Mise en œuvre des analyses et applications Mathieu Desrosiers, B.Ing Administrateur Système Unité de Neuroimagerie Fonctionnelle, Centre de Recherche, IUGM

A qui s’adresse cette présentation Aux chercheurs/étudiants qui veulent effectuer une analyse IRMf de groupe Et qui souhaite automatiser les traitements pour leurs analyses

La réalité sur les traitements en IRMf Nécessite énormément d'efforts logistiques en l’absence d’automatisation Il faut extirper le maximum d’informations à partir des données Une approche souvent utilisée est celle du « DATA DRIVEN », analyse large Procédure complexe, laborieuse et redondante

La réalité sur les traitements en iRMF Les outils actuels sont souvent mal adaptés à la réalité des études de groupe de grande envergure Les paramètres initialement choisis sont rarement optimaux Et puisque …

Il vous faudra une bonne méthodologie et un bon outil pour réussir vos analyses en IRMf

Une partie de la solution… Écrire (ou utiliser) un logiciel qui permet d’automatiser certaines chaînes de traitement lors de la conduite d’une analyse IRMf, pour plusieurs sujets à l’aide d’outils de traitements

Caractéristiques d’un bon outil Robuste Facilement réutilisable (possibilité de modifier facilement un des paramètre de l’analyse) Incrémentiel (on ne doit pas tout recommencer chaque fois que nous ajoutons un sujet additionnel) Très flexible (Tirer profit des forces des logiciels courants sans pour autant être limité par leurs inconvénients) Il doit laisser beaucoup de traces lors des étapes intermédiaires Il doit permettre la sauvegarde des algorithmes utilisés L’enchaînement des différentes étapes de l’analyse doit être rapide Il doit utiliser les ressources de façon optimal Les résultats doivent être reproductibles pour être crédibles auprès de la communauté scientifique

uperscript version beta Ma Solution uperscript version beta

Le superscript Permet d’abolir la redondance des traitements, s’assure de l’intégrité des outils et de l’environnement, conserve une trace des différentes étapes effectuées lors des différents traitements, valide la structure du jeux de données initiales, prend en charge le nom des fichiers et des répertoires, gère plusieurs exceptions additionnelles.

Exemple d’une analyse à l’aide du script 1 groupe de 15 sujets 4 runs, 5 conditions (4 expérimentales + 1 référence) pour chaque sujet Choisis 6 contrast à évaluer

Mais d’abord, il faut préparer les fichiers avant le traitement.

Préparation des données Commencer par spécifier les contrastes Fichier texte portant le nom « MyContrast.contrast », Définir les contrastes 1 par ligne, Insérer le fichier dans le répertoire script, Un fichier additionnel appelé « ContrastName » peut être ajouté. MyContrast.contrast Spécifier les contrastes à calculer lors de la modélisation MyContrast.contrast rep racine script Model.txt (Optionnel) ContrastName ContrastName (Optionnel) Fichier optionnel, utilisé pour renommer les cartes statistiques

Préparation des données Préparer le modèle pour chacun des runs Dans un fichier texte d’extension (.txt) et portant le nom du run, 4 colonnes séparées par des tabulations (# de la condition, temps , durée, poids) une ligne par événement, les temps sont spécifiés en seconde avec 3 décimales (séparées par un point). Numéro de la condition Moment (sec) Durée (sec) Le poids attribué a la condition Les valeurs sont séparées par des tabulations

Préparation des données Préparer ensuite les sujets L’image anatomique du sujet Modèle lié au « run » « run » fmri … root suj01 anat.mnc run1.mnc run1.txt run2.mnc run2.txt runN.mnc runN.txt … suj02 anat.mnc run1.mnc run1.txt run2.mnc run2.txt runN.mnc runN.txt … … sujN anat.mnc run1.mnc run1.txt run2.mnc run2.txt runN.mnc runN.txt parametre script MyContrast.contrast ContrastName (Optionnel) Model.txt (Optionnel)

Préparation des données Exemple N.B. le supercript est intransigeant avec le nom des répertoires et des fichiers.

