我用DPARSF的过程和结果

Submitted by lynnrain on
没能预定到听课的座位,非常可惜,还好有新的视频教程,看了两遍后试着处理了一下目前的患者数据,把自己的步骤和过程放上来请大家看看,是否存在什么问题。

1. 运行环境:Ubuntu 9.10 AMD64 + Matlab R2009b + REST2007V1.3_091215 + DPARSF_V1.0_091215 + SPM8 (patched to 3408)

2. 序列情况,SIEMENS TRIO TIM 3T,梯度回波EPI序列,TR/TE 2000/30, FOV 256*256, Resolution 64*64, 每卷共36层,层厚 4 mm, 层间隔0mm, 翻转角 90度。共210个时间点,共19例患者。

3.患者的功能图像和结构图像按照DPARSF的要求分别放在工作目录的FunRaw和T1Raw文件夹里面。

4. DPARSF设置情况,如图1。由于怕ReHo的计算基于smooth之后的数据,因此没有勾选ReHo这项,是自己在REST里面做的,先用REST里面的ReHo工具计算出19副ReHo图,然后以4 4 4的kernel平滑,再将平滑后的19副图在image calculator里面 -1。



4. SPM统计分析,这里使用SPM的Batch,从Model Specification (加上REST的全脑MASK)直到Result report也可以直接完成,需要做的只是设定好dependency,还是蛮方便的,如图2



5. 按照严老师给出的AlphaSim范例数据,选用54个voxel作为阈值,得到的ALFF、fALFF和ReHo结果如图3-5:







我在数据处理中存在的疑问:
  • 一、这是目前收集到的患者的结果,实验目标是和正常受试者(还未收集)相比,不知从各位前辈的经验来看,是否有可能出现阳性结果?
  • 二、ReHo值的计算,不能在DPARSF中一次完成吗?
  • 三、由于我这个疾病模型还未见过有做过静息态的报道,因此不知道功能连接应该如何下手(选取哪些区域作为ROI),请各位指教。
  • 四、患者的病情严重程度,有一个标准的评分值,除了如严老师视频中所讲的可以拿来和ReHo的值做类似于功能连接的相关,是否还能和其它数据求相关性,具体怎么操作呢?
  • 五、SPM8里面是不是没有了FDR校正?我只找到了FWE校正。
  • 六、关于用患者的T1图像来做Normalization,DPARSF给出的比对图像应该怎么看(除开明显增大或切割错误的图像),如下面这样的结果,算不算是不好的Normalise呢?






鞠躬!
请各位多提意见,多多指教!
林云 硕士研究生
西南医院放射科




YAN Chao-Gan

Mon, 01/11/2010 - 08:45

林云:
    你好!
    非常感谢你如此详细的报告!
    你一共扫描了36层,正如我在视频里面所说,西门子的一些机器(如北师大的机器)在隔层扫描时,如果总层数为奇数,则是按2 4 6 8 ... 34 36 1 3 5 ... 33 35的顺序扫描的。但你们的机器是不是也是这个样子,我就不清楚了,最好和机师确认一下。
    1. 我不知道是不是SPM玻璃脑的原因,你的结果里面没有MPFC,这是很令人诧异的结果,请再确认一下。ReHo的单样本T检验没有MPFC,是非常奇怪的。从这个数据看来,也许你能在MPFC发现阳性结果,但目前我对MPFC的ReHo不比全脑均值显著高的结果表示怀疑。
    2. 真正做研究的时候,我想可能不会是数种方法都做的,软件设计的初衷是分开处理的。当然,你可以计算完ALFF之后,用DPARSF计算从detrend开始的后续步骤(不用再预处理了),DPARSF会自动给你做平滑和减1。
    3. 如果你要做功能连接的话,建议还是多读文献。另外,也可以用ReHo发现的异常区域做种子点。
    4. 可以按照做功能连接的方式来进行。具体请再听一下我讲功能连接->seed time course的那一部分。
    5. 目前看起来是没有。另外,我个人认为SPM5的FDR也存在比较严重的问题,因为SPM5的统计是单边检验,这样会让你发现更多的结果。我们在更新REST的时候考虑把FDR校正更新进去。
     6. 你贴上来的图像看起来配准正常。
    祝一切顺利!
                                   超赣
   

lynnrain

Mon, 01/11/2010 - 14:52

In reply to by YAN Chao-Gan

谢谢严老师的及时回复,
  1. 我在调整EPI序列的时候,专门将其设定为Ascending的模式,取消了interleaved,因此slice timing 的设置应该是没有问题的。
  2. 是否有可能是因为我的患者并未在扫描中保持好“静息”的状态,从而导致了“ReHo的单样本T检验没有MPFC”?或者说还是有什么比较可能的影响因素,请您提示。
  3. 实验中患者的思维其实是难以控制的,那么是否应该多采几次静息态的数据,再在统计时对单个患者的图像进行平均化处理呢?但是由于此前的患者均只是采集了一次的数据,若之后的患者多采集几次,是否次数差异本身就会干扰统计?
谢谢

