View
118
Download
2
Category
Preview:
Citation preview
SommaireSommaireSommaireSommaire
I. Origine du signal BOLDI. Origine du signal BOLD 1. 1. De l’activation neurale à l’effet BOLDDe l’activation neurale à l’effet BOLD2. Signal mesurable en IRM, en IRMf2. Signal mesurable en IRM, en IRMf
II. Paradigmes expérimentauxII. Paradigmes expérimentaux
III. Analyse des données IRMfIII. Analyse des données IRMf
IV. ApplicationsIV. Applications
I. Origine du signal BOLDI. Origine du signal BOLD 1. 1. De l’activation neurale à l’effet BOLDDe l’activation neurale à l’effet BOLD2. Signal mesurable en IRM, en IRMf2. Signal mesurable en IRM, en IRMf
II. Paradigmes expérimentauxII. Paradigmes expérimentaux
III. Analyse des données IRMfIII. Analyse des données IRMf
IV. ApplicationsIV. Applications
Origine physiologique des Origine physiologique des signauxsignaux
Origine physiologique des Origine physiologique des signauxsignaux
I.1 Réseau vasculaire cérébralI.1 Réseau vasculaire cérébralI.1 Réseau vasculaire cérébralI.1 Réseau vasculaire cérébral
• ArtériolesArtérioles– Y=95% au reposY=95% au repos– Y=100% pendant l’activation Y=100% pendant l’activation – 25 mm diamètre25 mm diamètre– <15% du volume sanguin des <15% du volume sanguin des
tissus tissus corticauxcorticaux
• VeinulesVeinules– Y=60% au reposY=60% au repos– Y=90% pendant l’activation Y=90% pendant l’activation
25-50 mm diamètre25-50 mm diamètre– 40% du volume sanguin des 40% du volume sanguin des
tissus tissus corticauxcorticaux
• Globules rougesGlobules rouges– 6 mm de largeur et 1-2 mm 6 mm de largeur et 1-2 mm
épaisseurépaisseur– Délivre l’ODélivre l’O22 sous forme sous forme
d’oxyhémoglobined’oxyhémoglobine
• ArtériolesArtérioles– Y=95% au reposY=95% au repos– Y=100% pendant l’activation Y=100% pendant l’activation – 25 mm diamètre25 mm diamètre– <15% du volume sanguin des <15% du volume sanguin des
tissus tissus corticauxcorticaux
• VeinulesVeinules– Y=60% au reposY=60% au repos– Y=90% pendant l’activation Y=90% pendant l’activation
25-50 mm diamètre25-50 mm diamètre– 40% du volume sanguin des 40% du volume sanguin des
tissus tissus corticauxcorticaux
• Globules rougesGlobules rouges– 6 mm de largeur et 1-2 mm 6 mm de largeur et 1-2 mm
épaisseurépaisseur– Délivre l’ODélivre l’O22 sous forme sous forme
d’oxyhémoglobined’oxyhémoglobine
• CapillairesCapillaires– Y=80% au reposY=80% au repos– Y=90% pendant l’activationY=90% pendant l’activation– 8 mm de diamètre.8 mm de diamètre.– 40% du volume sanguin des 40% du volume sanguin des
tissus tissus corticauxcorticaux
– Site principal d’échange d’OSite principal d’échange d’O22 avec les tissusavec les tissus
• CapillairesCapillaires– Y=80% au reposY=80% au repos– Y=90% pendant l’activationY=90% pendant l’activation– 8 mm de diamètre.8 mm de diamètre.– 40% du volume sanguin des 40% du volume sanguin des
tissus tissus corticauxcorticaux
– Site principal d’échange d’OSite principal d’échange d’O22 avec les tissusavec les tissus
Artery Vein
Arterioles Veneoles
Capillaries
1 - 2 cm
Neurons
Transit Time = 2-3 s
Effet BOLD=Effet BOLD=BBlood lood OOxygenation xygenation LLevel-evel-DDependent ependent (Ogawa et al. 1990)(Ogawa et al. 1990)
Effet BOLD=Effet BOLD=BBlood lood OOxygenation xygenation LLevel-evel-DDependent ependent (Ogawa et al. 1990)(Ogawa et al. 1990)
Produit de contraste intrinsèque :Oxyhémoglobine (HbO2)(HbO2) : diamagnétiqueDésoxyhémoglobine (Hb)(Hb) : paramagnétique
Détectable en IRMf
Activation cérébrale
Légère augmentation de la consommation O2, accompagnée d’un fort afflux de sang oxygéné
Conséquence : augmentation de la concentration en sang oxygéné (Hb02) des vaisseaux proches des neurones actifs
Métabolisme d’activation cérébraleMétabolisme d’activation cérébraleMétabolisme d’activation cérébraleMétabolisme d’activation cérébrale
Activité neuraleConsommation
locale d’ATP
CMRO2
Métabolisme énergétique local
CBV
CMRGlcCBF
Le signal BOLD résulte d’un mélange compliqué de ces
paramètres
CBF, CBV et CMROCBF, CBV et CMRO22 ont des effets différents ont des effets différents sur la concentration d’HbOsur la concentration d’HbO22 : :
CBF, CBV et CMROCBF, CBV et CMRO22 ont des effets différents ont des effets différents sur la concentration d’HbOsur la concentration d’HbO22 : :
(plus d’HbO2 délivrée -> moins d’Hb dans le
compartiment veineux si l’excès d’O2 n’est pas
utilisé)
CMRO2
CBV
CBFFraction
locale d’Hb
Fraction locale d’Hb
Fraction locale d’Hb
(extraction d’O2-> HbO2 devient Hb)
(plus d’Hb dans un voxel donné)
L’interaction de ces 3 quantités produit la réponse BOLD. Ils modifient [Hb] qui affecte l’environnement magnétique.
