gms | German Medical Science

GMDS 2012: 57. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e. V. (GMDS)

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie

16. - 20.09.2012, Braunschweig

Entwicklung einer SPM-Toolbox zur multivariaten Analyse funktioneller MRT-Daten

Meeting Abstract

Suche in Medline nach

  • Snezhana Weston - Otto-von-Guericke-Universität Magdeburg, Deutschland
  • Daniela Adolf - Otto-von-Guericke-Universität Magdeburg, Deutschland
  • Siegfried Kropf - Otto-von-Guericke-Universität Magdeburg, Deutschland

GMDS 2012. 57. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e.V. (GMDS). Braunschweig, 16.-20.09.2012. Düsseldorf: German Medical Science GMS Publishing House; 2012. Doc12gmds155

DOI: 10.3205/12gmds155, URN: urn:nbn:de:0183-12gmds1553

Veröffentlicht: 13. September 2012

© 2012 Weston et al.
Dieser Artikel ist ein Open Access-Artikel und steht unter den Creative Commons Lizenzbedingungen (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.de). Er darf vervielfältigt, verbreitet und öffentlich zugänglich gemacht werden, vorausgesetzt dass Autor und Quelle genannt werden.


Gliederung

Text

Einleitung: Die funktionelle Magnetresonanztomographie (fMRT) ist ein modernes, leistungsfähiges Bildgebungsverfahren, welches die Darstellung menschlicher Hirnaktivität ermöglicht. Die Bearbeitung und Auswertung der Bilddaten erfolgt üblicherweise mit Hilfe des Software-pakets SPM (statistical parametric mapping, http://www.fil.ion.ucl.ac.uk/spm), in der Regel basierend auf der Theorie des allgemeinen linearen Modells anhand univariater Analysen. In letzter Zeit gewinnen aber neben klassischen univariaten Methoden multivariate Verfahren zunehmend an Bedeutung, die auch schwache Aktivierungen unter Einhaltung des Testniveaus identifizieren können. In unserer Arbeitsgruppe werden sogenannte stabilisierte multivariate Testverfahren (Läuter et al., 1996 [1] und 1998 [2]) auf die Analyse hochdimensionaler fMRT-Daten angepasst (Adolf et al., 2011 [3]). Diese Verfahren können somit mit zwei von den Daten hervorgerufenen Problemen umgehen: der großen Anzahl von Variablen, die den Stichprobenumfang bei weitem übersteigt, sowie der Korrelationsstruktur der Stichprobenvektoren, da die funktionellen MRT-Daten neben der räumlichen auch eine zeitliche Korrelation aufweisen. Diese Methoden sollen nun den Anwendern von SPM über eine Toolbox zur Verfügung stehen.

Methoden: Die Toolbox ist als SPM8-basierte Anwendung implementiert und enthält Routinen zur statistischen Auswertung von fMRT-Daten mittels stabilisierter multivariater Testprozeduren unter Anwendung verschiedener Korrekturverfahren für die zeitliche Korrelation. Die Programmierung der Funktionen erfolgte in MATLAB R2010b (Mathworks Inc., Natiek, MA, USA). Das Produkt besitzt eine benutzerfreundliche Anwendungsoberfläche, die auch einem SPM-Anwender ohne Programmierkenntnisse erlaubt, eine Datenanalyse problemlos durchzuführen. Die Toolbox bietet dem Nutzer die Möglichkeit, eine zu untersuchende Region selbst zu bestimmen oder durch eine vorbereitete Maske zu extrahieren. Ausgangspunkt für die statistische Analyse sind bewegungskorrigierte Bilddaten. Zur Analyse stehen drei stabilisierte multivariate Teststatistiken zur Verfügung, die auf die Abhängigkeit der Stichprobenvektoren angepasst sind. Dabei wird neben etablierten parametrischen Adaptionsverfahren für die zeitliche Korrelation der fMRT-Messwerte auch eine nichtparametrische Lösung in Form eines Blockpermutationsverfahrens angeboten.

Ergebnisse: Die betrachteten stabilisierten multivariaten Teststrategien zur Auswertung der fMRT-Daten konnten erfolgreich in Form einer Toolbox in SPM implementiert werden.

Diskussion: Der Quellcode der Toolbox kann jederzeit weiterentwickelt werden. Zukünftig wird die Toolbox mit neueren multiplen Testprozeduren für die voxelspezifische Analyse der fMRT-Daten erweitert.


Literatur

1.
Läuter J, Glimm E, Kropf S. New multivariate tests for data with an inherent structure. Biometr J. 1996;38:5-23.
2.
Läuter J, Glimm E, Kropf S. Multivariate tests based on left-spherically distributed linear scores. Annals Stat. 1998;26:1972-88.
3.
Adolf D, Baecke S, Kahle W, Bernarding J, Kropf S. Applying multivariate techniques to high-dimensional temporally correlated fMRI data. J Stat Planning Inference. 2011;141:3760-70.
4.
Friston K, Ashburner J, Kiebel S, Nichols T, Penny W. Statistical Parametric Mapping – The Analysis of Functional Brain Images. Amsterdam: Academic Press; 2007.