Printer Friendly

Fonksiyonel manyetik rezonans goruntuleme veri analizi ve guvenilirligi/Data analysis and reliability in functional magnetic resonance imaging.

Giris

Manyetik rezonans goruntuleme (MRG) yuksek cozunurlugu ile anatomik yapilarin ve patolojilerin goruntulenmesinde diger goruntuleme tekniklerinden daha ayrintili bilgi almamiza yardimci olur. Fonksiyonel MRG'nin kesfinden sonra, noral doku organizasyonunu, doku oksijenasyonunu ve gorsel uyaranlardan bilinc ve ahlaki kosullara verilen tepkilere kadar genis bir aralikta olan davranis ve uyaran yanitlarimizi daha acik bir sekilde inceleyebiliyoruz. Fonksiyonel MRG'ye olan ilgi yillar icinde cok hizli bir sekilde artmistir, bugun Pubmed portalinda fMRI ile ilgili aramada 27000'den fazla makale ile karsilasmaktayiz.

Fizik Temelleri

Fonksiyonel MRG, beyin kanlanmasinda dinlenmede ya da islev sirasindaki kan oksijen seviyesine bagimli degisikliklerinin gosterilmesini saglayan bir goruntuleme yontemidir. Bu degisiklikler BOLD (blood oxygen level depended) olarak isimlendirilmektedir [1].

Deoksihemoglobin paramanyetik olmasi ve T2* goruntulemede faz halinin kisa surede bozulmasi nedeniyle dusuk sinyal olusturur. Oksihemoglobin ise diamanyetiktir ve noral aktivasyon sirasinda hem damar genislemesi ile hem de kapillerdeki oksihemoglobin miktarindaki artis ile bir parlama olusur ve bu fark MRG ile gozlemlenebilir (Resim 1).

Eko Planar Goruntuleme (EPI) sekansi kullanilmaktadir. EPI, RF pulsu (90[degrees]) sonrasi gonderilen 180[degrees]ilk puls sonrasinda frekans-kodlama gradiyentini hizlica acip kapatarak k-space'in doldurulmasidir (Resim 2). EPI, goruntuleme zamanini tek bir imaj icin 20 msn ye kadar kisaltan hizli bir goruntuleme saglar. Hareket artefaktlarina duyarliligi azaltir, fizyolojik degisikliklerin gosterilebilmesini ve boylece serebral perfuzyon, difuzyon, kardiak perfuzyon, hizli T1 ve T2 hesaplamalari ve fonksiyonel aktivasyon gibi bilgilerin elde edilmesini saglar [2].

RF pulsu sonrasinda frekans-kodlama gradiyentini hizlica acilip kapatilarak k-space hizlica doldurulur. Spiral k-space dolum teknigi ile atlamalar yapilarak alanin tamaminin daha hizli taranmasi ve cekim suresi kisaltilirken veri kalitesinin korunmasi amaclanmaktadir (ornegin, 1, 3, 5,2,4,6 gibi). Bu desenler kesit dilimleri arasindaki boslukta hata oranini azaltmak icin kullanilmaktadir (Resim 3) [3, 4]. Kesit-zaman duzeltmesinde (Slice-Time Correction)'de bu tekniklerden yararlanilir. Paralel goruntuleme ve es zamanli coklu kesit gibi tekniklerle sinyal gurultu oranini azaltmak hedeflenmektedir. Cunku daha fazla veri daha fazla gurultu demektir [5, 6]. Bu yontemler ile TR 8 katina kadar azaltilabilir. Boylece daha fazla kesiti daha kisa surede elde ederek BOLD verisinin istatistiksel gucu arttirilmaktadir. Ayrica bu sekilde tarama suresi kisaltilir ve yaslilarda ve cocuk hastalarda bas hareketinin etkisini azaltir.