• Mais Mais CBF >> CBF >> CMROCMRO2 2 (30% >> 5%)(30% >> 5%)– Dépasse la quantité nécessaire pour supporter la faible Dépasse la quantité nécessaire pour supporter la faible
augmentation du métabolisme de l’O2.augmentation du métabolisme de l’O2.– Ce “déséquilibre” est d’abord un phénomène physiologique qui Ce “déséquilibre” est d’abord un phénomène physiologique qui
produit des variations du signal BOLD.produit des variations du signal BOLD.– Se traduit par une plus grande concentration en [HbOSe traduit par une plus grande concentration en [HbO22] dans le ] dans le
compartiment veineux par rapport à [Hb].compartiment veineux par rapport à [Hb].– Se traduit par une augmentation de l’intensité de l’imageSe traduit par une augmentation de l’intensité de l’image
• Moins d’Hb génère moins de substance paramagnétique.Moins d’Hb génère moins de substance paramagnétique.
• 2 modèles d’explication de ce déséquilibre entre CBF et 2 modèles d’explication de ce déséquilibre entre CBF et CMROCMRO22
– Lien linéaire (Turner-Grinvald) ou non-linéaire entre le CBF et la Lien linéaire (Turner-Grinvald) ou non-linéaire entre le CBF et la CMROCMRO2 2 (modèle d’oxygénation limitée).(modèle d’oxygénation limitée).
• Mais Mais CBF >> CBF >> CMROCMRO2 2 (30% >> 5%)(30% >> 5%)– Dépasse la quantité nécessaire pour supporter la faible Dépasse la quantité nécessaire pour supporter la faible
augmentation du métabolisme de l’O2.augmentation du métabolisme de l’O2.– Ce “déséquilibre” est d’abord un phénomène physiologique qui Ce “déséquilibre” est d’abord un phénomène physiologique qui
produit des variations du signal BOLD.produit des variations du signal BOLD.– Se traduit par une plus grande concentration en [HbOSe traduit par une plus grande concentration en [HbO22] dans le ] dans le
compartiment veineux par rapport à [Hb].compartiment veineux par rapport à [Hb].– Se traduit par une augmentation de l’intensité de l’imageSe traduit par une augmentation de l’intensité de l’image
• Moins d’Hb génère moins de substance paramagnétique.Moins d’Hb génère moins de substance paramagnétique.
• 2 modèles d’explication de ce déséquilibre entre CBF et 2 modèles d’explication de ce déséquilibre entre CBF et CMROCMRO22
– Lien linéaire (Turner-Grinvald) ou non-linéaire entre le CBF et la Lien linéaire (Turner-Grinvald) ou non-linéaire entre le CBF et la CMROCMRO2 2 (modèle d’oxygénation limitée).(modèle d’oxygénation limitée).
Métabolisme d’activation cérébrale Métabolisme d’activation cérébrale (suite)(suite)
Métabolisme d’activation cérébrale Métabolisme d’activation cérébrale (suite)(suite)
(1) Phase d’hyper-oxygénation
(2) Réponse précoce (“intial dip”)
(3) Rebond final : “final undershoot”
(a) Signal micro vasculaire
(b)Signal macro vasculaireGénéralement %Smicro < %Smacro, MAIS pas
toujours.
