magnetic resonance imaging · fmri: functional magnetic resonance imaging: tecnica che utilizza il...
TRANSCRIPT
1
Magnetic Resonance Imaging Structural
Functional
Diffusion Spectroscopy
And much more, such as
perfusion, angiography, ASL,
CDI, SWI, etc. Modified from Brain Imaging Center website
Brief history of MRI
1946 – Bloch and Purcell independently describe the NMR phenomenon
1952 – Bloch and Purcell – Nobel Prize in Physics
1971 – Damadian: NMR used to distinguish healthy and malignant tissues 1973 – Lauterbur: Back-projection MRI
1975 - Ernst: Fourier Transform based MRI
1977 – Mansfield: Echo-Planar Imaging
1990 – Ogawa: BOLD and fMRI
1991 - Ernst – Nobel Prize in Chemistry
2003 – Lauterbur and Mansfield –
Nobel Prize in Medicine
1991-1995:
first task-
related
BOLD
responses
Breathing 100% O2
Breathing air
High-field
(>7T scanner)
applications
Early ’90s -fMRI-
related analysis
software
development
1991
1992
1995
2
fMRI Papers Published per Year
EPI is sold on standard clinical scanners
Courtesy of P. Bandettini
fMRI Papers Published per Year
Friston K., Science, 2009
3
J. Illes, M. P. Kirschen, J. D. E. Gabrielli,
Nature Neuroscience, 2003
Motor (black)
Primary Sensory (red)
Integrative Sensory (violet)
Basic Cognition (green)
High-Order Cognition (yellow)
Emotion (blue)
From neuroimaging to neuroethics
Le metodologie di esplorazione funzionale in vivo del cervello
• Bioingegneria • Matematica • Fisica
• Psicologia • Neurologia • Farmacologia
• Marketing e Economia • Morale e Etica • Giurisprudenza
4
attività neuronale ossiemoglobina segnale fMRI
MRI fMRI
Una singola immagine
Più immagini
(es., ogni 2-3 s per 5 minuti)
Alta risoluzione
(1 mm)
Bassa risoluzione
(~3 mm ma anche meno)
fMRI
segnale Blood Oxygenation Level Dependent (BOLD)
come misura indiretta dell’attività neuronale
…
MRI vs. fMRI
• Segnale BOLD e suo legame
con l'attività neurale
• Principi fisici dell'imaging
funzionale mediante
risonanza magnetica
• Tecniche di analisi dei dati fMRI
La risonanza magnetica funzionale
5
Atomo di idrogeno 1H
+
-
NUCLEO
ELETTRONE
PROTONE
Proprietà di una particella subatomica
massa
spin
Carica
N
S
1H = 42.58 MHz/T
Rapporto giromagnetico
Momento angolare (dovuto alla rotazione di una massa)
Momento magnetico (dovuto alla rotazione di una carica elettrica)
6
Risonanza Magnetica
Se i protoni posti nel campo magnetico statico B0 vengono eccitati
con un impulso e.m. a frequenza w (frequenza di precessione) si ha
il fenomeno della risonanza magnetica nucleare
U U U
U
U U
U U U U U
U
Impulso di eccitazione
Risonanza
Orientatione degli spin
In assenza di B0 In presenza di B0
B0
7
w = Bo
Frequenza di precessione
B0
Equazione di Larmor:
Frequenza di precessione
Campo magnetico statico
Rapporto giromagnetico
B0
w = 42.58 x 1.5 = 63.87 MHz : siamo nella banda delle radiofrequenze (RF)
Risonanza Magnetica: l’Impulso di
eccitazione a radiofrequenza (RF)
EX. 90°
Antenna (bobina) RF
Impulso di eccitazione RF
B0
8
Risonanza Magnetica
Parametri di misura: FA TR TE
FA - Flip angle: angolo tra B0 e M; è proporzionale alla durata dell’impulso RF
TR - Tempo di ripetizione: tempo tra un impulso RF ed il successivo
TE - Tempo di Eco: tempo tra l’emissione di un impulso RF e la ricezione del segnale
Variando opportunamente i valori dei parametri di acquisizione FA, TR e TE si possono ottenere immagini pesate T2, T2*, T1 o PD
9
Magnetizzazione netta M
E’ la somma vettoriale di tutti gli spins coinvolti nel
fenomeno
M
m1
m3 m2
mn
…
x
y
z B0
z
…
• Tempo di rilassamento trasversale T2 Interazione spin-spin
Parametri relativi ai tessuti
• Tempo di rilassamento longitudinale T1
Interazione spin-lattice
• Densità Protonica PD
10
S e
g n
a l
e
1 2 3 4 5 Tempo
Sangue (T2362ms.)
