Name: basics of multivariate analysis in neuroimaging data
Uploaded: 2010-07-24T17:00:00
Duration: 6 min 35 s
Description: Watch this Scientific Journal Video about Basics of Multivariate Analysis in Neuroimaging Data at JoVE.com

저자는 NIH 교부금 지원에 대한 감사입니다 neuroimaging 분석 NIH / NIBIB 5R01EB006204 - 03 변수 접근 ASL MRI 및 공분산 분석 NIH / NIA 5R01AG026114 - 02 조기 AD 감지 ADNI : 영상 자료가 알츠하이머 병 Neuroimaging 이니셔티브 (ADNI) (NIH U01AG024904)에 의해 제공되었다. 이 프로젝트에 대한 데이터 수집 및 공유가 알츠하이머 질병 Neuroimaging 사업 (ADNI) (보건 부여 U01 AG024904 국립 연구소)에 의해 재정 지원되었다. 애보트, 아스트라 제 네 카 AB, 바이엘 셔링 파마 AG, 브리스톨 - 마이어스 Squibb, Eisai 글로벌 임상 개발, 엘란 공사 : ADNI는 고령화에있는 국립 연구소, 바이오 메디컬 이미징 및 생물의 국립 연구소에 의해 다음과 같은에서 관대한 기부를 통해 기금을 것입니다 Genentech, GE 헬스케어, GlaxoSmithKline, Innogenetics, 존슨 앤드 존슨, 일라이 릴리와 주식 Medpace, 주식, 머크와 (주), 주식 회사, 노바티스 AG, 화이자 병원, F. 호프만 - 라 호슈, 셔링 - 플로, Synarc , 주식 회사, 그리고 와이어스뿐만 아니라 비영리 파트너 알츠하이머 협회와 미국 식품 의약품 행정의 참여와 알츠하이머 약물 발견 재단. ADNI에 민간 부문의 기여는 건강 (국립 연구소의 기초에 의해 촉진 아르 <a href="http://www.fnih.org">http://www.fnih.org</a> ). 피부 조직은 연구 및 교육을위한 북부 캘리포니아 연구소이며, 연구는 캘리포니아 샌디에고 대학에서 알츠하이머 병 협동 연구에 의해 조정됩니다. ADNI 데이터는 캘리포니아 대학, 로스 앤젤레스에서 뉴로 이미징을위한 연구소로 확산됩니다. 이 연구는 NIH 보조금 P30 AG010129, K01 AG030514 및 데이 재단에 의해 지원되었다.

