التحليل التلوي لدراسات التصوير العصبي المستندة إلى Voxel باستخدام رسم الخرائط d القائم علي البذور مع الطفرة في الصور الموضوعة (المبادرة)

Summary

نحن بالتفصيل كيفيه اجراء تحليل تلوي للدراسات التصوير العصبي المستندة إلى voxel باستخدام البذور القائمة علي رسم الخرائط d مع الطفرة من الصور الموضوع (الصورة).

Abstract

معظم الطرق لاجراء التحليل التلوي للدراسات التصوير العصبي المستندة إلى voxel لا تقييم ما إذا كانت الآثار ليست فارغه ، ولكن ما إذا كان هناك تقارب من قمم الاهميه الاحصائيه ، والحد من تقييم الادله إلى تصنيف ثنائي استنادا حصرا إلى القيم p (اي ان القيمة الاحصائيه لا يمكن ان تكون الا "ذات دلاله احصائيه" أو "غير ذات دلاله احصائيه"). هنا ، ونحن بالتفصيل كيفيه اجراء التحليل التلوي باستخدام القائمة علي البذور d الرسم مع الطفرة من الصور الموضوع (-المبادرة) ، وهو أسلوب جديد يستخدم اختبار الانحراف القياسية لتقييم ما إذا كانت الآثار ليست فارغه. ونعرض أيضا كيفيه تقدير قوه الادله وفقا لمجموعه من المعايير التي تراعي مجموعه من مستويات الاهميه الاحصائيه (من أكثر ليبرالية إلى أكثر تحفظا) ، وكميه البيانات أو الكشف عن التحيزات المحتملة (مثل تاثير الدراسة الصغيرة وزيادة الاهميه). لتجسيد هذا الاجراء ، ونحن بالتفصيل التوصيل من التحليل التلوي للدراسات فوكسيل القائم علي التحوير في اضطراب الوسواس القهري ، ونحن نقدم جميع البيانات المستخرجة بالفعل من المخطوطات للسماح للقارئ لتكرار التحليل التلوي سهوله. ويمكن أيضا ان تستخدم هذه المبادرة للتحليلات الفوقية للتصوير بالرنين المغناطيسي الوظيفي ، والتصوير الإشعاعي للنشر ، والاشعه المقطعية للانبعاثات ، والدراسات السطحية لقياس التحوير.

Introduction

منذ إدخال التصوير بالرنين المغناطيسي ، نشرت مجتمع التصوير العصبي آلاف من الدراسات لركائز العصبية من الوظائف النفسانية والاضطرابات العصبية العقلية. لتلخيص هذه النتائج ، تم تطوير عده طرق^{1،2،3،4،5،6}. الأصلي voxel القائم علي دراسات التصوير العصبي تقرير إحداثيات قمم الاهميه الاحصائيه (علي سبيل المثال ، في مقارنه بين حجم المادة الرمادية بين المرضي والضوابط) ، وأساليب التحليل التلوي عاده تقييم ما إذا كان هناك تقارب القمم في مناطق معينه من الدماغ.

ومع ذلك ، فقد أظهرنا سابقا ان هذه الاختبارات لتقارب القمم تعتمد علي افتراضات دقيقه قد تؤثر علي أنماط نتائج التحليل التلوي ودلالتها الاحصائيه⁷. وعلي وجه التحديد ، تفترض هذه الاختبارات ان voxels مستقله وان لديهم نفس احتمال الذروة "false" ، بينما في المسالة الرمادية الحقيقية ، وربط voxels مع جيرانهم واحتمال ان فوكسل لديه ذروه "كاذبه" يعتمد علي تكوين الانسجه. الاضافه إلى ذلك ، فانها تشمل أيضا مفارقات مثل ان الطاقة الاحصائيه يزيد في وجود عدد قليل من الآثار الحقيقية ، ويقلل عندما يكون هناك اثار حقيقية متعددة.