Préparation des données Options avancées Vous pouvez (pour un run donné) ajouter un fichier constast et/ou d’exclusion (fichier texte portant le nom d’extension (.contrast ou .exclude) run1.contrast Redéfinition des contrasts à calculer pour le run 1 du sujet 02 anat.mnc N.B. les étapes suivantes pourraient ne plus être dans un état cohérent run1.mnc run1.txt run1.exclude run1.contrast suj02 run1.exclude run2.mnc run2.txt Les volumes 1 2 3 9 du suj02 pour la run 1 seront exclus … runN.exclude Les volumes 1 2 12 55 65 du suj02 pour la run N seront exclus runN.mnc runN.txt runN.exclude

Modifier le fichier des paramètres pour vos besoins Préparation des données Modifier le fichier des paramètres pour vos besoins Fichier paramètre script parametre

Les 6 étapes du pipeline … Suj01 SujNN 1 - prétraitement 3 - recalage 4 - moyennage intra-sujets 5 - moyennage des sujets ou analyse de groupe 2 - modélisation 6 - Sommaire des activations d’intérêts et seuillage contrast1 contrast1 Std Ef T F ef std fwhm … Run1.mnc … contrastN contrastN Suj01 contrast1 T F ef std fwhm Std Ef … Std Ef … Run1-MC_MC.mnc contrast1 contrast1 contrast1 … Contrast 1 Carte T T F ef std fwhm Std Ef RunN.mnc … … contrastN Std Ef contrastN contrastN T F ef std fwhm Std Ef … … RunN-MC_MC.mnc Contrast N Carte T contrastN contrast1 contrast1 T F ef std Std Ef Run1.mnc … … contrastN contrast1 SujNN contrastN Std Ef … T F ef std fwhm Std Ef … Run1-MC_MC.mnc RunN.mnc contrast1 contrast1 … T F ef std fwhm Std Ef … contrastN … Std Ef contrastN contrastN RunN-MC_MC.mnc T F ef std fwhm Std Ef …

Le superscript Pour voir les options disponibles: # superscript -help Pour effectuer les 6 étapes du pipeline: #/opt/share/bin/superscript -all repRacine Pour voir les options disponibles: # superscript -help Usage: executer [<option>] <repRacine> Specifiez une option puis le repertoire racine de l'etude Les options etant: Execution en chaine -all effectue tous les etapes du pipeline -modelisation commence a partir de la modelisation -recalage commence a partir du recalage des images -avgIntra commence a partir du moyennage intra-sujet -avgInter commence a partir du moyennage inter-sujet -groupe effectue une analyze de groupe Nettoyage des etapes -cleanall reinitialise a letat initiale -cleanstat conserve le preprocessing -cleankeepmodeling conserve le processing ainsi que la modelisation Execution unique -preprocess effectue le preprocessing -pca genere les cartes PCA -modeling effectue la modelisation -tal effectue le recalage -avgSujs effectue le moyennage intra-sujet -avgAll effectue le moyennage inter-sujet -groupStep effectue l'analyse de groupe -sommaire n'effectue que le sommaire des activations

Étapes du superscript Crée l’arborescence des répertoires, valide la structure. Puis … effectue le prétraitement, modélise les signaux (fmrilm), plonge les volumes (MRI et fmri) dans un repère commun, effectue un moyennage intra-sujet, effectue le moyennage inter-sujet, effectue un sommaire des activations.

Structure de l’étude root superscript s’occupe de créer et de gérer la structure de l’analyse resultat_t script multi stat suj01 analyse summary suj02 … data sujN root script suj01 raw stat suj02 … sujN script 1- créer un répertoire raw dans le répertoire racine, 2- créer un répertoire analyse dans le répertoire racine, 3- sous le répertoire analyse, créer un répertoire multi ainsi que les sous répertoires script, stat, résultat et summary, 4- pour chaque sujets, créé un répertoire sujN, 5- pour chaque répertoire sujN, créé un sous répertoire data,script et stat.

1 - prétraitement SujN … … Run1.mnc Run1-MC_MC.mnc Run2.mnc RunN-MC_MC.mnc RunN.mnc

1 - prétraitement génère les cartes PCA (optionnel), Le superscript … génère les cartes PCA (optionnel), applique une correction du mouvement sur les runs, effectue un lissage spatial.