Fonksiyonel MRG protokolunde once referans MR goruntuleri elde edilir. T2 agirlikli FSE veya TSE (90[degrees] RF pulsu sonrasi tekrarlayan 180[degrees] RF uygulanarak belirli sayida faz kodlama dongusu uzerine kurulu bir cekim teknigidir) veya T1 inversiyon recovery goruntuler, beyin sablonunun daha buyuk gruplarda istatistiksel verileri karsilastirmasini saglamak icin 3D T1 agirlikli goruntuler kullanilir (Resim 4) [7]. Bazi tekniklerde fibre-tracking veya arteryel spin labelling-perfuzyon goruntusu eklenebilir [8, 9]. Ayrica bazi calismalarda hiperkapnik CO2 solunumu ya da nefes tutma daha nitelikli sonuclar elde etmek icin kullanilabilir [10].

BOLD goruntusu iki sekilde elde edilebilir. Birincisi Echo planar gradient eko (GRE) sekansi (90[degrees]'den kucuk RF pulslari ile faz kodlama dongusu olusturulur), ikincisi ise echo planar spin eko (SE) sekansidir. EPI SE, kilcal damarlardan elde edilen BOLD bilgisi icin en hassas yoldur. 1,5 T da SE sekansinda intravaskuler sinyal fMRG sinyalini baskilarken 4T ve ustu manyetik alan kuvvetinde SE'da intravaskuler sinyal kaybolur, BOLD kontrasti daha cok mikrovaskulaturde lokalize edilir. Yuksek alan gucleri SAR miktarini (Ozgul Emilim Orani) arttirmasiyla, bulanti, kusma ve diger semptomlara neden olabilir. 3T uzeri manyetik alan gucunde istatistiksel anlamlilik da azaldigi icin bircok calisma 3T da yapilmaktadir. Burada da sureyi kisaltmak icin hizli SE sekanslari (HASTE, TSE gibi) kullanilabilir. T2 verilerinin ve BOLD sinyallerinin kacirilmamasi ve noropsikolojik calismalarda 1.5 T cihazlar yetersiz kalmaktadir [11]. Butun bu veri toplama araclarini verimli bir sekilde kullandikta sonra, BOLD sinyalinin cok kucuk bir veri olmasindan dolayi; istatistiksel analiz icin yine de veriyi gurultuden arindirmak ve duzeltmeler yapmak gereklidir [12]. Kullanilan MR cihazinin ozellikleri ve veriyi okurken kullandigi denklemler de verinin kalitesi ve verimliligi acisindan buyuk onem tasimaktadir.

Arastirmalarda 2007'e kadar 1.5T MR cihazlari kullanilmistir. Daha sonra ise 3 ve daha yuksek Tesla cihazlar kullanilmaktadir. Gunumuzde arastirmalarin %56'si 3 ve uzeri Teslaya sahip cihazlar ile yapilmaktadir. Yuksek manyetik alan gucu goruntuyu netlestirmemize ve veri kalitesini artirmamiza yardimci oldugu gibi negatif ve pozitif data miktarini da ayni oranda arttirarak daha fazla gurultuye neden olmaktadir [11].

fMRG Teknikleri

Dinlenim hali d-fMRG

Dinlenim hali (Resting state) fMRG'nin en onemli katkisi varsayilan ag (default mode network) (DMN)'dir. Bu ag ilk olarak Raichi ve ark. tarafindan PET taramalarinda kesfedildi ve dinlenim hali fMRG taramalarinda da ayrintili olarak gozlemlenmistir.

Beyin dinlenme durumunda da belirli perfuzyon degisikliklerine ve aktiviteye sahiptir. d-fMRG, 0.1'den daha dusuk olan BOLD frekanslarini takip ederek olusturulur. Bazi alanlarin her zaman iletisim halinde oldugunu ve ag olarak baglandigi varsayilir (DMN) [13]. Gozlerin kapali veya acik olmasi d-fMRG paterni ve ag temelinde degisiklige neden olmaktadir. d-fMRG surecleri blok tasarimi gibidir, ancak hastanin tetkik sirasinda hicbir sey yapmamasi gerekmektedir [14].

Dinlenim hali fMRG ile DMN'nin neredeyse tamami kesfedilmistir; pre-cuneus, medial frontal lob, inferior parietal kortikal bolgeler ve medial temporal lob (Resim 5). Son arastirmalar DMN'nin sadece dinlenme ve aktif erisim sistemi olmadigini, ayrica beynin alinan gorevlere uyumunu saglamasi icin bir hizli yanit sistemi oldugunu gostermistir [15].

