Анализ функциональных нейроизображений ( AFNI ) - это среда с открытым исходным кодом для обработки и отображения функциональных данных МРТ - метода картирования активности человеческого мозга.
Автор (ы) оригинала | Роберт В. Кокс |
---|---|
Разработчики) | NIMH Scientific and Statistical Computing Core [ постоянная мертвая ссылка ] |
Операционная система | Кроссплатформенность (список) |
Тип | Анализ данных нейровизуализации |
Лицензия | GPL |
Веб-сайт | Afni |
AFNI - это совокупность программ, которые можно использовать в интерактивном режиме или гибко собирать для пакетной обработки с использованием сценария оболочки . Термин AFNI относится как ко всему набору, так и к конкретной интерактивной программе, часто используемой для визуализации. AFNI активно развивается Научно-статистическим вычислительным ядром NIMH, и его возможности постоянно расширяются.
Afni работает под управлением многих Unix-подобных операционных систем , которые обеспечивают X11 и Motif библиотеки, включая IRIX , Solaris , Linux , FreeBSD и OS X . Предварительно скомпилированные двоичные файлы доступны для некоторых платформ. AFNI доступен для использования в исследовательских целях под Стандартной общественной лицензией GNU . AFNI теперь включает более 300 000 строк исходного кода C , и опытный программист на C может относительно легко добавлять интерактивные и пакетные функции в AFNI.
История и развитие
AFNI был первоначально разработан в Медицинском колледже Висконсина в 1994 году главным образом Робертом У. Коксом. Кокс ввел разработку в NIH в 2001 году, и разработка продолжается в NIMH Scientific and Statistical Computing Core. [1] В статье 1995 года, описывающей обоснование разработки программного обеспечения, Кокс писал о данных фМРТ: «Объем собранных данных очень велик, и очень важно, чтобы простые в использовании инструменты для визуализации и анализа 3D-активации карты будут доступны исследователям нейробиологии ". [2] С тех пор AFNI стал одним из наиболее часто используемых инструментов анализа в исследованиях фМРТ, наряду с SPM и FSL . [3]
Хотя AFNI изначально требовал обширных сценариев оболочки для выполнения задач, готовые пакетные сценарии и улучшения графического пользовательского интерфейса (GUI) с тех пор позволили проводить анализ с меньшим количеством пользовательских сценариев. [4]
Функции
Визуализация
Одно из первоначальных предложений AFNI улучшило подход к преобразованию сканированных изображений отдельного мозга в общее стандартизированное пространство. Поскольку мозг каждого человека уникален по размеру и форме, сравнение нескольких видов мозга требует преобразования (вращения, масштабирования и т. Д.) Индивидуального мозга в стандартную форму. К сожалению, функциональные данные МРТ на момент разработки AFNI были слишком низкого разрешения для эффективных преобразований. Вместо этого исследователи используют анатомические снимки мозга с более высоким разрешением, которые часто получают в начале сеанса визуализации.