للتغلب علي هذه المشاكل ، قمنا بتطوير طريقه التي تنسب خرائط الدماغ من الآثار الاحصائيه لكل دراسة ومن ثم اجراء التحليل التلوي القياسية الآثار العشوائية لاختبار رسميا ما إذا كانت الآثار تختلف عن الصفر. وتسمي هذه الطريقة "رسم الخرائط d القائم علي البذور مع الطفرة من الصور الموضوع" (القاعدة)⁸ والسمات الرئيسية لها ما يلي:

• (ج) المحاسبة المتعلقة بكل من الزيادات والنقصان في حصيلة الفائدة (مثل التنشيط والتعطيل) بحيث تلغي النتائج المتناقضة كل منها⁴الأخرى ؛
• استخدام تقديرات حجم التاثير مع نمذجة الآثار العشوائية ، مما يزيد من الموثوقيه والأداء⁹؛
• التضمين المتزامن المحتمل للصور الاحصائيه ثلاثية الابعاد المتاحة (اي خرائط لقيم الاختبارات التائية)¹⁰؛
• اختبارات الطفرة المستندة إلى الموضوع مطابقه للاختبارات FSL "العشوائية" أداه¹¹;
• استخدام إحصاءات تحسين المجموعات الخالية من العتبات¹².

وقد قمنا بالتفصيل والتحقق الكامل من الأساليب التي تم اتباعها في أماكن أخرى^{4،8،10،13،14}.

الاضافه إلى ذلك ، فاننا نقترح عدم الاعتماد علي تصنيف ثنائي لل voxels استنادا إلى مستوي الاهميه الاحصائيه (مهم مقابل لا يستهان به) ولكن ، علي العكس من ذلك ، تقييم قوه الادله باستخدام مجموعه من المعايير²². ويؤدي اختزال الدلالة الاحصائيه الثنائية إلى ضعف السيطرة علي المعدلات السالبة الايجابيه والزائفة¹⁵، في حين ان المعايير تستخدم نطاقات من مستويات الدلالة الاحصائيه وتاخذ في الاعتبار كميه البيانات أو التحيزات المحتملة. والبرنامج المذكور يعيد العناصر اللازمة لاجراء هذا التصنيف⁸ ، التالي يمكن استخدامها لتوفير تصنيف أكثر دقه لقوه الادله.

هنا نعرض كيفيه اجراء تحليل تلوي للدراسات التصويرية العصبية المستندة إلى voxel باستخدام المبادرة. لتجسيد البروتوكول ، ونحن نستخدم البيانات من التحليل التلوي المنشورة من الدراسات التي تستند إلى فوكسيل التحوير التي حققت تشوات المادة الرمادية في المرضي الذين يعانون من اضطراب الوسواس القهري (الوسواس)⁴. ومع ذلك ، فاننا لن نستخدم الأساليب المستخدمة في هذا التحليل التلوي المبكر ، ولكن الإجراءات الحديثة المذكورة أعلاه. يمكن للقارئ تحميل البرنامج وهذه البيانات من موقعنا علي الإنترنت (http://www.sdmproject.com/) لتكرار التحليل.

يمكن لجميع الباحثين الذين يهدفون إلى اجراء تحليل تلوي للدراسات التصويرية العصبية المستندة إلى voxel اتباع هذا البروتوكول. ويمكن استخدام هذه الطريقة مع التصوير بالرنين المغناطيسي وظيفية (fmri ، علي سبيل المثال ، استجابه جريئه إلى التحفيز)¹⁶، فوكسيل القائم علي التحوير (vbm ، علي سبيل المثال ، حجم المادة الرمادية)¹⁷، التصوير موتر الانتشار (dti ، علي سبيل المثال ، تباين التباين)¹⁸، الاشعه المقطعية موقف الانبعاثات (PET ، علي سبيل المثال ، وشغل مستقبلات)¹⁹

