Optimalisering av fMRI data preprosessering

Pre-prosessering av fMRI data involverer flere steg. Det er potensielt sett mye å hente på å optimalisere de ulike stegene. Utfordringen er imidlertid at det ikke finnes en programvare som er best på alle stegene i preprosesseringen av fMRI data. Det ideelle for preprosesseringen vil derfor være å bruke ulike programvarer for de forskjellige stegene

Pre-prosessering av fMRI data involverer flere steg (se «Analyse av fMRI data»). Det er potensielt sett mye å hente på å optimalisere de ulike stegene. Utfordringen er imidlertid at det ikke finnes en programvare som er best på alle stegene i preprosesseringen av fMRI data. Det ideelle for preprosesseringen vil derfor være å bruke ulike programvarer for de forskjellige stegene. Hvis man ønsker å optimalisere preprosesseringen så blir derfor løsningen en egen preprosesserings pipeline, hvor man bruker den programvarene som er optimal for hvert enkelt steg i preprosesseringen.

En av de som er mest gjennomtenkt preprosesserings pipelinene er fmriprep (https://fmriprep.readthedocs.io/en/stable/index.html). Det er derfor fmriprep som vi vil bruke som et eksempel her på hvordan preprosesseringen av fmri data kan optimaliseres.

For å ekstrahere ut hjernen fra skallen bruker fmriprep først ANTs (http://stnava.github.io/ANTs/) for å lage den initielle hjerne-masken, og deretter freesurfer (https://surfer.nmr.mgh.harvard.edu/) for å optimalisere hjerne-masken.

Et skjermbilde av en datamaskin — Hjerne-maske, samt segmentering av grå og hvit substans basert på det høyoppløslige anatomiske T1 bilde. Grensene mellom både grå substans og hjernehinnene (rosa linjer) og grå substans og hvit substans (blå linjer) er markert i figuren.

For å registrere fMRI opptakene, med relativet lite anatomiske detaljer, til det anatomiske T1 bilde bruker fmriprep bbregister i Freesurfer samt ANTs.

Bakgrunnsmønster — Registrering mellom fMRI opptaket, av en begrenset del av hjernen, og det høyoppløslige anatomiske T1 bilde. For det høyoppløslige anatomiske T1 bilde så vises kun grensene mellom grå substans og hjernehinnene (rød linjer) og grensene mellom grå substans og hvit substans (blå linjer).

Deretter gjennomføres ikke-lineær registrering av det anatomiske T1 bilde til en standard hjerne, som for eksempel MNI (Montreal Neurological Institute) hjernen som vi har brukt her, slik at det blir lettere å sammenligne resultater på tvers av ulike studier. Til dette benytter fmriprep ANTs.

En gruppe hvite og svarte sirkler — *Registrering mellom forsøkspersonens anatomiske T1 bilde og standard hjernen. Standard hjernen som er brukt i dette tilfellet er MNI (Montreal Neurological Institute) hjernen.*

Bevegelseskorreksjonen i fmriprep blir utført ved hjelp av MCFLIRT i FSL (https://fsl.fmrib.ox.ac.uk/fsl/fslwiki).

Diagram, linjediagram — *Bevegelseskorreksjon utført av MCFLIRT i FSL. (a) Korreksjon av translasjon. (b) Korreksjon av rotasjon.*

For slice-time korreksjon, korreksjon for at hvert snitt i et volum er tatt opp på litt forskjellig tid, benytter fmriprep 3dTShift fra AFNI (https://afni.nimh.nih.gov/).

Når pre-prosessseringen er ferdig så er data klar til å analyseres videre i programvarer som FSL, SPM, AFNI, og Brain voyager. For å få kjørt analysene i disse programvarene så må man imidlertid kjøre fMRI analysene på en bestemt måte. For å se hvordan man kjører fMRI analysene i FSL for data som har blitt pre-prosessert i fmriprep, se http://mumfordbrainstats.tumblr.com/post/166054797696/feat-registration-workaround.