Rene (T2124ms.)
grasso (T2108ms.)
Tempo di rilassamento T2
T2W PDW T1W
Perché T2, T1, PD?
Immagini “pesate” disom
22
*
2T
1
T
1
T
1=
11
Il gradiente di campo magnetico
Come viene generato e cosa è? Antenne di corrente che producono campi magnetici aggiuntivi che variano nello spazio
A cosa serve? Per selezionare una regione di interesse e codificare la zona sorgente del segnale ricevuto
w = B
Gradiente
B0
3 4 0 1 2
-1 -2
X, Y, Z
Tre gradienti
Z
Y
X
X
Y
12
K-spazio
Trasformata di Fourier (IFFT) bidimensionale
Dal K-spazio all’immagine
Spazio reale
Fette 2D Codifica di Fase
Codifica di lettura
Immagini 2D
Selezione fetta
x
y z
13
Più fette sono acquisite durante un singolo intervallo TR
Multi-Planar acquisition
All 5 slices in the same TR
1 2 3 4 5
Immagini 2D “multipiano”
Sessione sperimentale
14
Necessary Equipment
Magnet Gradient Coil RF Coil
Source for Photos: Joe Gati
RF Coil
4T magnet
gradient coil
(inside)
fMRI for Dummies
x 80,000 =
Robarts Research Institute 4T
The Big Magnet
Source: www.spacedaily.com
Very strong
1 Tesla (T) = 10,000 Gauss
Earth’s magnetic field = 0.5 Gauss
4 Tesla = 4 x 10,000 0.5 = 80,000X Earth’s magnetic field
Continuously on
Main field = B0
B0
fMRI for Dummies
15
Magnet Safety: Little Things
Aneurysm clips can be
pulled off vessels, leading
to death
Flying things can kill people.
Even in less severe incidents, they can fly
into the magnet and damage it or require
an expensive shutdown. fMRI for Dummies
Subject Safety Anyone going near the magnet – subjects, staff and visitors – must be
thoroughly screened:
Subjects must have no metal in their bodies:
• pacemaker
• aneurysm clips
• metal implants (e.g., cochlear implants)
• interuterine devices (IUDs)
• some dental work (but fillings are okay)
Subjects must remove metal from their bodies
• jewellery, watch, piercings
• coins, etc.
• wallet
• any metal that may distort the field (e.g., underwire bra)
Females must not be pregnant or at risk of conceiving
• Some institutions even require pregancy tests for any female, every session
Subjects must be given ear plugs (acoustic noise can reach 120 dB)
This subject was wearing a hair band with a ~2 mm
copper clamp. Left: with hair band. Right: without.
Source: Jorge Jovicich
fMRI for Dummies
16
Fall-off of Magnetic Field
fMRI for Dummies
Sessione sperimentale
Misurazione conduttanza cutanea e parametri periferici (ECG, respiro, pO2)
Stimolazione visiva, tattile e uditiva con dispositivi
MR-compatibili
Guanto sensoriale per i movimenti
17
• Segnale BOLD e suo legame
con l'attività neurale
• Principi fisici dell'imaging
funzionale mediante
risonanza magnetica
• Tecniche di analisi dei dati fMRI
Esplorazione funzionale in vivo dei correlati neurometabolici dell’attività cerebrale
attività della
pompa Na+/K+
attività neuronale sinaptica
richiesta di ATP
richiesta di ossigeno e glucosio
flusso ematico
cerebrale
metabolismo ossidativo del
glucosio e produzione di
ATP
Neurovascular coupling
18
Le basi del contrasto BOLD
Che cosa accade al consumo di ossigeno?
BOLD: Blood Oxygenation Level Dependent
Vasculature
Source: Menon & Kim, TICS fMRI for Dummies
19
• Il segnale BOLD permette l’individuazione dei cambiamenti locali
cerebrali di ossigenazione ematica durante una stimolazione fisiologica
• Il segnale BOLD si basa sui cambiamenti fisiologici delle proprietà
magnetiche del sangue:
fMRI
fMRI: functional Magnetic Resonance Imaging: Tecnica che utilizza il
segnale BOLD per visualizzare il metabolismo cerebrale mediante
MRI .