Protocol

1-تركيب المبادرة

1. الذهاب إلى https://www.sdmproject.com/software/ لتحميل إصدار من النظام التشغيلي للنظام من الكمبيوتر كملف ZIP.
2. ضغط الملف ZIP. لتجنب المشاكل ، فك ضغطها داخل مجلد محلي بدون مسافات فارغه في المسار الخاص به.
3. انقر فوق الملف Sdmpsigui لتنفيذ واجهه رسوميه من المبادرة ، وإغلاق النافذة حول البداية التي سوف تفتح تلقائيا.
4. إذا لم يعثر Sdmpsigui علي كافة المسارات المطلوبة ، فانه سيعرض تلقائيا لعرض نافذه التفضيلات. اضغط علي نعم.
   1. إذا لم يتم تثبيت MRICron في الكمبيوتر انتقل إلى https://www.nitrc.org/frs/?group_id=152 لتحميل الإصدار لنظام التشغيل من الكمبيوتر كملف zip ، وإلغاء ضغط الملف zip.
   2. في علامة التبويب عارض الدماغ من نافذه التفضيلات ، تاكد من تعيين عارض الدماغ إلى mricron، وانقر فوق أيقونه المجلد بجانب الملف القابل للتنفيذ الخاص بعارض الدماغ للعثور علي mricron القابل للتنفيذ.
   3. تاكد من ان كافة المسارات المتبقية في علامات التبويب المختلفة لها علامات زرقاء ، والتي تشير إلى ان المسارات صحيحه.
5. في حاله ان SdmPsiGui لم تلقائيا عرض نافذه التفضيلات ، انتقل إلى القائمة أدوات وانقر فوق تفضيلات.
6. في علامة التبويب متعددة الخيوط ، حدد عدد مؤشرات الترابط المتزامنة لاستخدامها في الحسابات. تستغرق بعض حسابات المبادرة المتوسطة الحجم وقتا طويلا جدا (من ساعات إلى أيام) وتستهلك كميه كبيره من ذاكره RAM (من مئات الميغابايت إلى غيغابايت). استخدام مؤشرات ترابط متعددة (المعالجة المتوازية) يقلل كثيرا من الوقت ولكن يزيد من الذاكرة المستخدمة.
7. اغلق نافذه التفضيلات و SdmPsiGui.

2-خطه التحليل التلوي

1. حدد سؤالا دقيقا. علي سبيل المثال ، "هل يعاني المرضي الذين يعانون من الوسواس القهري من تشوات إقليميه في حجم المادة ؟"
2. اكتب معايير التضمين الواضحة التي تسمح بالادراج المنهجي للدراسات. علي سبيل المثال ، "جميع الدراسات التي أجريت المقارنة القائمة علي voxel الدماغ كله من حجم المادة الرمادية بين الافراد مع الوسواس القهري والضوابط الصحية".
3. كتابه معايير استبعاد واضحة تسمح بالاستبعاد المنهجي لتلك الدراسات التي لا يمكن أو لا ينبغي ادراجها لأسباب محدده. علي سبيل المثال ، "الدراسات مع اقل من 10 مرضي ، وتكرار مجموعات البيانات ، أو الدراسات التي لا يمكن استرداد المعلومات المطلوبة".
4. اكتب البيانات لاستخراجها من كل دراسة. تتضمن القائمة التالية البيانات الموصي بها (بعضها غير مطلوب بشكل صارم ، ولكن غيابها سيؤدي إلى إفقار التحليل التلوي):
   • تحديد الدراسة.
   • احجام العينات.
   • مستوي الدلالة الاحصائيه ، وهو القيمة t-القيمة z أو القيمة المضافة المستخدمة في الدراسة لتحديد اي voxels كانت ذات دلاله احصائيه.
   • البرنامج والفضاء المجسم. انظر الجدول 1 للاطلاع علي قائمه حزم البرامج والمساحات المجسمة التي تفهمها المبادرة.
   • إحداثيات وارتفاع القمم. ارتفاع الذروة هو t-قيمه أو z-القيمة ، ولكن قيمه p هي أيضا مفيده.
   • المتغيرات التي سيتم استخدامها لوصف العينات أو اجراء تحليلات المجموعات الفرعية أو تراجع الفوقية.
5. لزيادة جوده المراجعة ، ضع في الاعتبار اتباع "القواعد العشرة البسيطة للتحليل التلوي للتصوير العصبي"²⁰ والقائمة المرجعية²¹لprisma.
6. لزيادة شفافية المراجعة ، النظر في تسجيل البروتوكول مسبقا علي قاعده بيانات متاحه للعامة مثل بروسبيرو (https://www.crd.york.ac.uk/PROSPERO/).