La fonction de réponse hémodynamiqueLa fonction de réponse hémodynamiqueLa fonction de réponse hémodynamiqueLa fonction de réponse hémodynamique
Lien entre activité neurale et signal Lien entre activité neurale et signal BOLDBOLD
Lien entre activité neurale et signal Lien entre activité neurale et signal BOLDBOLD
D’après Logothetis et al.Nature août 2001
Corrélation significativeentre activité post-synaptiqueet activité hémodynamiquemesurable en IRMf
Principes physiques de mesure Principes physiques de mesure en IRMen IRM
Principes physiques de mesure Principes physiques de mesure en IRMen IRM
En présence d’un champ magnétique, l’aimantation de certains noyaux (hydrogène, phosphore… ) s’oriente dans la direction du champ :
L’aimantation résultante peut être mesurée en envoyant des ondes radio. L’aimantation résonne et émet en retour une onde radio qu’on mesure :
champ magnétiqueproduit par un aimantpas de champ magnétique
excitation des aimantations onde émise en retour
mesuréerésonance
I.2I.2 Principe de la RMNPrincipe de la RMNI.2I.2 Principe de la RMNPrincipe de la RMN
Application d'un champ magnétique statique B0
et apparition d'un moment macroscopique M0
Bascule du moment magnétique sous l'impulsion radiofréquence (ou champ
tournant b1)
z
MZ
y
B0
b1
x
MZM0
M0
M0
B0
RMN - Conditions initialesRMN - Conditions initialesRMN - Conditions initialesRMN - Conditions initiales
RMN – Signal mesuréRMN – Signal mesuréRMN – Signal mesuréRMN – Signal mesuré
x
y
B0
M
Fin de l'impulsion à 90°
MM0
Précession libre et retour à l'état initial
y
B0
Mx
MZ
T1 : Temps de repousse ou de relaxation longitudinal ie de croissance de
T2 : Temps de relaxation transverse Décroissance de M
M
Temps d’écho (TE)Temps d’écho (TE)Temps d’écho (TE)Temps d’écho (TE)
TE/2 TE/2
Impulsion à 180°
Impulsion à 90°
FID
0
Signal d’écho
déphasés de nouveau en phase
t = TE
en phase(impulsion à 90°)
t = 0
«retournés»(impulsion à 180°)
t = TE/2
de nouveaudéphasés
Echo de spin pour retarder l’instant de lecture du signal
Pondération enT1
Pondération en T2 (ou T2*)
0 t
T1 court
T1 long
TR ~ T1 0 tTE ~ T2
Momentlongitudin
al
Momenttransvers
e
T2 court
T2 long
Contraste des imagesContraste des imagesContraste des imagesContraste des images
D’après AL. Paradis 2001, Thèse Univ. Paris VI
IRM anatomique
IRMf
Effet BOLD=Effet BOLD=BBlood lood OOxygenation xygenation LLevel-evel-DDependent ependent (Ogawa et al. 1990)(Ogawa et al. 1990)
Effet BOLD=Effet BOLD=BBlood lood OOxygenation xygenation LLevel-evel-DDependent ependent (Ogawa et al. 1990)(Ogawa et al. 1990)
Produit de contraste intrinsèque :Oxyhémoglobine (HbO2)(HbO2) : diamagnétiqueDésoxyhémoglobine (Hb)(Hb) : paramagnétique
Substance paramagnétique perturbele champ magnétique local et modifie caractérisée par T2*M
Activation cérébrale
Légère augmentation de la consommation O2, accompagnéed’un fort afflux deSang oxygéné
Conséquence : augmentation de la concentrationen sang oxygéné des vaisseaux proches des neuronesactifs
Les images BOLD sont pondérées en T2*
Construction des images 3D : codage Construction des images 3D : codage spatialspatial
Construction des images 3D : codage Construction des images 3D : codage spatialspatial
• Sélection de coupeSélection de coupe
Gradient de champ Gradient de champ magnétique orthogonal au plan magnétique orthogonal au plan de coupe voulu (selon Oz)de coupe voulu (selon Oz)
• Codage en fréquence Codage en fréquence (I) (I)
• Encodage de phase (II)Encodage de phase (II)1 séquence d’acquisition doit 1 séquence d’acquisition doit
inclure les différents types de inclure les différents types de codage (multi-coupes)codage (multi-coupes)
Sur chaque coupe = (I) + (II)Sur chaque coupe = (I) + (II)
• Sélection de coupeSélection de coupe
Gradient de champ Gradient de champ magnétique orthogonal au plan magnétique orthogonal au plan de coupe voulu (selon Oz)de coupe voulu (selon Oz)
• Codage en fréquence Codage en fréquence (I) (I)
• Encodage de phase (II)Encodage de phase (II)1 séquence d’acquisition doit 1 séquence d’acquisition doit
inclure les différents types de inclure les différents types de codage (multi-coupes)codage (multi-coupes)
Sur chaque coupe = (I) + (II)Sur chaque coupe = (I) + (II)
Signal émis/lu
Transformée de Fourier
Axe
Objetémetteur
Axe de codage enfréquence (x)
Image 1D
reconstruite
B0 + Gx.x
Valeur du champStatique pendantLa lecture
B0