OSSIEMOGLOBINA DIAMAGNETICA
DEOSSIEMOGLOBINA PARAMAGNETICA
PROPRIETA’ MAGNETICHE DEI MATERIALI
• FERROMAGNETICI: interazione violenta
(attrattiva o repulsiva)
• DIAMAGNETICI: interazione debole repulsiva
• PARAMAGNETICI: interazione debole attrattiva
Se immersi in un campo magnetico B0:
Il nostro corpo è prevalentemente diamagnetico
20
PROPRIETA’ MAGNETICHE DEI MATERIALI
variazione di
suscettività
magnetica
Variazione del
tempo di
rilassamento T2*
T2*
Se un materiale si trasforma da diamagnetico a paramagnetico
(es. ossiemoglobina-deossiemoglobina) si ha una variazione di
suscettività magnetica cioè di interazione con B0.
PROPRIETA’ MAGNETICHE
DELL’EMOGLOBINA
Il gruppo emoglobinico che
influenza il rilassamento
protonico è il gruppo eme:
ospita un atomo di Fe2+ che è
il diretto responsabile delle
interazioni paramagnetiche
con i protoni acquosi
(nonostante si trovi in una
tasca idrofobica apolare
proteica)
21
Deoxygenated blood attenuates T2*-weighted
MR images
MRI volume element
O2
decrease of venous dHb during increased perfusion:
O2
The influence of arterial blood on the BOLD signal is probably insignificant (it contains low dHb and represent
less than 25% of CBV)
22
O
2
RIPOSO
O
2
ATTIVAZIONE
L. Pauling, C. D. Coryell, PNAS, 1936.
K.R. Thulborn, J. C. Waterton, et al., Biochim. Biophys. Acta., 1982
S. Ogawa, T. M. Lee, A. R. Kay, D. W. Tank, PNAS, 1990.
ossiHb
deossiHb
Ossiemoglobina e desossiemoblobina hanno differenti proprietà magnetiche
Le basi del contrasto BOLD
Le basi del contrasto BOLD
23
deossiemoglobina T2* Segnale
flusso deossiemoglobina T2* Segnale
Le basi del contrasto BOLD
BOLD Time Course
fMRI for Dummies
24
fMRI Activation
Time
Brain
Activity
Kwong et al., 1992
Flickering Checkerboard OFF (60 s) - ON (60 s) -OFF (60 s) - ON (60 s) - OFF (60 s)
fMRI for Dummies
fMRI Measures the Population Activity • population activity depends on
– how active the neurons are
– how many neurons are active
• manipulations that change the activity of many neurons a little have a show bigger activation differences than manipulations that change the activation of a few neurons a lot
– attention • activity
– learning • activity
• fMRI may not
match single neuron
physiology results
Verb generation Verb generation
after 15 min practice
Raichle & Posner, Images of Mind cover image Ideas from: Scannell & Young, 1999,
Proc Biol Sci
25
• Durante il periodo di acquisizione, vengono presentati degli stimoli che possono
essere: sensoriali, task motori o cognitivi
fMRI BRAIN
• Il segnale BOLD non fornisce una misurazione assoluta dell’attività neurale,
ma relativa
• Durante una sessione fMRI vengono acquisite immagini funzionali in assenza
di stimoli, che serviranno come immagini di controllo (livello basale, di riposo
del segnale BOLD)
• Lo stesso task viene ripetuto periodicamente in modo da fare una media statistica
di tutti i valori delle immagini relativi all’attivazione
• L’immagine finale si ottiene facendo una sottrazione mediata tra l’immagine
acquisita durante l’assenza di stimoli e l’immagine acquisita durante la presentazione
dello stimolo in modo da ottenere un’immagine statistica parametrica, che viene poi
sovrapposta all’immagine anatomica
• Il segnale BOLD non fornisce una misurazione diretta dell’attività neurale
perché misura un effetto indiretto (la risposta emodinamica) di tale attività
fMRI BRAIN
26
• I dataset che si riferiscono alle immagini anatomiche di localizzazione sono
formati da un unico volume cerebrale
Acquisizione delle immagini funzionali e strutturali del cervello