Gorev tabanli fMRG

Adindan da anlasildigi uzere gorsel, duyusal, isitsel, davranis manipulasyonu gibi uyarana verilen cevabin gozlendigi bir modeldir. Uyaran ve cevap kaydedildikten sonra, fenotipik, genotipik etki veya yas, cinsiyet, egitim duzeyi ve zorluk seviyesi gibi hipotezler icin daha fazla analiz yapilabilir. Bu model, hemodinamik degisiklikleri takip eden bir sistem uzerinde calistigimiz icin; tekrarlayan aktif ve pasif dinamik bloklarin tasarlanmasi gerekmektedir. Bu sayede oksihemoglobin degisiklikleri istatistiksel olarak daha iyi degerlendirilebilir [16].

Gorev tabanli fMRG blok model, olaya iliskin ve karisik duzen olmak uzere 3 modelden olusur (Resim 6).

1. Blok Deney

Blok deneyde, uyaranlar ayni sayida blok formlardadir. Ornegin 10 aktif, 10 pasif dinamik goruntu elde edilir, herbiri 4 kez tekrarlanir. Esit miktardaki pasif sure ile bolgedeki aktivitenin minimuma indirilerek aktivite anindaki farkin belirgin bir sekilde ortaya cikmasi amaclanmaktadir. Tumor cerrahisinde motor ve duysal fonksiyonlarin tumor tarafindan etkilenip etkilenmediginin gosterilmesinde ve onemli fonksiyonel alanlarin belirlenmesinde, epilepsi cerrahisi icin dominant hemisfer belirlenmesinde kullanilir. El ve ayak parmaklarini acma-kapama, kelime uretme, fiil turetme, goz acma kapama, retinopati seklinde gorevler blok olarak verilmektedir (Resim 7) [16].

2. Olaya iliskin

Blok deneyden farkli olarak belirli bosluklara veya uyaran zamanlarina sahip degildir. Bir deney tasariminda rastgele fakat belirli bir sayida uyaran vardir. Uyarana denk gelen dinamikler aktif olarak isaretlenir, geri kalanlar ise pasif olarak degerlendirilir. Yuz tanima, anlamli kelime, kelime gruplama gibi gorevler tanimlanabilir. Deney deseninde bir yardimci arac ile (buton vb) ilgili gorev sirasinda hangi dinamikte dogru veya yanlis cevap verildigi dolayisi ile hangi dinamiklerin aktif oldugu belirlenir [17].

3. Karisik Duzen

Karisik Duzen dizileri bilissel/davranissal ya da karmasik bir gorevin analizinde kullanilir. Bu dizilerde olculen durumlar ayni sayida degildir ve aktif/pasif zamanlari ve sayilari farklidir. Sayma veya hatirlama gibi bilissel maskeleme gerektirmeyen kompleks tepkileri analiz etme esnekligi saglar. Aktif sureci uzatarak pasif araligi kisaltmak ya da verilen uyarana gore hizlica aktive olan alanlarin tespiti icin ornegin 3 aktif 2 pasif daha sonra 4 aktif 3 pasif dinamik gibi deney desenleri ile elde edilme suresi uzamadan maksimum miktarda veri elde edilmesine olanak saglar. 2-n- back deney deseninde kisiden acik gri alanlari koyu gri alanlardan ayirt etmesi ve saymasi istenir. Bu sirada hastanin yapilan tekrarlarda pasif surenin esit tutularak MR cihazinda bulunmasi denek icin olumsuz bir surec olusturmaktadir. Bu sebeple analizdeki pasif donemi mumkun olcude daraltarak en kisa surede en cok aktif verinin toplanmasi amaclanan calismalarda karisik veri deseni kullanilabilmektedir [16].

fMRG Verilerinin Analizi

Fonksiyonel MRG verilerinin analizi yalnizca bir hastanin veya cok sayida hastanin verilerinin analize hazirlik icin on islemden gecirilmesi ve sonra bu verilerin istatistiksel analizi ile gerceklestirilir. Bugun tek tek hastalarin analizi bircok cihazda otomatik olarak islenmektedir. Ancak tek veya coklu gruplarda fMRG verisinin on islem ve islem sonrasi ve analizleri daha detayli internet erisimli veya satin alinabilen ileri bilgisayar programlari ile gerceklestirilebilmektedir.