3-البحث الشامل

1. حدد مجموعه من الكلمات الرئيسية التي تسمح بالبحث عن اي دراسة قد تستوفي معايير التضمين. علي سبيل المثال ، قد تكون الكلمات الرئيسية "الوسواس القهري" بالاضافه إلى "القياس الشكلي" أو "المستندة إلى voxel" أو "voxelwise".
2. اجراء البحث علي قواعد البيانات مثل PubMed وشبكه العلوم:
   1. انتقل إلى موقع قاعده البيانات ، علي سبيل المثال https://www.ncbi.nlm.nih.gov/pubmed/ ل pubmed.
   2. اكتب استعلام البحث. في المثال التحليل التلوي ، قد يكون الاستعلام "الوسواس-القهري اضطراب" و ("التحوير" أو "المستندة إلى voxel" أو "voxelwise"). في هذا الاستعلام ، يعني عامل التشغيل "AND" ان الدراسات يجب ان تحتوي علي كافة الكلمات الاساسيه ، المشغل "OR" يعني انه يجب ان تحتوي الدراسات علي واحده علي الأقل من الكلمات الرئيسية ، وتشير الأقواس إلى ترتيب هذه العمليات المنطقية. ولذلك ، يجب ان يكون للدراسات المستردة الكلمة الرئيسية "الوسواس-القهري اضطراب" وعلي الأقل واحده من الكلمات الرئيسية "التحوير" ، "القائم علي voxel" أو "voxelwise". لاحظ ان الاستراتيجيات الأخرى ممكنة.
3. تطبيق معايير التضمين/الاستبعاد. فعلي سبيل المثال ، من النتائج التي توفرها قواعد البيانات ، حدد فقط المقالات التي تحلل الاختلافات في حجم المادة الرمادية بين المرضي الذين يعانون من اضطراب الوسواس القهري والضوابط التي تؤدي دراسات القياس الضوئي المستندة إلى الدماغ الكامل ، والدراسات المرتجعة
4. لزيادة شمولي البحث ، فكر في اجراء بحث يدوي عبر المصنفات المشار اليها في الدراسات المحددة.
5. لتعظيم ادراج الدراسات وتجنب عدم اليقين في جمع البيانات ، والنظر في الاتصال الكتاب المقابلة لطلب اي البيانات المفقودة أو غير واضحة.
6. تسجيل عدد الدراسات التي تم استردادها وعدد الدراسات المستبعدة لكل سبب. النظر في إنشاء مخطط تدفق PRISMA²¹ مع هذه الأرقام.