• Negli studi fMRI le immagini funzionali del cervello (T2*-pesate) vengono
acquisite usando sequenze gradient echo, del tipo echo planar (EPI)
• Ogni TR vengono acquisite tutte le immagini tomografiche 2D (fette) relative
ad un intero volume cerebrale: immagini funzionali a bassa risoluzione spaziale
• Per avere una dettagliata anatomia del cervello: acquisite immagini strutturali
ad alta risoluzione spaziale T1-pesate del tipo spoiled gradient recall (SPGR)
• La struttura dati fondamentale (dataset): insieme di array 3D di valori numerici;
ciascun array 3D: un volume cerebrale. Tutti i volumi cerebrali funzionali
vengono acquisiti in successione temporale in un intero run di scansione
• Ogni elemento di un array 3D: un voxel del volume cerebrale, con le sue
coordinate di posizione (x,y,z); il suo valore numerico: intensità del segnale
MRI nel voxel corrispondente
• I valori di uno stesso voxel in tutti i volumi cerebrali costituiscono una serie
temporale (time series)
• Segnale BOLD e suo legame
con l'attività neurale
• Principi fisici dell'imaging
funzionale mediante
risonanza magnetica
• Tecniche di analisi dei dati fMRI
La risonanza magnetica funzionale
27
Analisi dei dati: postprocessing
reconstruction registration smoothing
Rationale: ipotesi sperimentale
Preprocessing e sessione sperimentale
Interpretazione dei risultati, correlazione con dati comportamentali e verifica dell’ipotesi
Paradigma sperimentale
Selezione, screening, test psicologici e comportamentali
Organizzazione degli esperimenti fMRI
Spessore
Es., 6 mm
Numero delle fette
e.g., 10
Visione Sagittale Risoluzione
Field of View (FOV)
Es. 19.2 cm
VOXEL
(Volumetric Pixel)
3 mm
3 mm 6 mm
Matrice
Es. 64 x 64
Risoluzione
Es., 192 mm / 64
= 3 mm
Acquisizione dei dati
28
STIMULI – ACTIVATION
NO STIMULI - BASELINE
BOLD Contrast Imaging
O
2
BASELINE
O
2
ACTIVATION
La misura dell’attività neuronale
Visualizzazione di superfici corticali
con le relative attivazioni
Passaggio
2D3D
Risposta nelle
regioni
d’interesse
Correlazione con
modello di risposta
emodinamica
L’attività correlata al
modello è rappresentata
come un’attivazione nei
singoli voxel
29
1. Block Design
2. Mixed Block Design
3. Slow Event-Related
4. Fast Event-Related
5. Self-Paced
6. Sparse intermixed
Strategie di reclutamento neuronale
Comprendere l’organizzazione cerebrale del cervello sano
− localizzare i circuiti cerebrali coinvolti in compiti specifici − caratterizzare i cambiamenti nel corso del tempo (da pochi secondi, fino a
anni) − determinare il legame con i correlati comportamentali (accuratezza, ecc.)
Applicazioni cliniche - mappatura cerebrale prechirurgica
Ricerca clinica - valutazione del processo di guarigione e della plasticità - caratterizzazione della popolazione clinica con compiti specifici o durante la condizione di riposo
Courtesy of P. Bandettini
Che cosa può fare l’fMRI
30
Courtesy of P. Bandettini
Che cosa non può fare l’fMRI
− SNR troppo basso per l’uso clinico di routine (richiede troppo tempo)
− Richiede la collaborazione del paziente (troppo sensibile al movimento)
− Risoluzione spaziale troppo bassa (in ogni voxel ci sono milioni di neuroni)
− Risoluzione temporale troppo bassa (emodinamica variabile e lenta)
− Legato in maniera troppo indiretta all’attività neuronale
− Troppe variabili fisiologiche interferiscono con il segnale
− Richiede un compito (non si può registrare il segnale BOLD a riposo)
− Spazio ridotto e forte rumore
Verso il futuro…
TECNOLOGIA
APPLICAZIONI
METODOLOGIA
INTERPRETAZIONE
31
INTERPRETAZIONE
Neuronal Activation
Hemodynamics ? ?
?
Measured Signal
Noise
?