Les protons vont précesser à différentes Les protons vont précesser à différentes fréquencesfréquencesLes signaux associés sont séparés par transformée de Fourier
0Bf
Séquence EPI : principeSéquence EPI : principeSéquence EPI : principeSéquence EPI : principe
EPI
Parcours du k-spaceCodage en fréquence selon x
Encodage de phaseselon y
Séquence EPI à écho de gradient:Séquence EPI à écho de gradient:Imagerie ultra-rapideImagerie ultra-rapide
Séquence EPI à écho de gradient:Séquence EPI à écho de gradient:Imagerie ultra-rapideImagerie ultra-rapide
Temps d'écho (TE)
Lecture d'une ligne(codage en fréquence)
Sélection d'une ligne
(encodage de phase)
Impulsion à 90°(radiofréquence)
GZ
Gx
Gy
Temps de répétition inter-coupes
B1
Signaux lus
Sélection de coupe+-
-+
-
+
Caractéristiques des séquences EPICaractéristiques des séquences EPICaractéristiques des séquences EPICaractéristiques des séquences EPI
• Imagerie ultra-rapide (pour 1 coupe, TA <100 ms)Imagerie ultra-rapide (pour 1 coupe, TA <100 ms)• Très bonne résolution spatiale (3 à 4 mm)Très bonne résolution spatiale (3 à 4 mm)
• Résolution temporelle (Résolution temporelle (TR ~1sec ) : filtrage passe bas) : filtrage passe bas
Artéfacts d’acquisition en IRMf : Artéfacts d’acquisition en IRMf : PPerte de signalerte de signal dans régions orbito-frontales & pôles temporaux dans régions orbito-frontales & pôles temporaux
à cause de la présence d’une interface entre les tissus à forte à cause de la présence d’une interface entre les tissus à forte composante aqueuse et l’os (atténuation du signal pondéré en composante aqueuse et l’os (atténuation du signal pondéré en T2*)T2*)
Distorsions géométriques Distorsions géométriques dues à la contrainte de rapidité : dues à la contrainte de rapidité : écrasement ou élongation dans la direction d’encodage de phaseécrasement ou élongation dans la direction d’encodage de phase
• Imagerie ultra-rapide (pour 1 coupe, TA <100 ms)Imagerie ultra-rapide (pour 1 coupe, TA <100 ms)• Très bonne résolution spatiale (3 à 4 mm)Très bonne résolution spatiale (3 à 4 mm)
• Résolution temporelle (Résolution temporelle (TR ~1sec ) : filtrage passe bas) : filtrage passe bas
Artéfacts d’acquisition en IRMf : Artéfacts d’acquisition en IRMf : PPerte de signalerte de signal dans régions orbito-frontales & pôles temporaux dans régions orbito-frontales & pôles temporaux
à cause de la présence d’une interface entre les tissus à forte à cause de la présence d’une interface entre les tissus à forte composante aqueuse et l’os (atténuation du signal pondéré en composante aqueuse et l’os (atténuation du signal pondéré en T2*)T2*)
Distorsions géométriques Distorsions géométriques dues à la contrainte de rapidité : dues à la contrainte de rapidité : écrasement ou élongation dans la direction d’encodage de phaseécrasement ou élongation dans la direction d’encodage de phase
Petite galerie des horreurs d’artéfactsPetite galerie des horreurs d’artéfactsPetite galerie des horreurs d’artéfactsPetite galerie des horreurs d’artéfacts
Perte de signal Perte de signal localiséeslocalisées
Pôle temporal
Cortex orbito-frontal
Distorsions par rapport à l’anatomie
Fantôme de Fourier
Avant correction
Après correction
Paradigmes expérimentaux en Paradigmes expérimentaux en IRMfIRMf
Paradigmes expérimentaux en Paradigmes expérimentaux en IRMfIRMf
Dessins en blocDessins en blocDessins en blocDessins en bloc
Hyp : Puisque la fonction de réponse hémodynamique opère Hyp : Puisque la fonction de réponse hémodynamique opère comme une filtre passe bas sur la réponse neurale, la comme une filtre passe bas sur la réponse neurale, la résolution temporelle de l’IRMf est limitéerésolution temporelle de l’IRMf est limitée
Hyp : Puisque la fonction de réponse hémodynamique opère Hyp : Puisque la fonction de réponse hémodynamique opère comme une filtre passe bas sur la réponse neurale, la comme une filtre passe bas sur la réponse neurale, la résolution temporelle de l’IRMf est limitéerésolution temporelle de l’IRMf est limitée
= trial of one type (e.g., face image)
= trial of another type (e.g., place image)
Hypothèse d’une dynamique d’activation Hypothèse d’une dynamique d’activation stablestable
Hypothèse d’une dynamique d’activation Hypothèse d’une dynamique d’activation stablestable
Pour les dessins en bloc, on suppose que l’effet BOLD reste constant à travers les périodes d’intérêt.