- On islem (pre-processing)

Veriler analiz icin kardiyak ve solunumsal artefaktlar, hareket artefaktlari, yanlis pozitif veriler gibi cok fazla gurultuye sahiptir. Analizden once Istatistiksel gucu arttirmak icin verilerin on islemden gecirilerek temizlenmesi/vurgulanmasi gerekmektedir.

1. Kalite garantisi: Bazen veriler arasinda cok yuksek (sivri) veya buyuk fMRG verileri vardir. Bu veriler arastirma sonucunu buyuk olcude etkileyebilir. Bu nedenle, tarama sirasinda meydana gelmeyen (cekim kaynakli olmayan) dikenleri kontrol etmek icin verilerin tarama sonrasi on analizinin yapilmasi gerekmektedir.

2. Kesit zaman duzeltmesi: EPI sekansinda, her bir TR'de farkli beyin kesitleri vardir. Bu dinamikler komsu TR'lerdeki referans noktalariyla yeniden yerlestirilir. Bu sayede Tek Kesitli Ornekleme yontemine kiyasla daha verimli sonuclar elde edilebilir.

3. Bas hareket duzeltmesi: Ozellikle yasli veya cocuk deneklerle yapilan MRG calismalarinda hastayi sabitleme, hasta ile kooperasyonu saglama veya hareketli dinamigin kaldirilmasi ya da interpolasyon ile zamansal duzeltme saglanabilir. Bas hareketlerini engellemenin alternatif yolu, ileriye donuk hareket duzeltme "Promocor" teknikleridir. TR gecikmesi nedeniyle sadece yavas bas hareketleri ile uyumlu olarak calisir, o anda olan TR'yi degil bir sonrakini duzeltir [18].

4. Distorsiyon Duzeltmesi: fMRG goruntuleri statik alanlarin heterojenliginden dolayi bozulabilir. Bu hatalari onlemek icin alan haritalari ve goruntu veya k-uzay enterpolasyonu surecleri kullanilmaktadir [19].

5. Gecici filtreleme: Gorev suresinde, gorevle ilgisi olmayan frekanslarin gucunun bastirilmasiyla calismaktadir [20].

6. Uzamsal Yumusatma: Veriyi bulaniklastirir, ilgisiz gurultu kaynaklarini baskilar. Gauss kerneli maksimize etmek icin voksel kalinliginin iki kati tercih edilebilir. Tek calismalarda 4 mm.lik cekirdek boyutu onerilir, ancak grup analizinde 6-8 mm.lik cekirdek boyutlari onerilir [21].

7. Fizyolojik gurultu duzeltmesi: Kardiyak (~ 0.8-1.3 Hz) ve solunum (~ 0.1-0.3 Hz) gurultuleri fizyolojik gurultu ismiyle anilmaktadir [22]. Fizyolojik veriler cihazla senkronize edilerek cozulebilir ya da veri bu hareketler icin sonradan duzenlenebilir [23]. Kalp atis hizinin degismesi, derin nefes alma, CO2 inhalasyonu gibi etmenler BOLD genlik ve kan akisini etkiler [24]. Kalp hizinda degiskenlik dogrudan BOLD sinyalini bozar ve dalgalanmalar yapar [25].

8. Fonksiyonel-yapisal ortak kayit: Toplanilan MRG verileri genellikle, voksel cozunurlugu, goruntu bozulmasi, fizyolojik veya mekanik olarak yonelim ya da gurultu nedeniyle birbiriyle uyusmamaktadir. Bu durum haritalama yaparken sorun yaratmaktadir. Bu yontemle, uzamsal cozunurlukteki verilerin anatomisi yeniden orneklendirilir ve minimum kayipla donusturulur [26].