INTERPRETAZIONE
Birn et al., NeuroImage, 2001
Logothetis et al., Nature, 2001
Magistretti et al, Science, 2009
32
16 channel parallel receiver coil
GE birdcage GE 8 channel coil Nova 8 channel coil
8 channel parallel receiver coil
TECNOLOGIA Hardware upgrade
TECNOLOGIA
Sereno et al.@3T, 1995
Yacoub et al.@7T, 2008
Risonanza ad alti campi
33
Visual
Auditory
Multisensory
Beauchamp et al., 2007
TECNOLOGIA Multi-sensory integration
Neuronal Activation Input Strategies METODOLOGIA
Rest: seed voxel in motor cortex
Activation: correlation with reference function
B. Biswal et al., MRM, 34:537 (1995)
Resting State Correlations
34
Neuronal Activation Input Strategies METODOLOGIA
Hasson, et al (2004), Science, 303, 1634-1640
Reading hidden intentions METODOLOGIA
Haynes et al., Current Biology, 2007
35
Uso complementare per la diagnosi clinica -diagnosi precoce di patologie
Trattamento clinico e valutazione della terapia -migliore comprensione dei meccanismi patologici per la terapia specifica -valutazione degli effetti dei farmaci -valutazione dell’evoluzione della terapia e biofeedback -mappatura dei foci epilettogeni -valutazione della fisiologia neurovascolare
Usi non clinici -lie detection -predizione di comportamenti e preferenze/tendenze -brain/computer interface
Che cosa potrebbe fare l’fMRI
• Segnale BOLD e suo legame
con l'attività neurale
• Principi fisici dell'imaging
funzionale mediante
risonanza magnetica
• Tecniche di analisi dei dati fMRI
36
Design Jargon: Runs
run (or scan): one continuous period of fMRI scanning (~5-7 min)
session: all of the scans collected from one subject in one day
experiment: a set of conditions you want to compare to each other
condition: one set of stimuli or one task
2 stimulus conditions
+ 1 baseline condition (fixation)
A session consists of one or more experiments.
Each experiment consists of several (e.g., 1-8) runs
More runs/expt are needed when signal:noise is low or the effect is weak.
Thus each session consists of numerous (e.g., 5-20) runs (e.g., 0.5 – 3
hours)
Note: Terminology can vary from one fMRI site
to another (e.g., some places use “scan” to refer
to what we’ve called a volume).
Design Jargon: Paradigm
paradigm (or protocol): the set of conditions and their order used in a
particular run
Time
volume #1
(time = 0)
volume #136
(time = 136 vol x 2 sec/vol = 272 sec = 4:32)
run
first “intact objects” epoch
second “intact objects” epoch
epoch: one instance of a
condition
epoch
8 vol x 2 sec/vol = 16 sec
first “scrambled objects” epoch
37
fMRI Experiment Stages: Prep
1) Prepare subject
• Consent form
• Safety screening
• Instructions and practice trials if appropriate
2) Shimming
• putting body in magnetic field makes it non-uniform
• adjust 3 orthogonal weak magnets to make magnetic field as homogenous as
possible
3) Sagittals
Take images along the midline to use to plan slices
Note: That’s one g, two t’s
In this example, these are the functional
slices we want: 12 slices x 6 mm
fMRI Experiment Stages: Anatomicals 4) Take anatomical (T1) images
• high-resolution images (e.g., 0.75 x 0.75 x 3.0 mm)
• 3D data: 3 spatial dimensions, sampled at one point in time
• 64 anatomical slices takes ~4 minutes
64 slices
x 3 mm
38
Slice Thickness
e.g., 6 mm
Number of Slices
e.g., 10
SAGITTAL SLICE IN-PLANE SLICE
Field of View (FOV)
e.g., 19.2 cm
VOXEL
(Volumetric Pixel)
3 mm
3 mm 6 mm
Slice Terminology
Matrix Size
e.g., 64 x 64
In-plane resolution
e.g., 192 mm / 64
= 3 mm
fMRI Experiment Stages: Functionals 5) Take functional (T2*) images
• images are indirectly related to neural activity
• usually low resolution images (3 x 3 x 6 mm)
• all slices at one time = a volume (sometimes also called an image)
• sample many volumes (time points) (e.g., 1 volume every 2 seconds for 136
volumes = 272 sec = 4:32)
• 4D data: 3 spatial, 1 temporal
…
fMRI for Dummies
39
E’ necessario conoscere le informazioni sulla temporizzazione della scansione:
• numero di fette 2D acquisite nella direzione spaziale z in un TR, corrispondenti
ad un singolo volume cerebrale
• numero di volumi cerebrali acquisiti nel tempo in un intero run di scansione;
corrisponde al numero di TR (istanti temporali, time points) presenti in un run,
detto anche numero di reps del run considerato.