AFNI позволяет исследователям накладывать функциональное изображение на анатомическое, предоставляя инструменты для совмещения двух изображений в одном пространстве. Процессы, задействованные для преобразования индивидуального анатомического сканирования в стандартное пространство, затем применяются также к функциональному сканированию, улучшая процесс преобразования. [5]
Еще одна функция, доступная в AFNI, - это инструмент SUMA, разработанный Зиадом Саадом. Этот инструмент позволяет пользователям проецировать 2D-данные на 3D-карту кортикальной поверхности. Таким образом, исследователи могут просматривать паттерны активации и легче принимать во внимание физические корковые особенности, такие как извилины. [6]
Предварительная обработка изображений
«afni_proc.py» - это готовый сценарий, который будет запускать данные фМРТ от одного объекта через серию этапов предварительной обработки, начиная с необработанных данных. При настройках по умолчанию выполняются следующие шаги предварительной обработки и завершается базовым регрессионным анализом: [7]
- Время среза: [8] Каждое трехмерное изображение мозга состоит из нескольких двумерных изображений, «срезов». Хотя получено примерно в одно и то же время, до нескольких секунд можно отделить первый полученный фрагмент от последнего. С помощью интерполяции срезы выравниваются по одному и тому же моменту времени. Обычно считается, что любой шум от ошибок интерполяции перевешивается улучшением сигнала. [9]
- Коррекция движения: движения головы могут создавать источники ошибок в анализе. Каждое трехмерное изображение при сканировании собирается в трехмерной сетке, где каждый маленький куб сеточного пространства, « воксель », представляет собой одно значение интенсивности изображения. В идеале воксели всегда будут представлять одну и ту же часть мозга при каждом захвате, а не изменяться от одного трехмерного изображения к другому. Чтобы исправить небольшие артефакты движения, инструмент коррекции движения AFNI использует алгоритм линейных наименьших квадратов, который пытается выровнять каждое полученное трехмерное изображение с первым изображением, полученным при сканировании. [10]
- Сглаживание: для учета случайного шума в изображении применяется сглаживающее ядро. Хотя сглаживание может увеличить отношение сигнал / шум изображения, оно снижает разрешение изображения. [11] [12]
- Маска: удаляет все области, не относящиеся к мозгу, например череп, из изображения фМРТ.
- Масштаб: масштабируйте каждый воксель так, чтобы изменения интенсивности отражали процент изменения сигнала в ходе сканирования. По умолчанию устанавливается среднее значение каждого воксела равным 100.
Смотрите также
- Портал бесплатного программного обеспечения с открытым исходным кодом
Рекомендации
- ^ «Магнетизм» . Вопросы и ответы в МРТ . Проверено 14 мая 2018 .
- ^ Кокс, Роберт В. (1996-06-01). «AFNI: Программное обеспечение для анализа и визуализации функциональных нейроизображений магнитного резонанса». Компьютеры и биомедицинские исследования . 29 (3): 162–173. CiteSeerX 10.1.1.457.6895 . DOI : 10,1006 / cbmr.1996.0014 . ISSN 0010-4809 . PMID 8812068 .
- ^ Murnane, Кевин. «Десятки тысяч исследований мозга FMRI могут быть ошибочными» . Forbes . Проверено 14 мая 2018 .
- ^ Ян, Эндрю (2012-12-28). "Блог мозга Энди: uber_subject.py AFNI" . Блог Энди Мозга . Проверено 21 мая 2018 .
- ^ Кокс, Роберт В. (1996-06-01). «AFNI: Программное обеспечение для анализа и визуализации функциональных нейроизображений магнитного резонанса». Компьютеры и биомедицинские исследования . 29 (3): 162–173. CiteSeerX 10.1.1.457.6895 . DOI : 10,1006 / cbmr.1996.0014 . ISSN 0010-4809 . PMID 8812068 .
- ^ Ян, Эндрю (26 марта 2012 г.). «Блог мозга Энди: Учебный лагерь AFNI: День 1» . Блог Энди Мозга . Проверено 14 мая 2018 .
- ^ «Программа AFNI: afni_proc.py» . afni.nimh.nih.gov . Проверено 21 мая 2018 .
- ^ «Программа AFNI: 3dTshift» . afni.nimh.nih.gov . Проверено 21 мая 2018 .
- ^ "Часто задаваемые вопросы о времени среза | mindhive" . mindhive.mit.edu . Проверено 21 мая 2018 .
- ^ «Программа AFNI: 3дволрег» . afni.nimh.nih.gov . Проверено 21 мая 2018 .
- ^ «Глава 6 - Анализ данных фМРТ» . users.fmrib.ox.ac.uk . Проверено 21 мая 2018 .
- ^ «Программа AFNI: 3dmerge» . afni.nimh.nih.gov . Проверено 21 мая 2018 .
Внешние ссылки
- Официальный веб-сайт
- NIMH Научно-статистическое вычислительное ядро