃体-皮質間の内的機能結合はヒトにおける社会的ネットワークサイズを予測する
Intrinsic amygdala-cortical functional connectivity predicts social network size in humans.
J Neurosci. 2012 Oct 17;32(42):14729-41
Authors: Bickart KC, Hollenbeck MC, Barrett LF, Dickerson BC
脳の大きさと社会のサイズがきれいに哺乳類で相関し,個人レベルでも脳と社会性が関与することがさまざま報告されてきた。
機能的結合ともやはり関連がある模様。
J Neurosci. 2012 Oct 17;32(42):14729-41
Authors: Bickart KC, Hollenbeck MC, Barrett LF, Dickerson BC
脳の大きさと社会のサイズがきれいに哺乳類で相関し,個人レベルでも脳と社会性が関与することがさまざま報告されてきた。
機能的結合ともやはり関連がある模様。
2012-10-19
定量的時間的相関: 安静時fMRIにおける機能的結合のテスト-リテスト評価
Quantifying Temporal Correlations: A Test-Retest Evaluation of Functional Connectivity in Resting-State fMRI.
Neuroimage. 2012 Sep 29;
Authors: Fiecas M, Ombao H, van Lunen D, Baumgartner R, Coimbra A, Feng D
二回目を一年後,三回目を二回目の直後に実施。
機能的結合は間隔の短い方が高く,一年空くと低下。
状態的な変化と特性的変化が両方かぶってくるので,縦断的な解析は解釈が難しいところ。
Neuroimage. 2012 Sep 29;
Authors: Fiecas M, Ombao H, van Lunen D, Baumgartner R, Coimbra A, Feng D
二回目を一年後,三回目を二回目の直後に実施。
機能的結合は間隔の短い方が高く,一年空くと低下。
状態的な変化と特性的変化が両方かぶってくるので,縦断的な解析は解釈が難しいところ。
2012-10-17
デフォルトネットワークは流動する認知をもつ認知症において減弱しない: アルツハイマー病とレビー小体型認知症の比較
Default network is not hypoactive in dementia with fluctuating cognition: an Alzheimer disease/dementia with Lewy bodies comparison.
Neurobiol Aging. 2012 Oct 11;
Authors: Franciotti R, Falasca NW, Bonanni L, Anzellotti F, Maruotti V, Comani S, Thomas A, Tartaro A, Taylor JP, Onofrj M
なんかタイトルがまどろっこしいが,要するに認知機能が低下するからといってデフォルトモードネットワークが落ちるわけではないよという論文。
デフォルトモードネットワークの低下は認知機能の低下ではなく,ADの病理と関連しているってことか?
二番煎じな感は否めず。
Neurobiol Aging. 2012 Oct 11;
Authors: Franciotti R, Falasca NW, Bonanni L, Anzellotti F, Maruotti V, Comani S, Thomas A, Tartaro A, Taylor JP, Onofrj M
なんかタイトルがまどろっこしいが,要するに認知機能が低下するからといってデフォルトモードネットワークが落ちるわけではないよという論文。
デフォルトモードネットワークの低下は認知機能の低下ではなく,ADの病理と関連しているってことか?
二番煎じな感は否めず。
2012-10-16
fMRIデータにおけるEffective Connectivity研究: Granger因果性解析の過去の知見と現在の問題
Investigating Effective Brain Connectivity from fMRI Data: Past Findings and Current Issues with Reference to Granger Causality Analysis.
Brain Connect. 2012 Sep 27;
Authors: Deshpande G, Hu X
もめのみ
Brain Connect. 2012 Sep 27;
Authors: Deshpande G, Hu X
もめのみ
2012-10-15
2012-10-12
2012-10-05
機能的画像と小脳: 最近の発展と挑戦
Functional imaging and the cerebellum: recent developments and challenges. Editorial.
Cerebellum. 2012 Jun;11(2):311-3
Authors: Habas C
めものみ。
Cerebellum. 2012 Jun;11(2):311-3
Authors: Habas C
めものみ。
2012-10-02
小脳と認知: 機能的画像研究からの知見
The cerebellum and cognition: evidence from functional imaging studies.
Cerebellum. 2012 Jun;11(2):352-65
Authors: Stoodley CJ
かなり細かく分けてる。
Cerebellum. 2012 Jun;11(2):352-65
Authors: Stoodley CJ
かなり細かく分けてる。
2012-10-01
ネットワーク解析は情動的及び動機づけ的な処理中の統合の増強を明らかにする
Network analysis reveals increased integration during emotional and motivational processing.
J Neurosci. 2012 Jun 13;32(24):8361-72
Authors: Kinnison J, Padmala S, Choi JM, Pessoa L
たいとーのみ。
J Neurosci. 2012 Jun 13;32(24):8361-72
Authors: Kinnison J, Padmala S, Choi JM, Pessoa L
たいとーのみ。
登録:
投稿 (Atom)