Ricostruzione delle immagini del cervello
Analisi dei dati fMRI
Per ogni volume cerebrale: leggere la sequenza tomografica di immagini (fette) 2D
in ingresso e convertirla (assemblarla) in un dataset volumetrico (array 3D)
Convenzione:
• asse x: identifica la direzione R-L (R = right, L = left); un valore di x
identifica una fetta sagittale del cervello;
• asse y: identifica la direzione A-P (A = anterior, P = posterior); un valore di y
identifica una fetta coronale del cervello;
• asse z: identifica la direzione I-S (I = inferior, S = superior); un valore di z
identifica una fetta assiale del cervello
Ricostruzione delle immagini del cervello
In generale gli outliers o spikes sono valori assunti da un voxel in particolari istanti
di una serie temporale, che sono molto diversi dagli altri valori di quel voxel in tale
serie temporale
Nei primi istanti della serie il voxel considerato assume valori molto alti: è affetto da
molto rumore, dovuto a possibili artefatti dello scanner (il campo magnetico generato
all’interno dello scanner dalle bobine di eccitazione a radiofrequenza non ha ancora
raggiunto lo stato stazionario).
40
Ricostruzione delle immagini del cervello
Rimuovendo per esempio i primi tre istanti dalla serie temporale:
il potenziale outlier diventa molto più evidente
Si notano dei picchi nei valori dei parametri di movimento in corrispondenza
dell’istante: t ≈ 160 sec: in quel momento il soggetto ha mosso improvvisamente
la testa facendo uno “scatto”.
Il volume cerebrale I160(x) è molto più disallineato dal volume base J(x) di
quanto lo sono gli altri volumi In(x), con n ≠ 160 sec
Registrazione dei volumi cerebrali E’ utile rappresentare graficamente gli andamenti temporali dei 6 parametri di
movimento in funzione degli istanti delle serie temporali del dataset considerato:
41
• The original purpose of AFNI (circa 1994 A.D.) was to perform the transformation of datasets to Talairach-Tournoux (stereotaxic) coordinates
• The transformation can be manual, or automatic
• In manual mode, you must mark various
anatomical locations, defined in Jean Talairach and Pierre Tournoux
“Co-Planar Stereotaxic Atlas of the Human Brain”
Thieme Medical Publishers, New York, 1988
– Marking is best done on a high-resolution T1-weighted structural MRI volume
• In automatic mode, you need to choose a template to which your data are allineated. Different templates are made available with AFNI’s distribution. You can also use your own templates.
• Transformation carries over to all other (follower) datasets in the same directory
Registration To Standard Spaces Transforming Datasets to Talairach-Tournoux
Coordinates
Press this IN to create or change markers
Color of “primary” (selected) marker
Color of “secondary” (not selected) markers
Size of markers (pixels)
Size of gap in markers
Select which
marker you
are editing
Carry out transformation to +acpc coordinates
Clear (unset) primary marker
Set primary marker to current focus location
Perform “quality” check on markers (after all 5 are set)
Click Define
Markers to
open the
“markers”
panel
42
• Stage 2: Scaling to Talairach-Tournoux (+tlrc) coordinates: – Once the AC-PC landmarks are set and we are in ACPC view,
we now stretch/shrink the brain to fit the Talairach-Tournoux Atlas brain size (sample TT Atlas pages shown below, just for fun)
Most anterior
to AC
70
mm
AC to PC 23
mm
PC to most
posterior
79
mm
Most inferior to
AC
42
mm
AC to most
superior
74
mm
AC to left (or
right)
68
mm
Length of
cerebrum
172
mm Height of
cerebrum
116m
m Width of
cerebrum
136
mm
Head Motion: Main Artifacts
1. Head motion leads to spurious activation
(particularly at the edges)
2. Regions move over time
3. Motion of head (or any other large mass) leads to
changes to field map
fMRI for Dummies
43
507 89 154
119 171 83
179 117 53
663 507 89
520 119 171
137 179 117
A B C
Spurious Activation at Edges
Slide modified from Duke course
time1 time2
fMRI for Dummies
Spurious Activation at Edges
• spurious
activation is a
problem for head
motion during a
run but not for
motion between
runs
fMRI for Dummies
44
Motion Correction Algorithms
• Align each volume of the brain to a target volume using six
parameters: three translations and three rotations
• Target volume: the functional volume that is closest in time to
the anatomical image
x translation
z tra
nsla
tio
n
y tra
nsla
tio
n
pitch roll yaw
fMRI for Dummies
Spatial Smoothing
• Application of Gaussian
kernel
– Usually expressed in #mm
FWHM
– “Full Width – Half Maximum”
– Typically ~2 times voxel
size
Slide from Duke course fMRI for Dummies
45
Filtraggio spaziale dei volumi cerebrali
E’ possibile specificare il valore del parametro che rappresenta la larghezza del filtro
Gaussiano di smoothing utilizzato, cioè il raggio utilizzato per la funzione di blurring
Quanto più largo è il filtro, maggiore è il blurring (allargamento delle aree di
attivazione) che si ottiene, ma maggiore è anche la perdita di risoluzione spaziale
Effects of Spatial Smoothing on Activity
Unsmoothed Data
Smoothed Data (kernel width 5 voxels)
Slide from Duke course fMRI for Dummies
46
Effect of Filtering – spatial smoothing.