<ol><li> 단지 세 영역, 두뇌에 voxels (그림 1 = 3 차원 픽셀)로 표시된 50 인간의 참가자에 대해 설정된 가상 데이터가 측정되었습니다 다변수 분석의 개념적 개요를 제공하기 위해 우리는 매우 간단한 상황을 그림 수 있습니다. (그림 1 여기에 삽입을 통해 음성으로 캡션을 참조하시기 바랍니다.) </li><li> 다변수 분석의 일반적인 목적은 데이터 변동의 주요 소스를 식별하고 분산 이러한 소스의 측면에서 데이터에 대한 관심의 주요 효과를 설명하는 것입니다. 그림 2는 간단한 예제를 보여줍니다. (그림 2 여기에 삽입을 통해 음성으로 캡션을 참조하시기 바랍니다.) </li><li> 우리는 지금 임상 데이터 집합에 univariate 및 복수 변수 모두 분석을 적용할 수 있습니다. 우리는 알츠하이머 질병 Neuroimaging 사업 (http://www.loni.ucla.edu/ADNI/)의 웹사이트에서 95 초 알츠하이머 환자와 102 나이와 일치하는 컨트롤에 대한 FDG - PET 휴식 스캔을 다운로드했습니다. 우리는 무작위로 환자와 컨트롤 모두 20 스캔을 선택 및 유도 샘플로 지정. 남은 75​​ 82 스캔은 각각의 복제 샘플을 구성합니다. Univariate 및 복수 변수 알츠하이머 병 (AD)는 마커 이제 유도 샘플에서 유래하고, 그들의 진단 효율은 복제 예제에서 테스트한 것입니다. </li><li> univariate 마커의 경우, 우리는 반대로 20 컨트롤과 함께 20 AD 검사는 유도 샘플의 검사와 T - 테스트하여 그림과 같이 AD 환자에서 PET 신호에서 가장 큰 감소를 보여줍니다 뇌의 위치를​​ 선택합니다. 이 지역의 진단 효능을 테스트하기 위해, 우리는이 위치에 복제 샘플의 데이터를 확인하고 질병 상태의 함수로서 PET 신호를 플롯. </li><li> 복수 변수 마커에 대한, 우리는 먼저 주제 스케일링 팩터가 AD 환자와 건강한 컨트롤 사이에 최대한의 의미 차이를 보여주는 처음 5 교장 구성 요소에서 공분산 패턴을 구축 후 유도 샘플의 결합 40 검색에서 PCA를 수행합니다. (세부 사항은 이러한 대표적인 논문 2에서 찾을 수 있습니다.) 유도 샘플 양식 얻은 진단 공분산 패턴이 다음 prospectively 복제 예제에 적용됩니다. 그 결과 제목 스케일링 요소는 질병 상태의 함수로 꾸몄다 있습니다. </li><li> 4 단계와 5 univariate 및 복수 변수 두 가지 접근법보다 일반적인 비교를 제공하기 위해, 우리는 &quot;분할 샘플&quot;시뮬레이션을 수행하고 각 시간 20분의 20 유도 샘플을 형성하고 82분의 75, resampled 데이터를 두 단계를 1000 번 반복 AD 환자와 건강한 컨트롤을 새로이의 복제. Univariate 및 복수 변수 질병 마커 유도 예제에서 계산되고 결정 임계값은 대부분 1 건강 컨트롤 AD (= 특이성 95%)로 misclassified는 그러한 설정됩니다. 그들의 구체적인 결정 임계값과 질병 마커 다음 prospectively 복제 샘플에 적용됩니다. 복제 예제에서 분류 오류 요금은 모든 resampling 반복에 대한 기록됩니다. </li></ol> 대표 결과 Univariate 성능 결과는 그림 3에서 자세히 볼 수 있습니다. 가장 큰 AD 관련 FDG 적자의 영역은 슈퍼 시간적 이랑, Brodmann 영역 38 발견되었습니다. 달성 ROC 곡선 아래 -이 지역은 AUC가 = 0.90했다. 복제 샘플이 대조의 일반화는 AUC = 0.84의 ROC 곡선 아래의 면적은 꽤 좋았어요. 복수 변수 성능 결과는 그림 4에서 자세히 볼 수 있습니다. 관련된 신호 손실이 parietotemporal과 전두엽 영역과 후부 cingulate의 이랑을 발견하는 동안 질병의 얼굴에서 신호의 상대적인 보존 힌트를주는 긍정적인 loadings와 영역, 소뇌에서 발견되었습니다. 파생 및 복제 샘플 모두에서 ROC 곡선 아래 - 지역 각각 0.96과 0.88에 univariate 마커보다 약간 더 있었다. 분할 샘플 시뮬레이션 결과는 그림 5에서 자세히 볼 수 있습니다. 그림은 변수 마커가 univariate 마커 진단보다 더 나은 성능 복제를주는 것으로 나타났습니다. univariate 마커에 대한이 0.307 반면 복수 변수 마커에 대한 의미 총 오류율은 0.203이다. <img src="/files/ftp_upload/1988/1988fig1.jpg" alt="그림 1" /> . 그림 1이 간단한 그림은 univariate 및 복수 변수 분석 전략의 차이를 설명 가상 3 차원 데이터 집합이 그림에 표시됩니다. 왼쪽에서 역모를 3 개의 변수 사이에 상관 관계가 없습니다. 반대로 오른쪽에, 하나는 세 voxels 간의 긍정적인 상관 관계를 나타내는 분산의 주요 소스를 볼 수 있습니다. 