9. Uzamsal normallesme: Butun beyinler birbirinden farkli sekillere sahiptir. Arastirmalarda belirli populasyonlardan toplanan standart sablonlar ile veriler normallestirilmektedir. Talairach atlas ve Montreal Neurological Institute (MNI) sablonlari en cok kullanilanlardir. Bu prosedurler yogunluk, yer isareti veya yuzey bazinda yapilabilir [27, 28].

- Islem Sonrasi (Post-Processing)

A. Coklu karsilastirmalar icin duzeltme:

Yanlis pozitif olarak etiketlenmis buyuk veriler hala veri setlerinde bulunmaktadir ve anlamlilik duzeyini dusurmektedir. Bu tur hatalari onlemek icin Bonferroni proseduru tarafindan olusturulan Yakinsal Bilgi Hatasi (Family Wise Error) ve algilanan aktivasyon arasinda False Discovery Rate (FDR) kullanilir [29]. Diger bir yontemde belirli bir esigin ustunde olan vokseller bulunarak, kumenin gercekten aktif olup olmadigi sifir hipotezi ile test edilip hatalar tespit edilmeye calisilir. Rastgele alan teorisi, Monte Carlo simulasyonu ve parametrik olmayan permutasyon teknikleri de kullanilir. Bu teknikler avantajlidir ancak buyuk kumeler icin dogrulugu sinirlidir [12].

B. Kalite garantisi: Yukarida bahsedildigi gibi anormal olarak gozuken verinin dogrulugundan emin olmak icin yurutulen bir surectir (Resim 8).

C. Istatistiksel Analizler

1. T testi analizleri

T testi analizleri, ayni istatistiksel grup verisine bagli olan ve kullanicinin belirledigi anlamlilik duzeyinde bunlari karsilastiran bir istatistiksel analizdir. Aktif voxel sayisini ya da kac sira halde voxelin anlamli olacagini belirleyerek analiz duzenlenebilmektedir. T- Test analizi iki buyuk probleme sahiptir. T-test analizinin birinci problemi hemodinamik sureclerle ilgilidir. Burada olusan problem vokselde bulunan hemodinamik surecin farkli dinamikte ayni voksel sinirlarini tasimamasidir. Diger problem ise, beyin bolgelerinin vokselin tamaminin icinde temsil edilememesidir. Bu durumda gurultu veya artefakt karisabilir [29].

2. Korelasyon analizi

Verinin her bir zaman dizisindeki senkronizasyonunu analiz eder. r degeri -1 ile +1 arasinda degismektedir. '0', korelasyon yok demektir ve + 1 pozitif, -1 negatif korelasyon anlamina gelir. Hesaplanan r degerleri, istatistiksel analizler icin t degerleri olarak donusturulebilir. Korelasyon testleri tekil aktivasyon veya test fazi icin kullanilir, ancak fMRG projeleri her zaman birden fazla aktivasyon surecine sahiptir, bu yuzden korelasyon analizi fMRG analizlerinde kullanilamaz [29].

3. Genel lineer model (GLM) analizi

Bu model denek ve kontrol data arasindaki uzamsal ve zamansal uyumlulugu olctugu icin fMRG analizlerinde sikca kullanilmaktadir. GLM, voxel'in zaman serilerinin, model faktorlerin lineer kombinasyonuna uyup uymadigini olcer. GLM, goruntu bagimli olmayan degiskenleri (yas, cinsiyet, egitim yili vb.) ekleme olanagi vererek esnek bir deney deseni olusturulabilmesini saglar. GLM ile olayla iliskili veriler kolayca analiz edilebilmekte, farkli alanlardaki psikofizyolojik etkilesimler incelenebilmektedir [30]. EEG gibi farkli goruntuleme metodlari ile de koreledir [31].

Bu analizin baslica sinirliligi, spesifik fMRG uygulamalarinda model varsayimlaridir ve BOLD cevabinin dogrusalligini gerektirir. Fakat BOLD dogrusal olmadigindan, daha yuksek modeller kullanilmasi gerekmektedir [30].

