Laboratoire V: Création d’un protocole expérimental

Slides:



Advertisements
Présentations similaires
Les espaces / ateliers de la classe Des exemples d’aménagement et des exemples par niveau de classe.
Advertisements

Inter académiques Orléans 2007 Analyse d'activités pouvant donner lieu à développement dans et hors la classe. Durée : 1h30 ● Problématique ● Présentation.
TP 1 BIS Programmation structurée à l’aide de fonctions (FC) et de bloc fonctionnels (FB)
« Les vieux modèles » Julie Viel, enseignante CEA de Rivière-du-Loup Commission Scolaire de Kamouraska-Rivière-du-Loup.
Comment utiliser le débogueur de Visual Studio /8/2015 INF145 1 Créé par Julien Galarneau Allaire, révisé par Eric Thé S.E.G.
Concepts pour le contrôle de flux
Créactiv Day Atelier Modèle Economique Prénom NOM
Biométhanisation et injection de gaz naturel renouvelable
Outils de suivi des compétences
Présenté par M. Anis DIALLO
Application des lois de probabilité -Variable aléatoire discrète-
Valeurs de toutes les différences observables sous H0
Ce videoclip produit par l’Ecole Polytechnique Fédérale de Lausanne
ONEE-BE en partenariat avec le RACEE/ASAEE Formation de Formateurs
RÈGLES EXPÉRIMENTALES MONDIALES
MOT Éditeur de modèles de connaissances par objets typés
Programmation avec Scratch
Ce videoclip produit par l’Ecole Polytechnique Fédérale de Lausanne
Arrête 712 du 03 novembre 2011 (Evaluation, Progression, Orientation) Lecture pratique Prof. B. Bendoukha.
8. Mettre les paramètres du test final
Présentation générale de la réforme
Javadoc et débogueur Semaine 03 Version A16.
Pour cette découverte de S cratch !
Hasard et Probabilités, P. Thompson
Plans d’expériences: Plans factoriels
Les Plans d’expériences: Plans Factoriels
Plans d’expériences: Plans factoriels.
STRATÉGIES ET INSTRUMENTS D´ÉVALUATION
Mouvement harmonique simple
5e CH2  Le diaporama.
Comment nous faisons la science…
POTENTIEL D’AFFICHAGE ADWORDS DANS LE MONDE
CHAPITRE 1 Introduction à la gestion des affaires
Démarche de conception. Démarche didactique.
Création Et Modification De La Structure De La Base De Données
1.2 dénombrement cours 2.
Regroupement contextuel de cimes dans les images aéroportées
Rapport sur l'état d'avancement
3- Nouvelles pages d’accueil
Méthodologie scientifique
Groupe d’élaboration des normes financières et comptables
Deuxième partie LE DOSSIER TECHNIQUE DU MARINGOUIN.
LOG770 Annexe A Éléments de probabilité
Exercice : le jeu. Vous devez concevoir l’algorithme permettant de jouer avec votre calculatrice : elle détermine au hasard un nombre caché entier entre.
Prévoir, décider, influencer
Des mathématiques derrière l’intelligence artificielle
La facture électronique
Présentation des nouveaux programmes de Technologie Mai 2008
Modélisation objet avec UML
Information sur survies des patients en dialyse péritonéale, en France métropolitaine dans le RDPLF Année 2016.
Lois de Probabilité Discrètes
Lois de Probabilité Discrètes
Programme financé par l’Union européenne
Damien Givry 27/11/2018 Méthodologie Damien Givry
Présenté par M. Anis DIALLO
Bilan de projet pour [Nom du projet]
Présentation 4 : Sondage stratifié
Présentation 9 : Calcul de précision des estimateurs complexes
[Nom du projet] [Nom du présentateur]
Comment construire des vecteurs vitesse et des vecteurs accélération ?
Reconnaissance de formes: lettres/chiffres
PROGRAMMATION ET ENSEIGNEMENT
Les différents modes de démarrage de Windows
GYMNASTIQUE ARTISTIQUE FEMININE Programme Fédéral A
Laboratoire II: Le modèle linéaire général (GLM)
Le D.R.P. - Quelques jours de fonctionnement
Unité 4 – Les relations linéaires
I. Aouichak, I. Elfeki, Y. Raingeaud, J.-C. Le Bunetel
MOT Éditeur de modèles de connaissances par objets typés
La loi des signes.
Transcription de la présentation:

Laboratoire V: Création d’un protocole expérimental RAD6005 – Introduction à l’IRMf Laboratoire V: Création d’un protocole expérimental Jean-Sébastien Provost, Ph.D Centre de Recherche, Institut Universitaire de Gériatrie de Montréal & Université de Montréal 1

Objectif de recherche Étudier le phénomène spécifique associé à l’exécution d’un changement de règle dans une tâche cognitive Observer les patrons d’activités cérébrales associés à un changement de règle continu versus un changement de règle sporadique

Wisconsin Card Sorting Task

Tâche cognitive Question: Comment pourrait-on indiquer la règle au participant ?

Tâche cognitive Essai typique: 4 règles de sélection C = Couleur N = Nombre F F = Forme I Est-ce qu’il nous faut une règle “contrôle” ??? I = Identique

Construction de la tâche Série d’essais: Identifier les conditions requises Il faut se souvenir de notre question de recherche “Étudier le phénomène spécifique associé à l’exécution d’un changement de règle continu vs sporadique” Quatre conditions: Condition avec changement de règle Condition avec changement de règle sporadique Condition avec sans changement de règle (application d’une même règle) Condition “Contrôle”

Construction de la tâche Essai typique: Temps alloué à chacune des étapes de sélection Étude de bloc ou événementielle ??? Il faut se souvenir de notre question de recherche “Étudier le phénomène spécifique associé à l’exécution d’un changement de règle continu vs sporadique” Si événementielle, il faut un délai entre 2 événements = 2-4 sec minimum Présentation de la condition Présentation de l’essai Sélection de la carte Présentation de la condition Présentation de l’essai Sélection de la carte

Construction de la tâche On peut évidemment manipuler les temps de présentation Combien de temps vont durer les différentes étapes ? Rappelez-vous qu’il faut un délai entre nos événements d’intérêt Définir notre événement d’intérêt Présentation de la condition Présentation de l’essai Sélection de la carte Présentation de la condition Présentation de l’essai Sélection de la carte Évènement d’intérêt Évènement d’intérêt

Construction de la tâche On peut évidemment manipuler les temps de présentation Qu’est-ce qu’on peut manipuler ? Durée de la présentation de l’indication de la condition Délai entre entre deux essais L’idée, c’est aussi d’éviter que le participant se rende compte de quoique ce soit Présentation de la condition ( Présentation de l’essai Sélection de la carte ) Gel de l’écran pour une période déterminée Présentation de la condition + //. . . Contrôlable Variable Contrôlable Contrôlable

Construction de la tâche On peut évidemment manipuler les temps de présentation Essais typiques: Fixons les temps 2000ms sélection 1900ms 2000ms sélection 1900ms … Problème de synchronisation – il faut éviter d’acquérir nos données en étant toujours à la même place sur le signal BOLD

Construction de la tâche Problème de synchronisation – il faut éviter d’acquérir nos données en étant toujours à la même place sur le signal BOLD Essais typiques Gel de l’écran //.. Condition * 4 sec 3.5 sec 0.5 Acquisition de données TR= 2sec Signal BOLD

Construction de la tâche Problème de synchronisation – il faut éviter d’acquérir nos données en étant toujours à la même place sur le signal BOLD Deux façons potentielles de contrer le problème: Délais variables contrôlés Ex.: temps de gel de l’écran variable Délais causé par le participant Ex.: temps de sélection variable Donc, il faut désynchroniser nos acquisitions avec la tâche

Construction de la tâche Essais typiques En estimant notre temps de sélection, on peut estimer le temps total pour effectuer un essai de la tâche Très important pour construire les conditions 2000ms sélection 1900ms 2000ms sélection 1900ms … - On peut estimer le temps de sélection, au pire, à 2000ms -Donc un essai pourrait avoir une durée totale de 5900ms Temps de sélection du partipant est variable, donc nous avons notre désynchronisation nécessaire 

Construction de la tâche - Quatre conditions: Condition avec changement de règle Condition avec changement de règle sporadique Condition avec sans changement de règle (application d’une même règle) Condition “Contrôle” - On sait qu’un essai peut durer jusqu’à 5900ms Combien d’essais dans chacune des conditions Combien de fois le participant va faire chaque condition à l’intérieur d’une acquisition