La réponse BOLD est transitoire et de plus, elle peut varier selon les régions du cerveau, la durée du stimulus et peut-être même selon le type de stimulus.
Price et al. (1999) Neuroimage, 10, 36 – 44.
Hypothèse d’une dynamique d’activation Hypothèse d’une dynamique d’activation stable stable
Hypothèse d’une dynamique d’activation Hypothèse d’une dynamique d’activation stable stable
Price et al. 1999, Neuroimage, 10, 36 – 44.
Quelles sont les limites temporelles ?Quelles sont les limites temporelles ? Quelles sont les limites temporelles ?Quelles sont les limites temporelles ?
Quelle est le stimulus le plus bref que l’IRMf peut détecter ?Blamire et al. (1992) – 2 secBandettini (1993): 0.5 secSavoy et al (1995): 34 msec
Avec suffisamment d’essais moyennés, tout semble possible
On suppose que la forme de la HRF est prédictible.
Les potentiels évoqués (ERPs) s’obtiennent en moyennant des petites réponses sur un grand nombre d’essais.
Peut on faire la même chose avec l’IRMf ?
Paradigmes en blocs vs événementielsParadigmes en blocs vs événementielsParadigmes en blocs vs événementielsParadigmes en blocs vs événementiels
Source: Buckner 1998
Pourquoi un dessin événementiel en Pourquoi un dessin événementiel en IRMf ?IRMf ?
Pourquoi un dessin événementiel en Pourquoi un dessin événementiel en IRMf ?IRMf ?
Avantages :• plusieurs types d’essais par session – la randomisation intra-session devient possible
• Meilleur contrôle temporel • Recherche des activations dues à un type spécifique d’essais (habituellement la moyenne de plusieurs essais)
Inconvénients :• RSB plus faible donc plus faible variation de signal entre condition (~ 50 – 100 essais par condition)
• dessin et analyse plus complexes (eg questions de ligne de base et timing)
Applications possible de l’IRMf Applications possible de l’IRMf événementielleévénementielle
Applications possible de l’IRMf Applications possible de l’IRMf événementielleévénementielle
• priming visuel et la reconnaissance d’objets – activations spécifiques à l’objet “amorcé”ou recherche des activations avant et après la reconnaissance (i.e., événements très longs ). (e.g., James, T. et al. (2000) Current Biology, 10, 1017-1024 and James, T. et al. (1999) Neuroreport, 10, 1019-1023).
• Exploration de composantes spécifiques à une tâche– e.g., préparation visuelle (saccades) (e.g., Connolly, J., et al. (in press) Nature Neuroscience)
• Exploration de la dynamique des activations (changement au cours du temps)
• Recherche sur la mémoire – e.g., idéal pour explorer la remémorisation et l’oubli – quelque chose qui est impossible avec des dessins en blocs
Et bien d’autres choses encore …
Linéarité de la réponse BOLDLinéarité de la réponse BOLD Linéarité de la réponse BOLDLinéarité de la réponse BOLD
Dale & Buckner, 1997 Linéarité :“Les réponses s’ajoutentelles vraiment ?”