before
after
Source: Brain Voyager course slides
3
1
2
Normalizzazione delle serie temporali e calcolo della variazione
percentuale del segnale BOLD rispetto alla baseline
47
I disegni sperimentali
Block design
• I due disegni sperimentali di stimolazione maggiormente utilizzati in fMRI sono il block design e l’event related
• Le caratteristiche dei vari disegni sperimentali variano da autore ad autore
• Block design: il segnale BOLD ricevuto è alto perché le risposte ai singoli stimoli si sommano tra loro in modo lineare
• All’interno di un blocco il segnale BOLD non ha il tempo di tornare al valore di baseline perciò in genere non si può isolare la risposta ad un singolo stimolo
A Simple Experiment: LO Localizer
Intact
Objects
Scrambled
Objects
Blank
Screen
TIME
One volume (12 slices) every 2 seconds for 272
seconds (4 minutes, 32 seconds)
Condition changes every 16 seconds (8 volumes)
Lateral Occipital Complex
• responds when subject
views objects
48
I disegni sperimentali
Varianti del block design
Mixed block design
• Nel mixed block design la durata temporale dei singoli blocchi di stimolazione e dei periodi di rest tra i blocchi varia casualmente
Self paced block design
• Nel self paced block design è il soggetto che si “autosomministra” gli stimoli all’interno dei vari blocchi
Slow event related
Fast event related
I disegni sperimentali
Event related
• Event related: il segnale BOLD ricevuto è piuttosto basso (perciò maggiormente affetto da rumore) perché rappresenta la risposta ad un singolo stimolo
• Tra uno stimolo ed il successivo in genere il segnale BOLD ha il tempo di tornare al valore di baseline perciò si può cercare di isolare la risposta ad un singolo stimolo
49
Analisi di regressione lineare
La funzione h(t) è chiamata risposta impulsiva del sistema considerato
• Sistema = distretto cerebrale considerato
• f(t) = andamento temporale dello stimolo applicato
• y(t) = variazione misurata del segnale BOLD proveniente dal sistema
Negli studi fMRI si misurano le variazioni del segnale BOLD provocate da una
risposta emodinamica, indotta dalla variazione di attività neuronale-sinaptica in un
determinato distretto cerebrale; tale variazione rappresenta la risposta del cervello ad
una particolare condizione di stimolo, variabile nel tempo
Il sistema può essere comunque complesso, possiamo non sapere come è fatto
internamente, ma se è lineare e stazionario, la sua risposta y(t) ad un arbitrario
segnale d’ingresso f(t) può essere ricavata, se si conosce la risposta h(t) del sistema
ad un segnale impulsivo (funzione delta di Dirac) δ(t) applicato al suo ingresso
Analisi di regressione lineare
= 0tperet
0tper0
thctb
• Supponiamo che il nostro modello ideale del cervello sia lineare: la risposta
emodinamica complessiva ai vari stimoli presentati è data dalla somma delle
risposte emodinamiche ai singoli stimoli.
Di solito si sceglie la funzione:
• b = 8.6; c = 0.547 sec (Cohen, 1977).
• h(t) ha un ritardo temporale, rispetto
allo stimolo, di 1-2 secondi, un tempo
di salita di 4-5 secondi ed un tempo
di discesa di 4-6 secondi.
• Quando vengono presentati più stimoli successivi, tra loro più vicini nel tempo
della durata delle singole risposte emodinamiche h(t), alcune parti di tali funzioni
risultano sovrapposte.
