🌙

About

🩻fMRI

4. Preprocessing

date

Aug 19, 2023

slug

fmri-glm-4

author

status

Public

tags

NI-edu

Dartbrain

summary

type

Post

thumbnail

category

🩻fMRI

updatedAt

Aug 19, 2023 05:38 AM

앞으로 후술될 5. Modeling Single Subject Data~ 부분에서도 전처리에 관련된 내용이 있음

Temporal preprocessing

Slice-time correction

MRI scan sequence는 뇌의 volume을 slice해서 자른다는 특징을 가지고 있음

층별로 slice해서 촬영하다보니, slice 별로 아주 약간의 시간 차를 지님

아래의 예시는 뇌 전체 촬영 시간이 2초일 때, 40개의 slice를 촬영한다면, 각 slice는 0.05 초를 지닐 것임(0, 0.05, 0.10, … , 1.95)

TR = 2
n_slices = 40
slice_onsets_within_volume = np.linspace(0, TR, n_slices, endpoint=False)
# np.arange(0, TR, TR / 40) 도 작동함

>>> [0.   0.05 0.1  0.15 0.2  0.25 0.3  0.35 0.4  0.45 0.5  0.55 0.6  0.65
 0.7  0.75 0.8  0.85 0.9  0.95 1.   1.05 1.1  1.15 1.2  1.25 1.3  1.35
 1.4  1.45 1.5  1.55 1.6  1.65 1.7  1.75 1.8  1.85 1.9  1.95]

notion image

High-pass filtering of fMRI data

fMRI 데이터를 전처리하는 방법은 크게 두 가지로 나뉨

전처리 과정을 GLM 모델 전에 작업하기
전처리 하지 않고, GLM 모델에 noise predictors를 넣어서 모델링하기

[방법1]

전처리 과정을 별도로 하는 방법에서는, “gaussian weighted running line smoother”을 사용해 high-pass filter를 진행하여 오차를 줄일 수 있음

fMRI 신호는 진동수가 낮은 신호(drift)로 인해 예측 모델이 안 좋은 결과를 낳을 수 있음

진동수가 낮은 신호를 제거하고 진동수가 높은 신호만 남기는 과정을 high-pass filter라고 부름

notion image

이 때, gaussial filter을 기준을 high-pass filter를 함

notion image

notion image

[방법2]

GLM 모델에 noise predictors를 넣어서 모델링하는 방법에서는 다음과 같이 가설을 세움

이런 식을 “nuisance regression”이라고 함

위에서 사용한 high-pass filter와 동일한 효과를 갖게 하기 위해서, 다양한 진동수에 해당하는 cosine 함수 집합을 활용함

Spatial preprocessing

Motion correction / realignment

fMRI 촬영 중에 스캐너 안에서 사람이 미세하게 움직일 수 있음

이러한 움직임을 조정하는 과정으로, 전처리 단계에서 가장 중요한 단계임

우선 첫 번째 혹은 중간 번째를 기준으로 볼륨을 지정함

Affine registrations

이미지를 조정하는 것은 affine matrix와 연관이 있음

만약 superior → inferior로 3 voxels만큼 아래로 이동하려면 다음과 같이 affine matrix를 움직이면 됨

A_example = np.array([
    [1, 0, 0, 0],
    [0, 1, 0, 0],
    [0, 0, 1, 3],
    [0, 0, 0, 1]
])

coord = np.array([0, 0, 0, 1]) # 중간 좌표(라고 가정)
corr_coord = A_example @ coord
print(corr_coord[:3])
>>> [0 0 3]

회전하고 싶은 경우는 다음과 같이 affine matrix를 움직이면 됨

Spatial filtering (blurring/smoothing)

이전에 temporal preprocessing에서 낮은 진동수 신호는 버림(high-pass filtering)

spatial preprocessing에서는 높은 진동수 신호를 버림으로써 blurring/smoothing을 할 수 있음

이 때, gaussial filter을 기준을 low-pass filter를 함

notion image

from scipy.ndimage import gaussian_filter

fwhm = 10
voxelsize = 6

sigma = fwhm / (np.sqrt(8 * np.log(2)) * voxelsize)
smoothed_vol = gaussian_filter(vol, sigma=sigma)