4-جمع البيانات

1. لكل دراسة مضمنه ، أقرا المخطوطة للعثور علي البيانات المحددة لاستخراجها.
2. حفظ البيانات من الدراسات بشكل منتظم ، علي سبيل المثال ، كتابه البيانات في ملفات جدول المعلومات المهياه مسبقا. لتقليل أخطاء الكتابة ، ضع في الاعتبار نسخ ولصق أرقام الاهتمام والتحقق المزدوج من البيانات المحفوظة.
3. وعندما يكون مستوي الاهميه الاحصائيه غير واضح ، يمكن النظر في اتباع هذه التوصيات:
   1. إذا بلغت المخطوطة ذروتها باستخدام مستويين من الدلالة الاحصائيه للدماغ الكامل ، مثل القيمة p < 0.001 بدون تصحيح لمقارنات متعددة (من الآن فصاعدا ، "عتبه غير مصححه") ومعدل الخطا العائلي (FWER) < 0.05 (من الآن فصاعدا) العتبة المصححة ") ، حدد العتبة غير المصححة ، وقم بتضمين جميع القمم التي تم الحصول عليها باستخدام هذه العتبة غير المصححة. والسبب في تفضيل العتبة غير المصححة هو ان الدراسات عاده ما تحصل علي المزيد من القمم التي تطبق عتبه غير مصححه ، ويقدر المخطط الخرائط بدقه أكبر إذا كانت لديه معلومات من قمم أكثر.
   2. إذا كانت المخطوطة تبلغ ذروتها باستخدام عتبه غير مصححه للزيادات وعتبه مصححه للانخفاضات (أو العكس) ، فحدد العتبة غير المصححة ولكنها تتضمن فقط القمم التي تم الحصول عليها باستخدام العتبة المصححة. وهذا تقريب متحفظ لأنه قد يتجاهل بعض القمم التي تم الحصول عليها باستخدام العتبة غير المصححة. وقد يكون مثالا علي هذا الوضع عندما تنص مخطوطه علي شيء مثل "اكتشفنا كميات أكبر من المواد الرمادية التي صححتها FWER في بعض المناطق ، بينما لم نكتشف حجم المادة الرمادية الأصغر في اي منطقه حتى باستخدام القيمة p غير المصححة < 0.001".
   3. إذا قام المؤلفون بتطبيق الإحصائيات المستندة إلى نظام المجموعة ، استخدم عتبه ارتفاع تشكيل الكتلة. وهذا تقريب متحفظ لان بعض voxels قد يكون لديه قيم t اعلي من العتبة ، ولكن المؤلفين تجاهلواها لان مجموعاتهم لم تكن كبيره بما فيه الكفاية.
   4. إذا لم تحدد المخطوطة عتبه ، استخدم قيمه أصغر قليلا من القيمة t لأصغر قمة. والسبب في استخدام هذه القيمة t هو انه إذا كان المؤلفون قد طبقوا عتبه الاهميه الاحصائيه هذه دون اشتراط حد ادني للحجم بالنسبة للمجموعات ، لوجدوا نفس القمم.
4. عند تسجيل معلومات الذروة القيام بما يلي:
   1. استبعاد القمم التي تم الحصول عليها باستخدام عتبه الدلالة الاحصائيه التي هي أكثر ليبرالية من العتبة المحددة لبقية الدماغ. ومن الامثله علي هذا الوضع عندما يطبق المؤلفون عتبات أكثر ليبرالية أو تصحيحات صغيره الحجم علي بعض مناطق الدماغ البديهية.
   2. تحويل قيم z وقيم p إلى قيم t. انقر فوق الزر تحويل القمم في برنامج-PSI لتحويلها بسهوله. بدلا من ذلك ، تحويلها في نفس ملف جدول البيانات (علي سبيل المثال ، "= t. INV (1-0.001 ، 34)" ل p-قيمه = 0.001 و 34 درجه من الحرية ؛ درجات الحرية هي مجموع احجام العينات ناقص عدد المعلمات ، والتي في المقارنة بين عينتين اثنين زائد عدد المتغيرات المستخدمة في المقارنة الأصلي
   3. استخدام قيم t الايجابيه لقمم الزيادة (علي سبيل المثال ، التنشيط) والقيم السالبة لذروه الانخفاض (مثل التعطيل). انظر الجدول 2 للاطلاع علي الإرشادات المتعلقة بكيفية تحديد علامة القيم t.
      ملاحظه: حصلنا علي معلومات من الدراسات "هيوفل" و "سوريانو-ماس" بعد الاتصالات الشخصية.