4. Cok degiskenli desen analizi (MVPA)

Korelasyon ve GLM analizi, tum vokselleri diger tum voksellerle bagimsiz olarak analiz eder. Fakat bu tek degiskenli analizler, beynin kompleks yapisinin incelenmesine uymamakta ve karmasik bilissel islevleri analiz etmek icin daha kapsamli analiz yontemlerine ihtiyac duyulmaktadir. Vokseli grup olarak analiz etmek onu teker teker ele almaktan daha etkin bir sonuc saglamaktadir. Bu sebeple MVPA analizi, model semalari ile coklu vokselleri analiz etmek icin kullanilmaktadir [32]. MVPA, 2001'den beri gorsel ve bilissel gorevlerde kullanilmaktadir [33]. Matlab tabanli Princeton MVPA tool box'i (http://code.google.com/p/princeton-mvpa-toolbox/) ve python'a (http://www.pymvpa.org) cesitli toolbox eklenerek kullanilmaktadir.

Voksellerin hangilerinin kapsama alindigi ya da hangi uzamsal olcegin kullanildigi MVPA'nin performansini etkileyebilir. Farkli etkinlestirilmis veri kumesi topografileri nedeniyle, MVPA'nin her veri seti kendine ozgudur. Bu nedenle karsilastirmali analiz zorlasmaktadir [32].

D. Denekler arasi analiz

Fonksiyonel MRG analizlerinde, birden fazla hasta ve tarama, data kalitesini arttirmak ve istatistiksel sonucu daha anlamli kilmak icin kullanilmaktadir. Grup duzeyinde cikarim ve gorev aktivasyonunun iki teknigi vardir. Ilk yontem, tum konulari tek bir zaman dizisine birlestirmek, ardindan bu verilere tek konu duzeyinde analiz uygulamaktir. Buna sabit etki analizi denir. Istatistiksel olarak guclu gorunmesine ragmen yuksek olcekte gorev yanitlari ile uyumsuzdur. Sabit etki analizi, aykiri degerlere cok duyarlidir. Bu yuzden bu sonuclar daha buyuk populasyona genellenemez. Rastgele etki analizi, daha cok fMRG calismalarinda uygulanmaktadir. Her hastanin bir grup temsilcisi oldugunu varsayacak sekilde analiz eder. Iki asamada yapilan rastgele etki analizinde; ilk asamada, her bir denek bagimsiz olarak analiz edilmistir. Ikinci asamada ise, ilk asamadan toplanan veriler onemlilik acisindan test edilmektedir [34].

Grup Veriseti fMRG Analizi

Grup verisi analizleri bir denegin analizinden farkli olarak bircok verinin ustuste gelmesi sonucu olusturulmus ortak bir beyin matrisi olusturularak incelenir. Bu sebeple bu verinin analizi bireysel analizden farkli degerlendirilmektedir (Tablo 1).

fMRG'nin Klinik Kullanimi

Fonksiyonel MRG sadece arastirmalarda kullanilmamaktadir, ayni zamanda baskin hemisferin belirlenmesi ve operasyon oncesi veya sonrasi surec degerlendirmelerinin belirlenmesi icin epileptik hastaliklarda kullanilmaktadir. Alzheimer ve Parkinson Hastaligi gibi dejeneratif durumlarin tespiti, semptomlarin degerlendirilmesi acisindan onemlidir.

Alzheimer Hastaligi'nda fMRG'nin gecerlik guvenirlik calismasi bulgularina gore; hipokampus dejenerasyonu ve atrofi spesifikligi %72, guvenilirlik %78 olarak saptanmis, cok degiskenli model yontemi ile guvenilirlik %97'ye yukselmistir [35].

Fonksiyonel MRG tumoru olan ve epilepsi cerrahisi planlanan hastalarda el/ayak parmaklarini acma- kapama, retinopi ve secici dikkat testleri, kelime turetme tasklari ile beyin fonksiyonlarinin degerlendirilmesinde kullanilir. El/ayak parmaklarini acma kapama ile motor korteksin, retinotopi ile oksipital korteksin, kelime ve fiil turetme, anlamli kelime gibi testlerle de konusma ve kelime kullaniminda aktif olarak kullanilan Wernicke, Broca alanlari ve arkuat lifler degerlendirilir. Tumor nedeniyle bu alanlara olan basi ile degisiklik, cerrahinin bu alanlari etkileyip etkilemeyecegi degerlendirilir. Genel olarak belirli bir istatistiksel parametrik haritalandirma ile fMRG analizleri uygulansa da tumor, kafa ici basinc artisi sendromu vb. olgularda varsayilan haritalandirmada bozulmalar olacagi icin bu alanlarin kullanici tarafindan degerlendirilmesi daha dogru olmaktadir.

