La VBM, aspects pratiques. Soft :FSL/ Free/ FSL –Free : segmente, notion de mesure? –FSL : pas de substance blanche disponible –SPM 2 / 5.

Présentation au sujet: "La VBM, aspects pratiques. Soft :FSL/ Free/ FSL –Free : segmente, notion de mesure? –FSL : pas de substance blanche disponible –SPM 2 / 5."— Transcription de la présentation:

1 La VBM, aspects pratiques

2 Soft :FSL/ Free/ FSL –Free : segmente, notion de mesure? –FSL : pas de substance blanche disponible –SPM 2 / 5

3 SPM2 vs SPM5 Template : –la normalisation spatiale (basée sur les différences d’intensité ) dans les versions antérieures de SPM5 nécessitait un template similaire aux images (contraste identique ). –SPM5 : la normalisation différe et n’est pas en relation avec une simple notion d’intensité entre deux images (mais repose sur des cartes de probabilités tissulaires: le voxel d’interet est classé selon sa probabilité d’appartenir à une classe tissulaire). Le template de SPM5 est nettement préférable à son propre template fait sur 20 sujets. Segmentation LCS SPM5 : –manuelle –versions tool box 5 et 5.1

4 C’est eux qui le disent Unified Segmentation in SPM5 Preliminaries (EDITORS: add stuff about DICOM import?) - Vérifier que les images soient correctement alignées sur le template Segmentation Clicking the Segment button will bring up a page of options; you must select your files (under Data), and you will probably want to change the Output Files options. Unless you have reason to do otherwise (these notes are meant for beginners!) select modulated normalised for the tissues that you are interested in, don't save bias corrected, and Leave all the Custom options as they are. You can now save the job (as a.mat file) if you want, and/or click Run to segment the images. As a very rough estimate, allow 30 minutes per image.

5

6

7

8

9 SPM5 Surestimation du LCS : +++

10

11 SPM2 681.011 363.792 308.997

12 SPM8

13 Erreur de segmentation

14 Version toolbox : VBM 5

15 Version toolbox : même sujet VBM 5.1!!!

16 Erreur de segmentation

17 Modifier la gaussian per class

18 Marche pas tout le temps

19

20 Faire un mixte

21 lissage Smooth : 8 to 12 mm Non modulée Modulée : m ou m0

22

23

24 Statistique Absolute threshold : 0.05 joue sur la taille du mask (défaut 100!)

25 M0 ancova yes Comparaison modulée m et m0…..seuil stat +++++ PS: ancova yes

26 Même chose ancova no

27

28 Proportional scaling : converti les volumes en valeurs qui sont proportionnelles à total brain/ SG ( permet de dire que la région autour d’un point contient 3% de la SG totale ) –Utiliser la proportional scaling avec la SG totale : montre les régions dans lesquelles il existe une variation disproportionnée plus grande ou plus petite dans la SG totale. Par exemple, une structure peut représenter normalement 2% de la SG totale, mais chez les patients représenter 1.5%

29 Les hommes ont une plus grosse tête que les femmes et on veut faire une analyse de la taille du nez : il apparait que les hommes ont un plus gros nez. On voudrait savoir si la taille du nez reste significative si la taille de la boite crânienne est prise en compte Modéliser la taille de la boite crânienne comme covariable, redimensionner le nez de telle façon qu’il devienne proportionnel à la boite crânienne (ie : mesure du nez sous forme d’un % age du volume crânien).

30 ANCOVA : Localiser les régions dans lesquelle le volume de SG differe du volume de SG total

31 No global et images modulées : Montre les régions dans lesquelles il existe une différence de volume absolu de SG Utiliser la SG totale comme facteur confondant montrera les régions présentant une différence absolue qui ne peuvent etre expliquées par les différence de SG totale

32 On peut inclure des effets de non intéret ( ie ANCOVA correction for some global measure) : permet de localiser les différences ne pouvant pas être expliquées par les variables de non intéret The choice of model is up to the investigator, and it really does depend what you want to test. I would really rather not be give any firm recommendations. When a VBM experiment is written up, the model should be accurately described. Different models will give different results, which may appear to conflict with each other.