Génération des cartes PCA prétraitement Génération des cartes PCA Peuvent révéler des défauts dans le signal, permet de voir la drift temporelle dans certains cas 1: exclure les premier volumes Composante temporelle(sd, % variance expliquée) 1 0.68, 46.9% 2: dérive temporelle 2 0.29, 8.6% composante 3 0.17, 2.9% 4 0.15, 2.4% 20 40 60 80 100 120 (No volume) 3:Convertir le signal en pourcentage Composante spatial 1 1 0.5 2 composante 3 -0.5 4 -1 2 4 6 8 10 12 4:Est-ce du signal? Slice (0 based) Diapositive empruntée à Keith Worsley

Génération des cartes PCA prétraitement Génération des cartes PCA exemple de script crées La version du logiciel utilisé run1_pca.m s’applique aux runs prétraités le paramètre nbComponent changera le nombre de composantes du signal à conserver (défaut = 6 composantes), le paramètre colormap changera la couleur affichée (défaut = spectral).

Correction du mouvement prétraitement Correction du mouvement Lance 3Dvolreg via l’outil Mincalign (développé par Rick Hoge 2002), génère l’historique des commandes dans le fichier preprocess.txt il faut spécifier le volume de référence sur lequel le réalignement sera appliqué. mouvement de translation mouvement de rotation le paramètre target modifiera le volume de référence lors du réalignement (défaut = 3e volumes de la run).

prétraitement Juste un mot sur la correction intra sujet (déconseiller) Il faut spécifier un volume d’un «run» de référence, le script réaligne tous les volumes sur ce volume. Avantage: permet de moyenner les cartes statistiques intra-sujet avant le recalage (tel que SPM). Standard Intra Sujet inscrire « YES » pour le paramètre realignementIntraSujet (défaut = NO).

Lissage Spatial prétraitement après avant Effectué avec l’outil fmr_preprocess et mincblur, effectue une convolution sur les images, il faut spécifier la largeur du noyau Gaussien (généralement entre 6mm et 8mm). après avant Données brutes Données lissées (6 mm) le paramètre fwhm modifiera la largeur du noyau Gaussien (défaut = 6mm).

prétraitement Récapitulation des paramètres Pour le prétraitement, spécifier les variables suivantes: volume de référence pour le réalignement target = "3" fwhm = "6" realignementIntraSujet = "NO" nbComponent = "6" colormap = "spectral" La largeur du noyau à utiliser pour le lissage Option avancée Le nombre de composantes à conserver pour les cartes PCA (défaut = 6) couleur des cartes PCA

Sommaire des commandes prétraitement Les scripts sont sauvegardés dans le répertoire Sommaire des commandes Scripts PCA

prétraitement Les résultats sont générés dans le répertoire Cartes PCA Run réaligné Valeurs de la correction Graphiques du déplacement

2 - modélisation Run1-MC_MC.mnc SujN Run2-MC_MC.mnc … … RunN-MC_MC.mnc

2 - modélisation Spécifie le modèle linéaire avec (fmridesign) Le superscript … Spécifie le modèle linéaire avec (fmridesign) Évalue ce modèle avec (fmrilm)

modélisation - Spécification du modèle les paramètres à spécifier (1/2) 1) Il faut définir la forme de la hrf adaptée au protocole Hrf (défaut) Gamma hrf = "5.4 5.2 10.8 7.35 0.35 0 " hrf = "5.4 5.2 10.8 7.35 0 0" nombre de dérive temporel (0,1 ou 2 ) forme de la fonction 2) Spécifier si les fichiers modèles sont présentés de façon événementiel (recommandé) ou par présentation de stimuli modelType = "events" Attention: le nombre de volume, le temps d’acquisition d’un volume (tr) et le nombre de slices dans un volume sont déterminés pour chaque run, par contre le délai dans le TR ainsi que l’ordre d’acquisition s’applique à toute l’étude (voir Les variables spécifiques).

modélisation - Spécification du modèle les paramètres à spécifier (2/2) 3) Spécifier le délai du temps de réponse delayintr = "0" 4) Spécifier l’ordre d’acquisition des slices sliceOrder = "descending" ou sliceOrder = "ascending » ou sliceOrder = "interleaved" N.B. Il est possible de surcharger certains paramètres si un « run » présente des particularités Surcharge du paramètre sliceOrder specificSliceOrder = ["suj01:interleaved",  "suj08:run3:acending"] Surcharge du paramètre delayintr specificdelayintr = ["suj06:run2:5",  "suj02:run1:6.5", "suj02:run4:8 "]

