Presentazione di PowerPoint - Università degli Studi dell`Insubria

fMRI: framework di interpretazione e
analisi quantitativa di mappe statistiche
di attivazione cerebrale
Vittoria Colli
Fisica Sanitaria - Ospedale di Circolo di Varese e Fondazione Macchi
Valentina Pedoia
Dipartimento di Informatica e Comunicazione Università degli Studi dell’Insubria, sede di Varese
Functional Magnetic Resonance Imaging (fMRI):
studio dell’anatomia funzionale del cervello umano
Scopo:
localizzare volumi cerebrali di
particolare importanza funzionale
(aree motorie, visive, del
linguaggio etc.) situate in
prossimità di volumi che devono
essere rimossi chirurgicamente o
trattati con radioterapia (o che
potrebbero trovarsi all’interno dei
campi di irradiazione) al fine di
risparmiare il più possibile tali
volumi e quindi salvaguardare
funzionalità cerebrali di
particolare rilevanza
Studio fMRI
Definizione del paradigma
on
off
on
off
Stimolo
on
off
off
.....
Esecuzione dell’esame RM e acquisizione delle immagini
Analisi statistica delle immagini
Definizione del paradigma
Scelta e applicazione di uno stimolo o l’assegnazione di un
compito che stimoli una o più specifiche funzioni cerebrali
Esempio: stimolazione visiva
on
off
on
off
on
off
off
Stimolo
L’analisi è basata sulla differenza del segnale BOLD
nelle fasi di OFF e di ON
.....
Esecuzione dell’esame RM e acquisizione delle
immagini
 Apparecchiatura RM: Philips Achieva 1.5 T
 Protocolli di acquisizione: EPI BOLD standard
implementati sull’apparecchiatura
 Task funzionali
linguaggio: denominazione oggetti
linguaggio: fluenza fonemica
linguaggio: generazione verbi
motorio: finger tapping
 Immagine di riferimento anatomica del paziente :
acquisizione volumetrica ad elevata risoluzione spaziale
Totale: 15 soggetti (pazienti e volontari sani)
Analisi statistica
t-test
Approccio Philips (iViewBold)
Le Statistical Parametrical Maps (SPMs) sono calcolate
applicando il t-test all’andamento nel tempo dell’intensità del
segnale per ogni singolo voxel
valore massimo =
risultato dell’analisi
valore minimo = 3
Analisi statistica
Modello Generale Lineare
Approccio FSL
Le Statistical Parametrical Maps (SPMs) sono calcolate
applicando il Modello Generale Lineare all’andamento nel
tempo dell’intensità del segnale per ogni singolo voxel
valore massimo =
risultato dell’analisi
9.6
valore minimo =
risultato dell’analisi
5.0
Framework di valutazione dei software:
preprocessing
Il confronto
 fra i risultati di analisi effettuate con SW diversi
 fra il risultato dell’analisi e un atlante funzionale di riferimento
è possibile solo se i volumi sono standardizzati in uno spazio comune
Si rendono necessari algoritmi
 segmentazione
 registrazione
Elaborazione con FSL
 Segmentazione: FSL BET implementato nel SW
 Registrazione con Juelich Atlas: implementata nel SW
Framework di valutazione dei software:
preprocessing
Elaborazione con iViewBold
 Segmentazione: algoritmo sviluppato ad hoc.
Algoritmo iterativo ad espansione di superficie.
La superficie iniziale è determinata mediante segmentazione a
soglia ed è inscritta nella superficie da segmentare.
Ad ogni iterazione, la superficie si espande nella direzione normale
alla superficie stessa, e l’entità dell’espansione è controllata dal
gradiente dei livelli di grigio.
Nelle regioni più complesse, l’algoritmo incrementa il numero di
direzioni di espansione.
 Registrazione con Juelich Atlas: algoritmo sviluppato ad hoc.
Viene identificata la trasformazione non-rigida che massimizza la
mutua informazione fra i volumi che devono essere registrati.
Framework di valutazione dei software:
confronto diretto fra elaborazioni
Information Overlap fra SPMs
min( SPM , SPM )
SPM  SPM
IO 

SPM  SPM
max( SPM , SPM )
N
1
2
1
2
1 ,i
2 ,i
1 ,i
2 ,i
i 1
al variare della soglia minima
SW 1
SW 2
intersezione
Framework di valutazione dei software:
confronto diretto fra elaborazioni
Information Overlap fra SPMs
min( SPM , SPM )
SPM  SPM
IO 

SPM  SPM
max( SPM , SPM )
N
1
2
1
2
1 ,i
2 ,i
1 ,i
2 ,i
i 1
al variare della soglia minima
SW 1
SW 2
intersezione
Framework di valutazione dei software:
confronto singola elaborazione con atlante funzionale
Juelich Atlas implementato in FSL
 suddivisione in 121 regioni
 soglia 0
 voxel 2x2x2 mm3
Riferimento per definire
ground truth
golden standard
per valutare
sensibilità e specificità
dei SW utilizzati
Framework di valutazione dei software:
confronto singola elaborazione con atlante funzionale
Activation Weighted Index
1
AWI 
w
N
J
J
i 1
J
SPM
i
per ognuna delle 121 regioni
dello Juelich Atlas
wi = valore normalizzato di ogni voxel della SPM
NJ = numero di voxel della regione J
istogramma con barre relative regioni attive
Framework di valutazione dei software:
confronto singola elaborazione con atlante funzionale
Definizione del ground truth dei task funzionali con AWI
Juelich Atlas
istogramma con barre relative al task
Framework di valutazione dei software:
confronto singola elaborazione con atlante funzionale
Definizione di sensibilità e specificità
Nf
(T  )  AWI  True   min (AWI i , True i )
i 1
Nf
(F-)  (1 - AWI)  True   max (0, True i - AWI i )
i 1
Nf
(T-)  (1 - AWI)  (1 - True)   min (1 - AWI i , 1 - True i )
i 1
True = AWI ground truth
T+ = veri positivi
F- = falsi negativi
T- = veri negativi
F+ = falsi positivi
Nf
(F )  AWI  (1 - True)   max (0, AWI i - True i )
i 1
sensibilit à 
(T )
(T )  (F-)
Capacità di individuare correttamente
le regioni corrispondenti al task
specificit à 
(T- )
(T-)  (F)
Capacità di individuare correttamente
le regioni NON corrispondenti al task
Framework di valutazione dei software:
confronto singola elaborazione con atlante funzionale
… work in progress…
 Definizione del ground truth dei task funzionali:
quali regioni cerebrali considerare?
quale importanza assegnare alle regioni considerate?
quali differenze fra soggetti sani e soggetti malati?
quali differenze fra destrimani e mancini?
come definirlo a partire dagli studi effettuati?
 Anatomia del cervello:
come viene modificata dalla presenza di lesioni?
le lesioni “spostano” le regioni adiacenti?
le lesioni “deformano” le regioni adiacenti?
le lesioni si infiltrano nelle regioni adiacenti?
quale il ruolo degli algoritmi di segmentazione?
quale il ruolo delle immagini DTI?
… work in progress…
 Attivazione delle regioni del visivo durante task del linguaggio
Soluzione in fase di acquisizione: stimolazione visiva ininterrotta
Soluzione in fase di elaborazione:
sostituzione fase OFF con media segnale BOLD fasi ON
Grazie per l’attenzione!