Baglantisallik (connectom) analizi ile noral ag sistemlerinin dusunme, mantiksal analiz, tahmin sureclerindeki rolu ve bu sistemlerin bir kismi degistigi ya da hasar gordugu zaman neler oldugu analiz edilebilmektedir. Bu analizleri gerceklestirmek icin gunumuzde SPM (Statistical Parametric Mapping) ve buna bagli olan CONN (Connectivity Toolbox), FSL gibi yazilim araclari kullanilmaktadir [36-38].

fMRG Guvenilirligi

Fonksiyonel MRG, klinik ve arastirma surecleri icin en hizli gelisen alan olmasina ragmen, istatistiksel anlamlilik ve veri analiz yontemleri acisindan problemlere sahiptir. Ornegin, GLM (Genel Dogrusal Model) veri olasilik haritalari ile belirlenir. Ancak guvenilirligi zayiftir, cunku veri konumu kalp hizi veya beyin hemodinamik degisikliklerinden etkilenmektedir. GLM bize T-testi ANOVA ve ANCOVA istatistiksel analiz yontemlerini vermektedir, ancak gurultu azaltma surecleri nedeniyle guvenilirliginden suphe duyulmaktadir. Bu sinirliliklar icin Bagimsiz Bilesen Analizi (independent component analysis) (ICA) veya aktivasyon yontemlerine dayanan olasilik haritasi da uretilmistir; ICA ve olasilik haritasi tabanli uyari yaniti izlemi yapilmakta ve bu sayede daha temiz, detayli bir model elde edilmektedir. Baska bir yontem ise aktivasyonu takip ederek GLM uzerinde dagilim verilerini yeniden analiz etmektir [36].

Oncelikle, BOLD sinyali ozellikle d-fMRG>de genligi nedeniyle oldukca hassastir. Bundan dolayi kardiyak pulsasyonlar ve solunum hareketlerinin degiskenligi BOLD datasini etkiler. Bu surecler cogunlukla dilim ve zaman duzeltmeleri ile ortadan kaldirilabilir (on islemler). Ayrica psikolojik durum da BOLD sinyalini etkileyebilir, hormon seviyesi kontrolu ve psikolojik degerlendirme bu hatalari onleyebilmektedir [37].

Yanlis pozitif veri ve Z/t skorlari, aktif/pasif donusum gibi problemler bir bias olusturmamakla beraber guvenilirligi etkiler.

Ayrica fMRG analizlerinde tip 1 ve tip 2 hatalarinin (yanlis pozitiflik tip 1, yanlis negatiflik ise tip 2 hata olarak degerlendirilir) degerlendirilmesi gerekir. Tip 1 hatalarindan kacinmak icin p degerlerini dusurmek en iyi secenek olarak gorunmektedir. Fisher p<0.05 degerlerini, 1962 yilinda davranis bilimleri icin yeterli oldugunu bildirmistir (100.000 voksel analizine denktir), ancak bu degerleri fMRG analizinde yeniden uretmek zordur. Bir fMRG verisi yaklasik 5000 voksel analizi gosterir, bu sebeple p<0.001 degeri yaklasik 100 vokselle esit olur ve bu sekilde fMRG datasi tekrarlanabilir ve olculebilir olur. Ancak arastirmalar, p<0.005 (10 voksel) 'in, fMRG analizleri icin en iyi tekrarlanabilir degerler oldugunu gostermektedir. Ayrica; yakinsal bilgi hatasi (family wise error) (FWE) ve yanlis kesif orani (false discovery rate) (FDR) gibi surecler ile de tip 1 ve 2 hatalarini azaltmak icin calisilmaktadir [38].