modélisation - Spécification du modèle résultat Le modèle est ensuite construit avec l’outil fmridesign puis directement soumis à l’évaluation. exemple de script crée run1.m

modélisation - Évaluer le design les paramètres à spécifier(1/2) 1) les contrastes à évaluer sont dans le fichier MyContrast.contrast 2) spécifier les volumes à exclure lors de la modélisation, exclude = " 1 2 " Les volumes 1 et 2 de chaque runs seront ignorés (sauf si fichier .exclude) 3) choisir la nature des cartes statistiques à produire. which_stats = ["['_mag_t _mag_sd _mag_ef _mag_F _cor _fwhm']"] _mag_t statistique T _mag_ef effet (Beta) _mag_sd déviation standard _mag_F F-statistic _cor Autocorrellation temporal _fwhm Effective FWHM in mm of the whitened residuals

modélisation - Évaluer le design les paramètres à spécifier(2/2) 4) Spécifier la quantité de lissage sur les résidus autocorrélés, fwhm_cor = " " (défaut: vide, attribution fmrilm). 5) Spécifier la variable ntrends (série de trois chiffres). ntrends = "3 1 1" Nombre de splines cubique à retirer temporellement dans 6 minutes de scans (Généralement 1 par 3 minutes) Conversion des valeurs de chaque voxel du cerveau en pourcentage (0 = pas de conversion) « Spatial trend »

modélisation - Évaluer le design Exemple de script run1.m

Degrés de liberté recueillie modélisation - Évaluer le design Les résultats sont générés dans le répertoire Degrés de liberté recueillie Instructions sauvegardé Cartes statistiques

3- Recalage (Passage des cartes statistiques à un repère commun) Cerveau non traité Cerveau recalé Repère commun (en gris) Cerveau du sujet (en bleu)

3-Recalage les paramètres à spécifier Spécifier le template à utiliser pour caluler la transformation model =   icbm_avg_152_t1_tal_lin" Spécifier le modèle pour le resampling des images IRMf resamplingStat ="icbm_template_2.00mm.mnc" Spécifier un modèle haute résolution pour le resampling des images IRM resamplingStat = »icbm_template_2.00mm.mnc" Spécifier un masque pour enlever les zones sans intérêt (optionnel) mask = "icbm_avg_152_t1_tal_lin_mask.mnc" N.B. Les différents modèles de template sont affichés dans le répertoire "/opt/share/mni/share/mni_autoreg"

3-Recalage les principes Le superscript va … Calculer la transformation (mritotal) qu’il faut appliquer à l’image anatomique du sujet pour qu’elle se retrouve dans l’espace commun choisi, appliquer cette transformation (mincresample) à l’image anatomique du sujet, appliquer cette transformation (resample_tal) aux cartes statistiques intra-sujet. exemple de fichier transform.xfm: Linear_Transform = 1.18338227272034 0.0362035296857357 -0.0470348782837391 2.6443567276001 -0.0281995236873627 1.06619715690613 0.111178889870644 -60.5600776672363 0.0494740977883339 -0.118942677974701 1.15320003032684 13.2814521789551;

3-Recalage Les résultats sont générés dans les répertoires L’image anatomique L’historique des commandes Les valeurs de la transformation linéaire Les cartes statistiques (extension _tal à la fin du fichier) …

4- Moyennage intra-sujet Intra-sujets SujN Ru01 Run2 … RunN

4-Moyennage intra-sujet (Les paramètres à spécifier) subject_which_stats= ["['_mag_t _mag_sd _mag_ef _mag_F _cor _fwhm']"] fwhm_data =    " "   contrast_avg_subj = "[1] "   fwhm_variatio= "-100" Lissage sur les ratios (laisser vide = calculé ou lu par défaut dans les cartes soumises en paramètre) Contraste à calculer [1 0 0 0 …] « moyennage » seulement supporté pour le moment 0 = Pure Random Effect, Inf = Pure Fixed Effect si la valeur est négative, forcer le nombre de degrés de liberté en sortie à être égale à cette valeur