Synchroniser la réponse à chaque essai sur le début de l’essai
Pas complètement linéaire mais bonne approximation
rouge =2-1
vert = 3-2
IRMf événementielle rapideIRMf événementielle rapideIRMf événementielle rapideIRMf événementielle rapide
•En IRMf événementielle lent, on attend que la HRF retourne à sa ligne de base après chaque essai
•Pour l’IRMf événementielle rapide, les essais (ou les événements) arrivent vraiment de manière aléatoire comme dans une étude comportementale et la HRF doit être deconvoluée après coup puisque les réponses sont mélangées
• La puissance est encore plus importante – les differences en % de variation de signal étant plus faible qu’en IRMf événementielle lent
• 2points cruciaux dans le choix du dessin :• s’assurer que toutes les combinaisons possibles d’essais sont utilisées (i.e., chaque type d’essai précède et suit par chaque autre type un nombre égal de fois• décaler les ISI – des ISIs aléatoires sont cruciaux pour une déconvolution de la HRF en post-traitement
Avantages des dessins événementielsAvantages des dessins événementiels Avantages des dessins événementielsAvantages des dessins événementiels
1) Flexibilité et randomization• élimine la prédictabilité des dessins en bloc• supprime les effets d’anticipation• Tri des essais a posteriori • (e.g., corrects vs. incorrects, conscients vs. inconscients,
éléments remémorisés vs. oubliés, TRs lent vs. rapide)
3) Permet de faire de l’amorçage (priming)
4) Evénements rares ou imprédictibles peuvent être mesurés• e.g., P300
5) Permet d’analyser la dynamique de la réponse• Dissocier les artéfacts de mouvement des activations• Dissocier les composantes des tâches de délai• Chronométrie mentale
Source: Buckner & Braver, 1999
time
Analyse des données en IRMfAnalyse des données en IRMfAnalyse des données en IRMfAnalyse des données en IRMf
……a voxel by voxel hypothesis testing a voxel by voxel hypothesis testing approachapproach
reliably identify regions showing a reliably identify regions showing a significant experimental effect of significant experimental effect of interestinterest
• Key conceptsKey concepts• TypeType I error
– significance test at each voxel• Parametric statisticsParametric statistics
– parametric model for voxel data, parametric model for voxel data, test model parameterstest model parameters
• No exact prior anatomical No exact prior anatomical hypothesishypothesis
– multiple comparisonsmultiple comparisons
• Statistical Parametric MappingStatistical Parametric Mapping• General Linear ModelGeneral Linear Model• Theory of continuous random fieldsTheory of continuous random fields
Data analysisData analysisData analysisData analysis
?
realignement &coregistration smoothing
normalisation
Corrected p-values
images Adjusted signalDesignmatrix
Anatomical Reference
Spatial filter
Statistical MapUncorrected p-values
Random Field Theory
Your question:a contrast
General Linear Model Linear fit
statistical image
Epoch fMRI7s RT – interscan interval84 scans – images 16–991 session1 condition/trial: wordsDeterministic design: Fixed SOA of 12 scans (42s)Epoch designFirst trial at time 6 scans, 6 scans / words epoch
SPM
par
amet
ers
(eve
nt t
erm
inol
ogy)
•Single subjectSingle subject– RH maleRH male
•ConditionsConditions• Passive Passive word listeningword listening– Bisyllabic nounsBisyllabic nouns– 60wpm60wpm– against against restrest
•Epoch Epoch ffMRIMRI– restrest & & wordswords– epochs of 6 scansepochs of 6 scans 42 second epochs42 second epochs– 7 7 BBAA cycles cycles
experiment was 8 cycles: experiment was 8 cycles:
first pair of blocks droppedfirst pair of blocks dropped BBAABBAABBAABBAABBAABBAABBAA last 84 scans of experimentlast 84 scans of experiment
images 16–99images 16–99 ~10 minutes scanning time~10 minutes scanning time
•Single subjectSingle subject– RH maleRH male
•ConditionsConditions• Passive Passive word listeningword listening– Bisyllabic nounsBisyllabic nouns– 60wpm60wpm– against against restrest
•Epoch Epoch ffMRIMRI– restrest & & wordswords– epochs of 6 scansepochs of 6 scans 42 second epochs42 second epochs– 7 7 BBAA cycles cycles
experiment was 8 cycles: experiment was 8 cycles:
first pair of blocks droppedfirst pair of blocks dropped BBAABBAABBAABBAABBAABBAABBAA last 84 scans of experimentlast 84 scans of experiment
images 16–99images 16–99 ~10 minutes scanning time~10 minutes scanning time
Example epoch Example epoch ffMRI activation MRI activation dataset:dataset:
Auditory stimulationAuditory stimulation