5-إدخال البيانات في المبادرة

1. فتح Sdmpsigui وإغلاق النافذة حول البداية (تجنب وجود اي مفتاح الضغط اثناء إغلاقه).
2. انقر فوق الزر تغيير التحليل التلوي في الجزء العلوي الأيسر من الواجهة الرسوميه لتحديد دليل للتحليل التلوي (اي دليل فارغ جديد للاختيار سيقوم به).
3. T_thr
4. ضمن الدليل المحدد ، إنشاء ملف نصي لكل دراسة مع الإحداثيات و t-قيمه كل الذروة:
   1. افتح محرر نص لإنشاء ملف نصي باسم [تعريف الدراسة] + "." + [البرنامج] + "_" + [المساحة المجسمة] + ".txt". علي سبيل المثال ، لدراسة "كارمونا" التي أجريت مع SPM والتقارير الإحداثيات في MNI الفضاء ، يجب ان يكون اسم الملف النصي "كارمونا. spm_mni. txt". إذا كانت الدراسة ليس لها قمم ، يمكن استبدال البرمجيات والفضاء المجسم بواسطة "no_peaks".
   2. اكتب الإحداثيات والقيمة t لكل ذروه في صف مختلف. علي سبيل المثال ، يجب ان تكون الصفوف الاولي من الملف النصي "كارمونا. spm_mni txt":
      40, 39, 21,-5.14
      53 ، 27 ، 21 ،-3.77
      56 ، 23 ، 20 ،-3.63

6-التجهيز المسبق

1. انقر في الزر المعالجة المسبقة في شريط القائمة اليمني ، حدد طريقه الدراسات في مربع القائمة المسمي "الطريقة" واضغط OK. في المثال التحليل التلوي ، الطريقة هي "VBM-المادة الرمادية".
2. انتظر (بضع دقائق) بينما يقوم التطبيق بحساب خرائط الحدود السفلية والعليا لاحجام التاثير المحتملة. سيظهر SdmPsiGui أربعه أشرطه التقدم التي تعرض حاله التنفيذ والوقت المتبقي المتوقع للعملية الحالية. اثناء العمليات الحسابية ، سيكون لون الدائرة المجاورة ل "حاله المعالجة" اصفر ، سيتغير إلى اخضر إذا انتهي التنفيذ بنجاح ، أو إلى الأحمر إذا فشل.

7-التحليل الرئيسي

1. انقر فوق الزر المتوسط في شريط القوائم الأيسر واضغط OK.
2. الانتظار (بعض دقائق) في حين ان المبادرة يجري الإسناد متعددة والتحليل التلوي (الشكل 1).
3. انقر فوق الزر عتبه في مربع الاداات القائمة اليسرى ، حدد قيم p غير المصححة من التحليل الرئيسي ("MyTest_uncorrp" بشكل افتراضي) ثم اضغط OK. ستقوم المبادرة تلقائيا بفتح كل من MRICron لتصور النتائج وصفحه ويب مع تقرير مفصل عنها.
4. اضغط علي زر تصحيح Fwe في مربع الاداات القائمة اليسرى ، حدد التحليل الرئيسي في صندوق القائمة ("mytest" بشكل افتراضي) واضغط OK.
5. الانتظار (بعض ساعات أو حتى أيام) في حين ان المبادرة يجري اختبار الطفرة.
6. انقر فوق الزر عتبه في مربع الاداات القائمة اليسرى ، حدد تصحيح تفم التحليل الرئيسي ("MyTest_corrp_tfce" بشكل افتراضي) ثم اضغط OK. ستقوم المبادرة تلقائيا بفتح كل من MRICron لتصور النتائج وصفحه ويب مع تقرير مفصل عنها.