4-Moyennage intra-sujet (Exemple de script) Suj01_con01.m

4-Moyennage intra-sujet Les résultats sont générés dans les répertoires

5- Moyennage inter-sujet Inter-sujets Suj01 Suj02 … SujN

5-Moyennage inter-sujet Ce qu’il faut spécifier multi_which_stats= ["['_mag_t _mag_sd _mag_ef _mag_F _cor _fwhm']"] input_files_fwhm=    " "   contrast_multi= "[1] "   multi_fwhm_variatio= "-100" Lissage sur les ratios laisser vide (lu par défaut dans les cartes soumises en paramètre) Contraste à calculer si différent de [1 0 0 …] voir analyse de groupe 0 = Pure Random Effect, Inf = Pure Fixed Effect Si la valeur est négative, forcer le nombre de degrés de liberté en sortie a être égale a cette valeur

5-Moyennage inter-sujet Exemple de script Avg05_con1.m

5-Moyennage inter-sujet Les résultats sont générés dans les répertoires

5 - Analyse de groupe Préparation des données créer des sous répertoires nommé groupN dans le répertoire analyse pour chaque groupe de votre étude, glisser les répertoires sujN du répertoire analyse dans le groupe respectif d’appartenance, spécifier les contrastes « group_contrast ». ex. group_contrast = "1 -1 0; 0 -1 1"

5-Analyse de groupe exemple

6- Sommaire des activations, seuillage à l’aide de l’outil stat_summary Le superscipt … Détermine le seuil et la valeur de P (stat_threshold)(obsolète), fait le sommaire des valeurs des cartes T (stat_summary), convertit les coordonnées des sommets significatifs dans le repère talaïrach, soumet ces sommets dans le talaïrach daemon.

6-Sommaire des T (stat_summary) Méthode Keith (préférable) stat_summary(Carte_t, FichierFwhm, [], [roimask]) Soumet les cartes fwhm inter-sujet dans la commande stat_summary, il est possible de spécifier un mask pour une région d’intérêt. roimask = "roi_mask.mnc"   Attention, il faut ajuster le convertisseur de coordonnées MNI en fonction du template utilisé: pour ICBM: mni2tal = "/usr/local/mni/mni2tal/icbm_other2tal.m" pour MNI305: mni2tal = "/usr/local/mni/mni2tal/mni2tal.m"

6-Sommaire des valeurs des cartes T Les résultats sont générés dans les répertoires

6-Sommaire des valeurs des cartes T un exemple typique de sommaire Fichier Contrast_summary.txt Description des clusters Le nom du contrast évalué Probabilité que l’observation soit un faux positif Les voxels significatifs Aire associée au sommet Valeur T du sommet Coordonnées du sommet dans le repère MNI Coordonnées du sommet dans le repère Talairach Cluster d’appartenance N.B. Soyez toujours critique par rapports aux résultats obtenus

6-Sommaire des valeurs des cartes T De plus, une belle image 3D pour chaque contraste est généré dans le répertoire summary (utile ????) Image avg14_con01_cluster.txt

6-Sommaire des valeurs des cartes T Lorsque les cartes fwhm ne sont pas généré (Méthode Monchi) Il faut spécifier manuellement un certain nombre de paramètres dans stat_summary stat_summary( Carte_t, fwhm_summary , df, [roimask],Treshold) fwhm_summary = df = treshold = non corrigé

Étapes additionnelles Moyennage des Images Anatomiques Mincaverage est utilisé pour produire un cerveau moyenné de l’ensemble des sujets Moyenne de 14 sujets

Étapes additionnelles Maskage des Cartes T (optionnelle) Si un mask a été spécifié, les cartes statistiques seront masquées (ainsi que l’anatomique) et renommées « _mask.mnc » Non masqué masqué

Étapes additionnelles Renommer les contrastes (optionnelle) Si un fichier du nom de ContrastName existe dans le répertoire « script » alors les cartes statistiques seront renommées.

Visualisation des résultats vérifier toujours les scripts générés et vos traitements intermédiaires. Neurolens Register http://www.neurolens.org http://www2.bic.mni.mcgill.ca

Récapitulatif Ce script est robuste Les résultats sont reproductibles Le script a de la crédibilité puisqu’il n’utilise que des algorithmes acceptés par la communauté scientifique Facilement réutilisable Très flexible L’outil laisse des traces des versions employées et des étapes intermédiaires Il est incrémentiel (j’ajoute les sujets à mesure qu’ils sont disponibles) L’analyse est complètement automatisée!

Finalement Pensez toujours à valider vos résultats avec l’aide d’un outil concurrent

Claude Lepage, (MNI, Mc Gill) Remerciements Claude Lepage, (MNI, Mc Gill)