Example epoch Example epoch ffMRI activation MRI activation dataset:dataset:
Auditory stimulationAuditory stimulation
(50, -40, 8) — (50, -40, 8) — Primary Auditory CortexPrimary Auditory Cortex
Temporal series fMRI
Statistical image(SPM)
voxel time course
One voxel = One test (t, F, ...)amplitu
de
time
General Linear ModelFittingstatistical image
Voxel statistics…Voxel statistics…Voxel statistics…Voxel statistics…
• parametricparametric• one sample one sample tt-test-test• two sample two sample tt-test-test• paired paired tt-test-test• AnovaAnova• AnCovaAnCova• correlationcorrelation• linear regressionlinear regression• multiple regressionmultiple regression• FF-tests-tests• etc…etc…
• non-parametricnon-parametric?? later later
all cases of theGeneral Linear Model
assume normality (/ )can account for temporal autocorrelation
Box car regression : design matrix…Box car regression : design matrix…Box car regression : design matrix…Box car regression : design matrix…
= +
= +Y X
data
vec
tor
(vox
el tim
e se
ries
)
design
mat
rix
para
met
er
ser
ror ve
ctor
……design matrixdesign matrix……design matrixdesign matrix
=
+
= +Y X
data
vec
tor
design
mat
rix
para
met
er
ser
ror ve
ctor
= the
bet
as (h
ere
: 1 to
9)
Modèle linéaire généralModèle linéaire général• Matrice de dessinMatrice de dessin
– Ensemble de fonctions Ensemble de fonctions modélisant la réponse BOLD modélisant la réponse BOLD attendue aux différentes attendue aux différentes conditions expérimentalesconditions expérimentales
Estimation des paramètres b du modèle
» Minimise l’erreur quadratique
» Non biaisé
= +
= +Y X
Contrastes et tests : F : Information apportée par une
ou plusieurs combinaisons de régresseurs T (contrastes) : Comparaison des
paramètres estimés
0 0
0 0
1 0
0 1
1
-1
0
0
Exemple :
……fittedfitted……fittedfitted
raw fMRI time series
scaled for global changes
adjusted for global & low Hz effects
residualsfitted “high-pass filter”
fitted box-car
Multivariate perspective…Multivariate perspective…Multivariate perspective…Multivariate perspective…
= +Y X
data matrix
desig
n m
atr
ix
parameters errors
+ ?= ?voxelsvoxels
scansscans
Predicted data
^
residuals
estimatedcomponent
fields
parameterestimates
“Image regression”
variance
estimated variance
=
ˆ XY
Multivariate perspective…Multivariate perspective…Multivariate perspective…Multivariate perspective…
e
= +Y X
data matrix += voxelsvoxels
scansscans
residuals
parameterestimates
e0= +Y X0
data matrix += voxelsvoxels
scansscans^
residuals
parameterestimates
“Image test”
estimated var s- =
F-test imageestimated var s0
estimated var s
When do we get surprised When do we get surprised ??When do we get surprised When do we get surprised ??
t59• SurpriseSurprise??
– highhigh voxel values voxel values voxel level inferencevoxel level inference
– bigbig suprathreshold suprathreshold clusters (need to clusters (need to choose a threshold choose a threshold here !)here !)
cluster level cluster level inferenceinference
– manymany suprathreshold suprathreshold clusters, or many big clusters, or many big supra threshold supra threshold clustersclusters
set level inferenceset level inference– highhigh mean square mean square
voxel valuesvoxel values omnibus inference - omnibus inference -
cf MLMcf MLM
• SurpriseSurprise??– highhigh voxel values voxel values
voxel level inferencevoxel level inference– bigbig suprathreshold suprathreshold
clusters (need to clusters (need to choose a threshold choose a threshold here !)here !)
cluster level cluster level inferenceinference
– manymany suprathreshold suprathreshold clusters, or many big clusters, or many big supra threshold supra threshold clustersclusters
set level inferenceset level inference– highhigh mean square mean square
voxel valuesvoxel values omnibus inference - omnibus inference -
cf MLMcf MLM
Multiple comparisons : Why? Multiple comparisons : Why? Multiple comparisons : Why? Multiple comparisons : Why?
Gaussian10mm FWHM(2mm pixels)
p = 0.05
The “Bonferroni” The “Bonferroni” correction…correction…
The “Bonferroni” The “Bonferroni” correction…correction…
5mm 10mm 15mm
Suppose N independent tests (eg at each voxel i ) : a : threshold that we are looking forP(max(ti) > ta) = ‘ type I error ’ = a (exemple : a = 5%, N = 50k)
P(max(ti) > ta) = 1 - P(t1 < ta)P(t1 < ta) ... P(tN < ta)= 1 - (1-a)N
=> a = 1 - (1-a)1/N =~ a/N (eg : a = 10-
6 )Independent : a = 1- (1-a)1/N
Completely dependant : a = aDependant : a = ?
N ? - Dependance ?