8-التغاير والتحيز والتصنيف في المنشورات

1. انقر فوق الزر استخراج علي مربع الاداات القائمة اليمني ، حدد ذروه من التحليل الرئيسي ("MyTest_z_p_0.05000_10_neg_peak1" بشكل افتراضي) واضغط OK. ستقوم المبادرة تلقائيا بفتح صفحه ويب تحتوي علي إحصائيات لهذه الذروة. اكتب التغاير I² الاحصائيه.
2. انقر فوق الزر اختبار التحيز علي مربع الاداات القائمة اليسرى ، حدد ذروه من التحليل الرئيسي ("MyTest_z_p_0.05000_10_neg_peak1" بشكل افتراضي) واضغط OK. ستقوم المبادرة تلقائيا بفتح صفحه علي الويب مع مؤامرة قمع ونتائج اختبار لتاثير الدراسة الصغيرة واختبار للاهميه الزائدة. الاختبارات السابقة ما إذا كان هناك عدم تناسق في مؤامرة القمع (اي حجم تاثير أكبر في الدراسات الصغيرة) ، والتي يمكن ان تشير إلى ان الدراسات الصغيرة لا تنشر الا إذا وجدت احجام كبيره تاثير أو مصادر أخرى من التحيز. وتختبر هذه الاخيره ما إذا كان عدد الدراسات ذات النتائج الاحصائيه الهامه أكبر مما كان متوقعا ، مما قد يشير إلى ان الدراسات لا تنشر الا إذا وجدت نتائج هامه من الناحية الاحصائيه أو مصادر أخرى للتحيز.
3. اضغط علي زر تقدير الادله من مربع الاداات العلوي ، حدد التحليل الرئيسي ("mytest" بشكل افتراضي) من صندوق القائمة واضغط OK. بعد بضع ثوان ، ستقوم المبادرة بفتح MRICron تلقائيا لإظهار فئات الادله.

النتائج

كما هو مبين في الخريطة فتحت في MRICron عند دراسة التحليل الرئيسي (الشكل 2، الخطوة 7.6) ، كان المرضي الذين يعانون من الوسواس القهري إحصائيا أصغر حجم المادة الرمادية في الظهر الظهرية الاماميه/القشرة الاماميه الإنسي. تفاصيل صفحه الويب المصاحبة ان الكتلة صغيره باعتدال (143 voxels) وتقع أساسا في منطقه برودمان 32 ، وان ذروه الكتلة هو في MNI [2 ، 32 ، 32] ، له قيمه z-4.97 والقيمة المضافة المصححة FWER من 0.01.

في صفحات الويب التي تم الحصول عليها في الخطوات 8.1 و 8.2 ، وانخفاض I² الاحصائيه (1.5 ٪) يشير إلى عدم تجانس صغير جدا ، مؤامرة القمع لا تظهر التباينات (الشكل 3) ، وكل من اختبار لتاثير الدراسة الصغيرة واختبار لزيادة اهميه سلبيه. ومع ذلك ، فان الادله علي صغر حجم المادة الرمادية في القشرة الاماميه الظهرية ضعيفه باعتدال ، كما هو مبين في الخريطة المفتوحة في MRICron عند تقدير الادله ، وخاصه بسبب كميه محدوده من البيانات.

عندما كان التحليل الرئيسي دراسة باستخدام مستوي الدلالة الاحصائيه اقل صرامة (الخطوة 7.3) ، وأظهرت المرضي أيضا إحصائيا أكبر حجم المادة الرمادية في المخطط والجيروسكوبات الجدارية متفوقة (القيم p غير المصححة = 0.00006 و 0.0002 علي التوالي) ، ولكن الادله علي هذه التشوات ينبغي ان تعتبر أضعف.

الشكل 1: النافذة الرئيسية لواجهه المستخدم الرسوميه للحزب الديمقراطي الاشتراكي-PSI اثناء التنفيذ المتوسط. يرجى النقر هنا لعرض نسخه أكبر من هذا الرقم.