단지 voxel별로 voxel 단위로 값을 의미로 간주되는 univariate 분석이 두 시나리오 간의 차이를 말할 수 없습니다. 복수 변수 분석, 반면에 베리안의 주요 소스를 식별신경 활성화 패턴을 구축하기 전에 데이터에 CE (빨간색 화살표)이 소스를 형성하고 있습니다. <img src="/files/ftp_upload/1988/1988fig2.jpg" alt="그림 2" /> 그림 2.이 슬라이드는 단순화된 형태로 데이터를 neuroimaging에 다변수 분석의 기본적인 성취를 보여줍니다. 제목 색인의, 그리고 두뇌의 voxel의 위치를​​ 나타내는 인덱스 voxel X,에 따라 데이터를 배열 Y (S, X)는, 여러 조건의 합계로 분해됩니다. 첫째, 순전히 제목에 의존 요소 점수, ssf (들), 그리고 순전히 voxel에 의존 공분산 패턴의 제품, V (X). 공분산 패턴에 의해 설명할 수 없다 둘째, 정품 인증은 제목과 voxel 종속적인 소음 용어, 전자 (S, X)에 캡처됩니다. 방정식 아래 두 그래픽 주제 스케일링 계수와 공분산 패턴의 예제를 제공합니다. 모든 참가자는 같은 주제 요소 평가 점수에 의해 표시된 다른 정도의 공분산 패턴을 승객 명단. 오히려 별도로 모든 voxel의 행동을 추적할 필요가보다 공분산 패턴과 주제 표현 분산의 주요 소스의 지극히 검소한 요약을 제공합니다. 영역이 동시에 관련 인증을 증가 빨간색으로 표시하는 동안 크기에 따라 조절 인자의 증가로 공분산 패턴에 파란색으로 표시된 영역은 그들의 연관된 활성화를 감소. 제목 요소 점수는 대상 연령이나인지 행동 작업에 성능이 같은 관심의 외부 변수와 상관 및 다중 비교에 대한 보정이 상관 관계에 적용되어야 수 없습니다. 이러한 분해하는 몇 가지 기법이 존재하지만, 가장 일반적인 하나는 주요 구성 요소 분석 (PCA)입니다. 이것은 우리의 선택의 기술입니다. 제목 스케일링 요소가 처음에 공분산 패턴을 생산 단지 데이터 세트, 동등한 차원 일련의 모든 데이터에 공분산 패턴하지 예상하여 얻을 수 있습니다. 이것은 하나의 데이터 세트에서 관찰되었다 뇌 - 행동 관계가 다른 데이터 집합에 복제할 수 있는지 여부를 테스트하기 위해 공분산 패턴이 적합합니다. <img src="/files/ftp_upload/1988/1988fig3.jpg" alt="그림 3" /> 그림 3.이 그림은 univariate 분석의 결과를 보여줍니다. 왼쪽 하단 패널에서 FDG 신호 값은 유도 샘플에서 가장 큰 AD 관련 적자를 보여주는 영역에 대한 꾸몄다 있습니다. 그 MNI 좌표가 X = 2mm 있으며, Y = -48 mm, Z = 30mm (Precuneus / PCG, Brodmann 영역 31). 오른쪽 아래 패널은 복제 샘플이 아주 위치에서 FDG 신호를 보여줍니다. 하나는 복제 예제에서는 AD 환자와 컨트롤 사이의 FDG 차이가 여전히 큰 반면 전반적으로, 그룹 간의 더 많은 중복과 함께 감소하는 감사하실 수 있습니다. <img src="/files/ftp_upload/1988/1988fig4.jpg" alt="그림 4" /> 그림 4.이 그림은 다변수 분석의 결과를 보여줍니다. 상단 패널에서, 우리는 각각 빨간색과 파란색의 공분산 패턴에서 크게 긍정적 및 부정적 가중치 영역 (P &lt;0.001)을 보여 여러 축 슬라이스를 표시합니다. 우리가 글로벌 평균 값에 의해 모든 검사를 축소합니다, 그래서 빨간색과 파란색은 질병 심각와 PET 신호의 오히려 상대와 절대 증가와 감소를 나타냅니다. 파란색이 질병의 결과로 신호 손실을 나타내며 빨간색 영역은 따라서, 질병의 얼굴에 상대 보전에 힌트. 파란색 영역은 후부 cingulate의 이랑, parietotemporal과 전두엽 영역에 표시하는 동안 빨간색 영역은 주로 소뇌에서 발견됩니다. 왼쪽 하단 패널 : AD - 관련 공분산 패턴의 제목 요소 점수는 유도 샘플에 표시됩니다. 높은 과목 점수는 AD 환자를 찾을 수 있습니다. 오른쪽 아래 패널 : 복제 예제 AD 관련 공분산 패턴의 미래의 응용 프로그램에서 발생하는 주제 요소 점수는 여기 꾸몄다 있습니다. 하나는 복제 샘플 증가 중복으로 진단 대비 악화 약간은 이해할 수 있지만, 진단 효능의 일반화는 univariate 케이스에 비해 눈에 띄게 좋다. <img src="/files/ftp_upload/1988/1988fig5.jpg" alt="그림 5" /> 그림 5.이 그림은 1000 분할 샘플 시뮬레이션의 결과를 보여줍니다. 상장 의미와 복제 샘플에 univariate 및 복수 변수 진단 오류 속도의 표준 편차입니다. 하나는 성능 변수 마커의 일반화가 univariate 마커 것보다 비록 다소 많은 변수가 상당히 좋은 것을 감사합니다.