Durée d’une acquisition - Quatre conditions: Condition avec changement de règle continu Condition avec changement de règle sporadique Condition avec sans changement de règle (application d’une même règle) Condition “Contrôle” - On sait qu’un essai peut durer jusqu’à 5900ms On veut 5 changements de règle dans la condition sporadique On change après 2, 3 ou 4 essais de la même règle Changement sporadique: loi de la moyenne vu qu’on code aléatoirement (3 x 3 x 3 x 3 x 3 x 1) x 5900ms = 94 sec Changement continu, sans changement et contrôle On met 12 essais 3 x 12 x 5900 = 212 sec On pourrait faire deux blocs = 10 minutes 5 minutes 3.5 minutes

Tâche cognitive … Essais typiques Quatre conditions: 1900ms 2000ms selection … Essais typiques Quatre règles de classification: C: Couleur F: Forme N: Nombre I: Identique Quatre conditions: 1- Changement continu 2- Sans changement Ex.: C-S-C-N-S-N-C-N-S-C-S-N Ex.: N-N-N-N-N-N-N-N-N-N-N-N 3- Changement sporadique 4- Condition contrôle Ex.: C-C-N-N-N-N-S-S-C-C-N-N-N-N-C Ex.: I-I-I-I-I-I-I-I-I-I-I-I changement Sans changement

Durée d’une acquisition Deux blocs nous donnent au moins 10 changements sporadiques pour une acquistion : c’est pas si pire !!! Il faut toujours s’assurer que notre acquisition soit assez longue afin d’être sûr de pouvoir acquérir ce que nous voulons Dans le cas présent, si nous prévoyons que la tâche prendra 10 minutes, combien doit-on prévoir de temps pour l’acquisition totale ??? C’est un peu comme jouer à la roulette russe, mais on peut penser que 10.5 minutes sera suffisant De plus, il faut penser aux participants !!! 10.5 minutes, c’est long Surtout s’il y a quatre acquisitions !!!

Durée d’une acquisition Donc, il faut considérer: - La durée d’un essai - La durée de nos conditions - Le nombre d’essais qu’on veut - Le nombre d’acquisitions - Le fait qu’on travaille avec un participant humain !!!

Paramètres d’acquisition Comment les choisir ??? Acquisition de l’anatomique (T1) On veut une excellente résolution Taille du voxel & pixel - Taille du voxel: 1mm3 - Taile du pixel (matrice de résolution) : 256 x 256 Pour l’anatomique, on acquiert toujours qu’un seul volume, mais à haute résolution Ceci joue sur le temps d’acquisition

Paramètres d’acquisition Comment les choisir ??? Acquisition des fonctionnels (T2*) Matrice de résolution n’a pas besoin d’être si précise La taille du voxel dépend de notre région d’intérêt Taille du pixel (matrice de résolution): 64 x 64 Taille du voxel 3.5mm3 Nombre de volumes: Dépend du TR

Paramètres d’acquisition Acquisition des fonctionnels: le TR et le TE Pour favoriser T1, il faut avoir un TR court et un TE court Pour un T2*, il faut un TR long et un TE long Court Long TR (ms) 3500 100 800 2000 Court Long TE (ms) 20 30 100 - Court TR & court TE favorisent T1 - Long TR & long TE favorisent T2*

Paramètres d’acquisition Donc, pour l’acquisition fonctionnelle: Matrice de résolution: 64 x 64 Taille d’un voxel: 3.5 x 3.5 x 3.5mm Temps total d’acquisition: 10m30sec Temps de répétition (TR): 2.5sec Temps d’echo (TE): 30ms Nombre de volumes: ??? Nombre de volumes: 252 Vous êtes de vrais champions !!! BRAVO,

Analyse des données Prétraitement Correction du mouvement: Lissage spatial: Modèle général linéaire Fixer les contrastes d’intérêts Analyse intra-sujet Normalisation Analyse inter-sujet

Analyse des données Quatre conditions: Condition avec changement de règle Condition avec changement de règle sporadique Condition avec sans changement de règle (application d’une même règle) Condition “Contrôle” Quels contrastes seraient-ils intéressant de voir ??? Choisir deux contrastes et justifiez !

Bonne chance à votre examen !!! RAD-6005 Introduction à l’IRMf C’était l’édition 2013 des laboratoires du cours RAD-6005 – Introduction à l’IRMf Bonne chance à votre examen !!! - De votre professeur  - Jean-Sébastien Provost