50
Analisi di regressione lineare
• Il modello lineare, anche se non perfettamente corretto, è molto utile e largamente
utilizzato per il fitting dei dati delle serie temporali dei datasets fMRI.
• Il network neuronale del cervello può essere rappresentato con un sistema non
lineare, perciò anche la risposta emodinamica misurata con l’fMRI è non lineare
Esperimenti con stimoli a blocchi: intervalli di attivazione estesi nel tempo.
Analisi di regressione lineare
La risposta emodinamica complessiva è alta e persistente nel tempo:
segnale BOLD di intensità maggiore.
51
Con tali valori il modello ideale (curva blu) costituisce, per tutti i voxel (serie temporali)
del datasets fMRI considerato, il fitting migliore dei dati reali Z (curva grigia)
Analisi di regressione lineare multipla
Esempio con 2 diversi
stimoli d’ingresso: f1, f2
Modello ideale del segnale BOLD:
β1·r1 + β2·r2 (curva blu)
Si trovano i due valori:
β1 = 1.5, β2 = 0.6
curva verde; hfr 222 =
hfr 111 = curva rossa;
• Restituisce in uscita un dataset contenente le stime, secondo il metodo della
somma dei minimi quadrati, dei valori dei coefficienti di regressione lineare βi
• Viene calcolato, per ogni coefficiente βi, il relativo valore stimato in
corrispondenza di ogni voxel del dataset fMRI d’ingresso
Analisi di regressione lineare multipla
• Il modello effettua un’analisi statistica di regressione lineare multipla delle serie
temporali contenute nei datasets fMRI
• Bisogna fornire in ingresso al modello:
1) i dati reali Zn (segnale BOLD che effettivamente si riceve e si misura)
per tutti i voxels (serie temporali) del dataset fMRI considerato
2) un diverso regressore rni (risposta del modello ideale) per ogni diverso
stimolo d’ingresso fni
52
Calculating Signal:Noise Ratio
Pick a region of interest (ROI) outside the brain free from artifacts (no ghosts,
susceptibility artifacts). Find mean () and standard deviation (SD).
Pick an ROI inside the brain in the area you care about. Find and SD.
SNR = brain/ outside = 200/4 = 50
[Alternatively SNR = brain/ SDoutside = 200/2.1 = 95
(should be 1/1.91 of above because /SD ~ 1.91)]
Head coil should have SNR > 50:1
Surface coil should have SNR > 100:1
When citing SNR, state which denominator you used.
Source: Joe Gati, personal communication
e.g., =4, SD=2.1
e.g., = 200
fMRI for Dummies
Why SNR Matters
fMRI for Dummies
Note: This SNR level is not
based on the formula given
Huettel, Song & McCarthy, 2004, Functional Magnetic Resonance Imaging
53
Physiological Noise
Respiration
• every 4-10 sec (0.3 Hz)
• moving chest distorts susceptibility
Cardiac Cycle
• every ~1 sec (0.9 Hz)
• pulsing motion, blood changes
Solutions
• gating
• avoiding paradigms at those frequencies
fMRI for Dummies
Other Artifacts Ghosts
Spikes
Metallic Objects (e.g., hair tie) Hardware Malfunctions
fMRI for Dummies
54
Statistical Map superimposed on
anatomical MRI image
~2s
Functional images
Time
~ 5 min
Time
fMRI
Signal
(% change)
ROI Time
Course
Condition
Activation Statistics
Region of interest (ROI)
fMRI for Dummies
Statistical Maps & Time Courses
Use stat maps to pick regions
Then extract the time course
fMRI for Dummies
55
Time Courses
TIME
MR
SIG
NA
L
(AR
BIT
RA
RY
UN
ITS
)
MR
SIG
NA
L
(% C
ha
ng
e)
Arbitrary signal varies
from voxel to voxel, day to
day, subject to subject
To make the y-axis more
meaningful, we usually
convert the signal into units
of % change:
100*(x - baseline)/baseline
Changes are typically in the
order of 0.5-4 %.
fMRI for Dummies
Stats on Anatomical
fMRI for Dummies
56
2D 3D
fMRI for Dummies
Analisi di regressione lineare multipla
• Esempio di risultato di un’analisi statistica di regressione lineare multipla
• Esempio di rendering tridimensionale
dei risultati di un’analisi statistica di
regressione lineare multipla