<ol>
	<li>Moeller, J. R., Strother, S. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+regional+covariance+approach+to+the+analysis+of+functional+patterns+in+positron+emission+tomographic+data.">A regional covariance approach to the analysis of functional patterns in positron emission tomographic data.</a> J Cereb Blood Flow Metab. 11 (2), A121-A121 (1991).</li><li>Scarmeas, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Covariance+PET+patterns+in+early+Alzheimer's+disease+and+subjects+with+cognitive+impairment+but+no+dementia:+utility+in+group+discrimination+and+correlations+with+functional+performance.">Covariance PET patterns in early Alzheimer's disease and subjects with cognitive impairment but no dementia: utility in group discrimination and correlations with functional performance.</a> Neuroimage. 23 (1), 35-35 (2004).</li><li>Siedlecki, K. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Examining+the+multifactorial+nature+of+cognitive+aging+with+covariance+analysis+of+positron+emission+tomography+data.">Examining the multifactorial nature of cognitive aging with covariance analysis of positron emission tomography data.</a> J Int Neuropsychol Soc. 15 (6), 973-973 (2009).</li><li>Burnham, K. P., Anderson, D. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Model selection and multimodel inference a practical information-theoretic approach. , (2002).</li><li>Moeller, J. R., Strother, S. C., Sidtis, J. J., Rottenberg, D. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Scaled+subprofile+model:+a+statistical+approach+to+the+analysis+of+functional+patterns+in+positron+emission+tomographic+data.">Scaled subprofile model: a statistical approach to the analysis of functional patterns in positron emission tomographic data.</a> J Cereb Blood Flow Metab. 7 (5), 649-649 (1987).</li><li>Habeck, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Multivariate+and+univariate+neuroimaging+biomarkers+of+Alzheimer's+disease.">Multivariate and univariate neuroimaging biomarkers of Alzheimer's disease.</a> Neuroimage. 40 (4), 1503-1503 (2008).</li><li>Habeck, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+new+approach+to+spatial+covariance+modeling+of+functional+brain+imaging+data:+ordinal+trend+analysis.">A new approach to spatial covariance modeling of functional brain imaging data: ordinal trend analysis.</a> Neural Comput. 17 (7), 1602-1602 (2005).</li><li>McIntosh, A. R., Bookstein, F. L., Haxby, J. V., Grady, C. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Spatial+pattern+analysis+of+functional+brain+images+using+partial+least+squares.">Spatial pattern analysis of functional brain images using partial least squares.</a> Neuroimage. 3 Pt 1, 143-143 (1996).</li><li>McIntosh, A. R., Lobaugh, N. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Partial+least+squares+analysis+of+neuroimaging+data:+applications+and+advances.">Partial least squares analysis of neuroimaging data: applications and advances.</a> Neuroimage. 23, S250-S250 (2004).</li></ol>