林云

林云:
    你好!
    1. 如果是这样的话,我想slice timing应该没有问题。
    2. "未保持好静息状态"--我不觉得是这个原因。是你的被试极其特殊?还是处理过程有问题?建议你用相同的参数扫一些正常被试,再用相同的处理步骤处理一下,看看是什么问题。
    3. 这个必要性我认为不是很大,虽然所谓思维难以控制,但静息关注的不是这一部分,而把这一部分当作随机因素。多个静息做平均的文章并不常见。
     祝一切顺利!
                                     超赣

lynnrain

Thu, 01/14/2010 - 06:32

In reply to by YAN Chao-Gan

 严老师:
您好!
如您之前所述,我此前的ReHo计算步骤果然存在问题,我将 Normalized 的图像直接进行了ReHo计算(未detrend和filter),昨晚将患者的图像重新进行了ReHo的计算,同时剔除了两名平扫图像存在异常的患者。结果(P<0.05 with FWE, K=10)如下:


同时我还做了10名正常受试者,其中4人扫描了两次静息态图像,全部14个图像纳入分析的结果(P<0.05 with FWE, K=10)如下:


而仅使用10人中的单次静息态图像,结果(P<0.05 with FWE, K=10)如下:



之后,将对照和患者的ReHo图像分别载入 group 1 和 group 2 进行双样本T检验,Mask选用 i1+i2>0 的图像,Contrast 1 -1;当采用fwe校正时,不出所料的得到了一个空的玻璃脑。
由于SPM8 不带有 FDR校正,我采用Rest Slice View生成图像,采用alphasim校正(P<0.01, rmm=5, k=18),步骤为:先在左下角P值窗体输入0.01,然后点选Cluster Size按钮,分别在第一行和第三行输入18/5, 得到结果如下:


我的问题如下:

1. FWE校正实在是太严格,在样本量不大的情况下,即使是正常被试者组,也很难出现满意的结果,不知你们在文章中报结果的时候,是否采用FWE校正?
2. 在我正常受试者组中,增加了4名患者的第二次静息态数据,似乎使得更多的voxel通过了FWE校正,但我不知这样做是否真的有意义。
3. 我进行 alphasim 校正的操作步骤是否正确?
4. 我是按照你给出来的alphasim表格进行的校正,若是自己想计算alphasim,iteration这一项应该怎么填呢?
5. Alphasim 校正后给出的存在差别的脑区似乎又太多了点,我第一次做静息态数据分析,实在是有些吃不准,请问这样的结果正常吗?

补充:我的患者是患有全身性疾病,存在多种抗体,实验的设计是希望了解到底哪种抗体对大脑的静息状态存在最强烈的干扰,因此随后还要依照抗体的情况进一步分组,最终患者数目估计在30人。

请多指教,谢谢!
林云

林云:
    你好!
    请用REST Slice Viewer看一下正常对照组的ReHo图,看看结果是否正常。如果没有MPFC,还是需要确认你的处理过程。
    1. 我不太用FWE校正。我一向认为SPM只报单侧检验的P值有问题,如果这个P值进入FDR或FWE校正,问题就更大了。我们考虑在下一版的REST Slice Viewer中加入FDR校正程序。我自己还是用AlphaSim偏多。
    2. 增加被试,是可以提高统计力度的。你再加入4名正常被试,相信统计值也一样会变强。
    3.  如果你是用的REST提供的61*73*61全脑模板,并且是用的4mm平滑,则AlphaSim校正步骤没有问题。
    4. Iteration填1000我想就可以了。
    5. 你放在不同的阈值,结果是不一样的,所以这个可信是相对的。如果你的校正方法没有问题,那么多读读文献会比较有帮助。
    祝顺利!
                                       超赣

lynnrain

Tue, 01/26/2010 - 14:09

In reply to by YAN Chao-Gan

现已收集的24名正常被试者,平均年龄31.6,采用alphasim 校正: rmm = 6, P=0.01, K = 19
首先是按照教程推荐的color bar = 12 的only + 结果:


感觉阈值差别表现的不是很明显,于是又将color bar改为 16 作了个图:


数据直接用DPARSF处理的,预处理参数设置与之前一样,只是在静息态处理上,选择数据分析基于 unsmoothed data, 并且只勾选了ReHo一行的内容。
我想请教:

1. 我的正常受试者组的结果是否正常?
2.
DPARSF的ReHo一行的参数设置时,我勾选的是 27 个体素,是否在 alphasim 校正的时候,就应该选择 rmm=6 呢?是否存在这样的对应关系?
3.
alphasim校正下,即使在 P=0.01 的时候,存活在阈值之上的 cluster 也比较多,是我选用的校正力度还不够吗?