الشكل 2: مناطق حجم المادة الرمادية الصغيرة إحصائيا في المرضي الذين يعانون من اضطراب الوسواس القهري بالمقارنة مع الضوابط الصحية المتطابقة.
يغطي المجموعة من دلاله احصائيه 143 [فواكسلس], يتلقى قمته في [ام ني] [2, 32, 32], ويتضمن في الأغلب ظهريه إماميه [كنجوليت]/[سثر] قشره إماميه, [بروكمان] منطقه 32. يرجى النقر هنا لعرض نسخه أكبر من هذا الرقم.

الشكل 3: مؤامرة القمع لذروه المجموعة من حجم المادة الرمادية الصغيرة إحصائيا في القشرة الاماميه الظهرية. يرجى النقر هنا لعرض نسخه أكبر من هذا الرقم.

حزم البرمجيات	الترميز في البرمجيات
الخرائط الاحصائيه الحدودية (SPM)	Spm
FMRIB مكتبه البرمجيات (FSL)	fsl
باقات أخرى	الاخري
مساحة مجسمه	الترميز في البرمجيات
معهد مونتريال للامراض العصبية (MNI)	mni
الخام تالايراش	تل
تحويل MNI إلى Talairach باستخدام بريت تحويل	بريت

الجدول 1: قائمه بمجموعات البرمجيات والمساحات المجسمة التي تفهمها المبادرة.

	يجب ان تكون القيم t موجبه عندما:	يجب ان تكون قيم t سالبه عندما:
عينه واحده من دراسات الرنين المغناطيسي	المهمة > خط الأساس (التنشيط)	المهمة < خط الأساس (التعطيل)
دراسات بالرنين المغناطيسي بعينهين	المرضي > الضوابط في المهمة > خط الأساس (فرط التنشيط)	المرضي < الضوابط في المهمة > خط الأساس (نقص التنشيط)
	المرضي < الضوابط في المهمة < خط الأساس (فشل التعطيل)	المرضي > الضوابط في المهمة < خط الأساس (فرط التعطيل)
دراستان لنموذجين VBM/FA	المرضي > الضوابط (حجم أكبر/FA)	المرضي < الضوابط (حجم أصغر/FA)

الجدول 2: علامة علي القيم t من القمم.

Discussion

كما قدمت في وقت سابق ، معظم الأساليب التحليلية الفوقية المستندة إلى voxel استخدام اختبار لتقارب القمم التي لديها بعض القيود ، ومن ثم اجراء تصنيف ثنائي من الادله التي تستند حصرا علي قيم p.

في هذا البروتوكول ، ونحن بالتفصيل كيفيه اجراء التحليل التلوي القائم علي voxel باستخدام المبادرة ، التي لديها عدد من الميزات الايجابيه بما في ذلك اختبار الانحراف القياسية لتقييم الاهميه الاحصائيه للآثار. الاضافه إلى ذلك ، نعرض كيف يمكن تقدير قوه الادله باستخدام مجموعه من المعايير التي تتجاوز التصنيف الثنائي الذي يعتمد فقط علي مستوي واحد من الاهميه الاحصائيه.

لتسهيل النسخ المتماثل للتحليل التلوي المثال ، نحن نقدم البيانات المستخرجة بالفعل من المخطوطات من التحليل التلوي السابق. ومن المثير للاهتمام ، في مخطوطه هذا التحليل التلوي ، الادله "يبدو" اقوي من الادله التي وجدناها مع الأساليب المحدثة. ولذلك نقترح ان تؤخذ بحذر التقييمات غير المنتظمة للادله التي أجريت في التحليلات الفوقية السابقة المستندة إلى voxel.

نامل انه بعد هذا البروتوكول ، والتحليلات الفوقية التصوير العصبي توفر وصفا اغني وأكثر المحبب من الادله علي نتائج التصوير العصبي.

Materials

Name	Company	Catalog Number	Comments
Computer			32- or 64-bit Windows, 64-bit Mac OSX, or 64-bit Linux