관심 없음 충돌 선언하지 않습니다.

우리는 관객에게 다변수 분석의 기본의 풍미를 준 희망, 관심있는 시청자는 우리의 웹사이트를 체크 아웃하는 것이 좋습니다. 다변수 분석에서 매개 변수에 대한 몇 가지 선택이 그 상당한 논쟁의 대상이 논쟁이 될 수 있었다. 우리는 주요 문제에 산만을 피하기 위해이 문서에서 이러한 문제의 토론을 보상 받았을거야. 첫째, 우리는 AD와 관련된 공분산 패턴을 구축하는 첫번째 6 교장 구성 요소를 선택했습니다. 우리가 4 안한것 바로이 선택에 대한 이론적 이유가 있습니다. 6 주요 구성 요소의 특정 선택하지만 우리의 인수에 대한 중요하지 않습니다 하나 2 20 PC에 범위에서 선택하고 여전히 분리 샘플 시뮬레이션의 변수 마커의 뛰어난 일반화 성능을 얻을 수 있습니다. 결과는 유도 및 복제 샘플에서 과목의 숫자의 선택과 관련하여 마찬가지로 강력한 있습니다. 우리는 복제 예제에서 두 그룹의 20 과목을 선택, 그러나 이것은 계산 속도를 수학의 편의를 위해 순수하게되었다. 파생 샘플에서 과목의 숫자가 증가한다면 두 기술의 상대적인 장점에 대한 결과는 마찬가지로 개최합니다. 둘째, 우리는 변수 분석의 가장 기본적인 종류를 발표했다. 기계 학습의 문학, 이전 PCA에 선형 및 비선형 변환 및 기타 다양한 주름에서 빌린 기술을 상당한 합병증이 더욱 일반화 성능을 향상 수 가능합니다. 단순을 위해이 문서에서 이러한 가능성을 생각해 본적도 없어.

basics of multivariate analysis in neuroimaging data

그들은 쉽게 더 일반적으로 사용되는 univariate, voxel - 현명한, 기술에 의해 실현되지 않을 수있는 매력적인 기능을 가지고 같은 neuroimaging 데이터에 대한 변수 분석 기술은 최근 증가하고 관심을받은<sup&gt; 1,5,6,7,8,9</sup&gt;. 복수 변수 접근은 오히려 voxel별로 voxel 단위로 진행보다 뇌 영역에 걸쳐 상관 / 공분산 활성화를 평가합니다. 따라서, 그들의 결과는 더 쉽게 신경망의 서명으로 해석될 수있다. Univariate 접근, 반면에, 직접적으로 두뇌에 interregional 상관 관계를 해결할 수 없습니다. voxel - 현명한 다중 비교에 매우 엄격한 정정을 고용 강요하지 univariate 기법과 비교하면 변수 접근 방법은 또한 더 큰 통계 전원이 발생할 수 있습니다. 또한, 다변수 기술은 완전히 새로운 데이터 세트 한 세트의 분석 결과의 예비 신청에 훨씬 더 자신을 빌려. 복수 변수 기법을 따라서 잘 가능성이 큰 통계 전원 및 더 나은 재현성 검사와 마찬가지로 univariate 접근하는 동작과 의미의 차이와 상관 관계,에 대한 정보를 제공하기 위해 배치됩니다. 이러한 장점 달리 변수 접근 방법의 사용에 항목의 높은 장벽은 지역 사회에 더 광범위한 응용 프로그램을 방지합니다. 다변수 분석 기법에 익숙한되는 신경학하려면, 필드의 초기 조사, algorithmically 유사한지만, 일반적으로 수학 배경을 가진 사람들에 의해, 다른 중점 제공됩니다 접근 어지러울 다양한 선물 수도 있습니다. 우리는 복수 변수 분석 기법보다 보급을 보증하기 위해 충분한 잠재력을 가지고있을 거라 믿고 있소. 연구자들은 정보와 접근 방식으로 그들을 고용 할 수 있어야합니다. 현재 문서는 초보자를위한 변수가 기술의 교훈 도입에 시도이다. 개념 소개 명확하게 다변수 접근 방식의 뛰어난 성능을 보여주는 알츠하이머 병 Neuroimaging 이니셔티브 (ADNI)에서 설정한 진단 데이터를 매우 간단한 응용 프로그램을합니다.

Watch this Scientific Journal Video about Basics of Multivariate Analysis in Neuroimaging Data at JoVE.com

Basics of Multivariate Analysis in Neuroimaging Data

현재 문서는 변수 분석의 기초를 설명하고 더 일반적으로 사용되는 voxel - 현명한 univariate 분석에 대조를 이룹니다. 분석의 두 가지 유형이 임상 - 신경 과학 데이터 집합에 적용됩니다. 보충 분할 반 시뮬레이션은 독립적인 데이터 집합에 변수가 결과의 더 나은 복제를 보여줍니다.

데이터 Neuroimaging에서 복수 변수 분석의 기초

Multivariate analysis techniques for neuroimaging data have recently received increasing attention as they have many attractive features that cannot be ...