Application en IRMf Application en IRMf événementielleévénementielle
Application en IRMf Application en IRMf événementielleévénementielle
étude du langageétude du langage (Pallier et al. 2002)(Pallier et al. 2002)étude du langageétude du langage (Pallier et al. 2002)(Pallier et al. 2002)
Carte SPMp-valuecorrigée
Matricede dessinexpérimental
Activationsfonctionnellessuperposéesà l’anatomie
Analysede groupe
Détails sur la matrice de dessinDétails sur la matrice de dessinDétails sur la matrice de dessinDétails sur la matrice de dessin
Nouveaux développementsNouveaux développementsNouveaux développementsNouveaux développements
Analyse d’essais simplesAnalyse d’essais simplesAnalyse d’essais simplesAnalyse d’essais simples
• Utiliser le MLG avec des predicteurs, comme pour des dessins en bloc. 2) Pour une région d’intérêt : pour chaque type d’essais, calculer le décours
temporel moyen synchronisé sur le départ de chaque essai ; puis soustraire les différences
important : rendre aléatoire ou contrebalancer l’ordre des essais
…
Raw dataEvent-related average
with control period factored out
A signal change = (A – F)/F
B signal change = (B – F)/F
Event-related average
sync to trial onset
A
B
F
3) Selective averaging [Dale & Buckner, 1997]: calculer la moyenne et la variance du décours temporel des données IRMf pour chaque type d’essais. Tester si ce décours est significatif (soit différent de zéro soit d’un) à partir d’une ANOVA (pas d’hypothèse sur la HRF) ou de la covariance avec la HRF
Variabilité de la HRFVariabilité de la HRFVariabilité de la HRFVariabilité de la HRFAguirre, Zarahn & D’Esposito, 1998• la variabilité inter-sujets de la HRF est considérable
• Pour chaque sujet, les réponses sont plus consistantes, bien qu’il existe une variabilité inter-sessions
différents sujets
même sujet, même session même sujet, différentes sessions
Variabilité de la HRF : implicationsVariabilité de la HRF : implicationsVariabilité de la HRF : implicationsVariabilité de la HRF : implicationsAguirre, Zarahn & D’Esposito, 1998•Modèle paramétrique de HRF (fonction gamma) tient compte de 70% de la variance• Modèle sujet dépendant tient compte de 92% ode la variance (22% de plus !)• Modélisation inadaptée réduit la puissance statistique •Moins de problèmes pour dessins en bloc qu’événementiel• Pbs les plus importants avec des tâches de délai où une mauvaise estimation des composantes initiale et finale peut contaminer la composante de délai
• Solution possible : modéliser la HRF individuellement pour chaque sujet
•Embûche possible : la HRF peut aussi varier entre régions• Buckner et al., 1996 ont noté :
• un délai de .5-1 sec entre les aires visuelle et préfrontale• différence vasculaire ?• traitement de la latence ?
• Erreur ou caractéristique ? • Menon & Kim – chronométrie mentale
Modèle biomécanique du ballon Modèle biomécanique du ballon ((Buxton et al.Buxton et al. 98,JCBFM98,JCBFM))
Modèle biomécanique du ballon Modèle biomécanique du ballon ((Buxton et al.Buxton et al. 98,JCBFM98,JCBFM))
Couplage neuro-vasculaireCouplage neuro-vasculaire
• Maintient un couplage étroit entre hémodynamique et besoin Maintient un couplage étroit entre hémodynamique et besoin des neurones en O2des neurones en O2
• Différence d’élasticité entre secteurs veineux et artérielsDifférence d’élasticité entre secteurs veineux et artériels• « Initial dip » : accroissement du volume veineux« Initial dip » : accroissement du volume veineux• « Final undershoot » : retour du volume à sa valeur basale plus« Final undershoot » : retour du volume à sa valeur basale plus
lente que le retour du flux sanguinlente que le retour du flux sanguin
Signal tissulaire, signal vasculaireSignal tissulaire, signal vasculaire
Effet BOLD modéré + effets transitoires (ID,FU) dans les capillairesEffet BOLD modéré + effets transitoires (ID,FU) dans les capillairesEffet BOLD massif dans les veines de drainageEffet BOLD massif dans les veines de drainageA haut champ, les acquisitions favorisent le signal tissulaireA haut champ, les acquisitions favorisent le signal tissulaire
Couplage neuro-vasculaireCouplage neuro-vasculaire
• Maintient un couplage étroit entre hémodynamique et besoin Maintient un couplage étroit entre hémodynamique et besoin des neurones en O2des neurones en O2
• Différence d’élasticité entre secteurs veineux et artérielsDifférence d’élasticité entre secteurs veineux et artériels• « Initial dip » : accroissement du volume veineux« Initial dip » : accroissement du volume veineux• « Final undershoot » : retour du volume à sa valeur basale plus« Final undershoot » : retour du volume à sa valeur basale plus
lente que le retour du flux sanguinlente que le retour du flux sanguin
Signal tissulaire, signal vasculaireSignal tissulaire, signal vasculaire
Effet BOLD modéré + effets transitoires (ID,FU) dans les capillairesEffet BOLD modéré + effets transitoires (ID,FU) dans les capillairesEffet BOLD massif dans les veines de drainageEffet BOLD massif dans les veines de drainageA haut champ, les acquisitions favorisent le signal tissulaireA haut champ, les acquisitions favorisent le signal tissulaire
Recommended