非常感谢!
林云

林云:
    你好!
    1. 看起来数据处理没有什么问题,这个结果是比较常见的。
    2. 计算ReHo时的Cluster大小(e.g. 27 voxels),是否必须与做校正时的连接规则完全一致(e.g. rmm=6),我并没有相应的证据给出肯定的答案。我想前后两者并不一定有必然的联系,但保持一致总是不错的。如果臧老师有时间,可否请就此做相应的comment?
    3. 不是校正力度不够。ReHo在默认网络内部是很强的,用单样本T检验能看到它非常显著地高于全脑均值。所以不需要把它校正下去,接下来可以去看一看组间差异的情况。
    祝一切顺利!
                                 超赣

lynnrain

Fri, 01/29/2010 - 02:50

In reply to by YAN Chao-Gan

 臧老师、严老师:
您好!

关于问题:“ 2. 计算ReHo时的Cluster大小(e.g. 27 voxels),是否必须与做校正时的连接规则完全一致(e.g. rmm=6),我并没有相应的证据给出肯定的答案。我想前后两者并不一定有必然的联系,但保持一致总是不错的。”
我是这样认为的,既然在采用 KCC 算 ReHo 的时候,我已选择将周围 27 个体素纳入考量,那么,按照我对 alphasim 所述针对功能磁共振数据处理方式提出相应校正的感受,选择 rmm 值的时候同样也应该对应数据处理时所选择的参数,所以,我认为如果选择其他的 rmm 值应该是存在判断上的误差的,不知您的意见如何?

31名患者和23名年龄、性别、身高、体重、教育程度对应的健康受试者之间(头动均<1 mm & 1° ),采用双样本 t 检验的 ReHo 图结果如下(corrected by alphasim, P=0.01, rmm=6, K=19):



相比于志愿者,患者 ReHo 值明显增高的 cluster 位于右侧楔叶、左侧额中回,明显减低的 cluster 位于双侧新小脑的 Crus2 区、扣带回;详细的 cluster 细节恕我不便列出。

遇到的问题:
  1. 明显增高和明显减低的结果应该如何解释呢?不同的变化应该是说明了患者的这些脑区存在着不同异常吗?
  2. 共同增高,或者共同减低的数个脑区,是否说明其内在的网络出现了异常?
  3. 下面的内容我想这样做,以每个cluster作为一个 ROI,分析每个患者各个 ROI 与患者疾病严重程度、抗体情况的相关性;然后以 Brodman 图取出 DMN 中的主要脑区作为 ROI,同样寻找与疾病程度和抗体的相关性。然后确定,这个疾病对相关性较高的脑区,存在着更为明显的影响。不知您觉得是否妥当,或还应再做什么?
  4. 关于我前面那个问题,请您再做点评。 
鞠躬!
非常感谢您的指教!
林云

 林云:
    你好!
    1. 明显增高和减低的脑区,应该相比正常人有异常。但增高和降低的解释,建议你多看看文献,看看有没有文献有相关的证据支持。以前的研究可能有相关的报导,可以寻找相应的解释。另外,疾病ReHo研究也有一些文献了,建议你多读读,看看别人是怎样的发现,怎样进行解释。
    2. 我不太确定你说的内在网络的意思。如果有一种疾病,导致视觉区和听觉区都是ReHo升高,那么视觉区和听觉区是否同属于一个内在网络?我想不好说。
    3. 我想是可行的。
    4. AlphaSim是一种多重比较校正的方法。在ReHo的计算中,27个体素是一个局部区域的定义,也有人选用大于27个体素做为一个局部区域来计算KCC。如果选用5*5*5=125做为一个局部区域来计算KCC,那在AlphaSim校正中应该选用哪种连接呢?另外,也有人选用一个不规则的局部区域来计算KCC作为ReHo,那同AlphaSim的连接规则的关系就更不明确了。
     祝一切顺利!
                         超赣


Taxonomy upgrade extras
Forums