Research

JoVE Journal

Neuroscience

Cross-Modal Multivariate Pattern Analysis

크로스 모달 변수 패턴 분석

Multivariate pattern analysis (MVPA) is an increasingly popular method of analyzing functional magnetic resonance imaging (fMRI) data1-4. Typically, the ...

연구

신경과학

Functional Neuroimaging Using Ultrasonic Blood-brain Barrier Disruption and Manganese-enhanced MRI

초음파 혈액 - 뇌 장벽 파괴 및 망간 향상된 MRI를 사용하여 기능성 Neuroimaging

Although mice are the dominant model system for studying the genetic and molecular underpinnings of neuroscience, functional neuroimaging in mice remains ...

Applications of EEG Neuroimaging Data: Event-related Potentials, Spectral Power, and Multiscale Entropy

이벤트 관련 후보, 분광 및 멀티 스케일 엔트로피 : EEG 신경 영상 데이터의 응용

When considering human neuroimaging data, an appreciation of signal variability represents a fundamental innovation in the way we think about brain ...

TIRFM and pH-sensitive GFP-probes to Evaluate Neurotransmitter Vesicle Dynamics in SH-SY5Y Neuroblastoma Cells: Cell Imaging and Data Analysis

TIRFM과 pH 민감성 GFP - 프로브는 SH-SY5Y 신경 모세포종 세포에서 신경 전달 물질 소포 역학을 평가하기 : 세포 이미징 및 데이터 분석

Synaptic vesicles release neurotransmitters at chemical synapses through a dynamic cycle of fusion and retrieval. Monitoring synaptic activity in real ...

Analyzing Synaptic Modulation of Drosophila melanogaster Photoreceptors after Exposure to Prolonged Light

Analyzing Synaptic Modulation of Drosophila melanogaster Photoreceptors after Exposure to Prolonged Light

의 시냅틱 변조 분석<em&gt; 노랑 초파리</em&gt; 장시간 빛에 노출 후 광수

The nervous system has the remarkable ability to adapt and respond to various stimuli. This neural adjustment is largely achieved through plasticity at ...

Neuroimaging Field Methods Using Functional Near Infrared Spectroscopy (NIRS) Neuroimaging to Study Global Child Development: Rural Sub-Saharan Africa

Neuroimaging Field Methods Using Functional Near Infrared Spectroscopy NIRS Neuroimaging to Study Global Child Development: Rural Sub-Saharan Africa

글로벌 아동 발달 연구에 적외선 분광학 (적외선) Neuroimaging 근처 기능 사용 하 여 Neuroimaging 필드 방법: 농촌 사하라 사막 이남의 아프리카

Portable neuroimaging approaches provide new advances to the study of brain function and brain development with previously inaccessible populations and in ...

Data Acquisition and Analysis In Brainstem Evoked Response Audiometry In Mice

마우스에서 뇌간 에서 데이터 수집 및 분석 음성 응답 청력 측정

Brainstem evoked response audiometry (BERA) is of central relevance in the clinical neurophysiology. As other evoked potential (EP) techniques, such as ...

Meta-analysis of Voxel-Based Neuroimaging Studies using Seed-based d Mapping with Permutation of Subject Images (SDM-PSI)

Meta-analysis of Voxel-Based Neuroimaging Studies using Seed-based d Mapping with Permutation of Subject Images SDM-PSI

피사체 이미지 순열을 이용한 종자 기반 d 매핑을 사용한 복셀 기반 신경 이미징 연구의 메타 분석(SDM-PSI)

Most methods for conducting meta-analysis of voxel-based neuroimaging studies do not assess whether effects are not null, but whether there is a ...

Measuring Statistical Learning Across Modalities and Domains in School-Aged Children Via an Online Platform and Neuroimaging Techniques

온라인 플랫폼 및 신경 이미징 기술을 통해 학교 숙성 아동의 양식 및 도메인 전반에 걸친 통계 학습 측정

Statistical learning, a fundamental skill to extract regularities in the environment, is often considered a core supporting mechanism of the first ...

Employing Transcranial Magnetic Stimulation in a Resource Limited Environment to Establish Brain-Behavior Relationships

자원이 제한된 환경에서 경두개 자기 자극을 사용하여 뇌 - 행동 관계를 수립합니다.

Neuroimaging is typically perceived as a resource demanding discipline. While this is the case in certain circumstances, institutions with limited ...