Dusuk p degeri ile tip 1 hatalari onlenebilmektedir. Ayrica tip 2 hata tespiti de bu durumdan etkilenmektedir, ayni zamanda veri oranini, yanlis pozitif orani artirir ve degerlendirme bu faktorlere dayanmaktadir. P degeri 0.0005 ise, ornegin, sahte pozitif orani tespiti %30'dur, tip 2 hata ise %67'dir. Ancak p<0.001 ise hata tespit orani %86, p<0.0001 ise %96 olacaktir. FWE, tip 1 hatalarinin azaltilmasina olanak saglarken, FDR ise tip 2 hatalari icin cozum olarak kullanilabilmektedir [38].

Gorunurluge odaklanmak da bizi bias'a goturebilir. Ornek sayisini ve oranini arttirmak biastan korunmak icin bir cozum olabilir fakat bu da maliyeti ve sureci arttirmaktadir. Istatistiksel paradigmalar degistikce sonuclari da degistirebilir ve bias oranini arttirabilir.

Istatistiksel anlamliligin yaninda, dil ve algi paradigmasi gibi faktorler de sonuclarin ve beyindeki aktif alanlarin (Ingilizce ve cince anadil konusanlarin kelime algilamada kullandiklari alanlarin farkli olmasi) farkli bulunmasina neden olabilir [39].

Sinyal gurultu oranini korumak fMRG'de cok onemli bir konudur. Fonksiyonel MRG analizini guvenilir hale getirmek icin sinyal sayisini ozellikle gurultu sayisidan cok daha fazla yapilmasi gerekmektedir. Ancak, ham veriler buyudugunde, ayni zamanda gurultuyu de buyutur ve bu durum daha buyuk miktarlarda veri almamizi sinirlar. Bu faktorleri hesaplamak icin inter kume duzeltmeleri (ICC) kullaniriz. ICC ile ayni voksellerin farkli zaman kesitlerinde ayni olup olmadigini hesaplariz. fMRG analizinde bu oranlar 0.6 ile 0.7 arasindadir. Sinyal duzeltme sistemleri hakkinda pek cok yontem tartisilmaktadir ancak cogunlukla ICC ve voksel tabanli analizler kullanilmaktadir. Bu faktorler ve yontemler olmasina ragmen, bazi hastalik paradigmalarinda ve istatistiksel analizlerde ozgulluk degisebilir. Anlamlilik, sureclerde kullanilan cihazlara gore degisebilir. Spesivitenin saglanmasi icin en az 10 hasta katilmalidir [40].

Tartisma

Fonksiyonel MRG 1990'dan beri hizla ve surekli olarak gelismeye devam etmektedir. Elestiriler ve guvenilirlik sorunlarina ragmen, bilissel bilimlerde onemli analiz tekniklerinden biridir. Yeni arastirma yontemleri ve istatistiksel analiz yontemleriyle Epilepsi, Alzheimer hastaligi, diger kranial hastaliklar ve bilissel/davranissal bozukluklarin tani ve surec degerlendirmesi icin kullanilabilir. Fonksiyonel MRG analizlerinde bircok analiz sureci otomatiklestirilmis de olsa, verinin bircok faktorden etkilenmesi, elde edilen verinin degiskenligi ve araliklarinin net belirgin olmamasi (pozitif ve negatif durumlarin sayisal esiklerinin cok net olmamasi, kisi ve ana gore degismesi) radyologun karar verme surecinde etkin rol oynamasini gerektirmekte ve vaka analizlerini zorlastirmaktadir. Son zamanlarda yapilan tartismalarda da bahsedildigi gibi, analiz tekniklerinin yeni olmasi ve istatistiksel analizin cok zor olmasi sebebiyle radyologlar fMRG analizlerinde aktif rol oynamak zorunda kalmaktadir. Gunumuzde guclenen islemci yapilari ve sistemler sayesinde fMRG analizleri ayni grup uzerinde bile tekrar degerlendirildiginde sonuclarin yer yer farklilasmasi bu durumu daha acik bir sekilde ortaya koymaktadir. Verilerin tekrarlanabilirliginin onemine ragmen bu surecler fMRG analizlerinin hala analiz sureclerinde otomasyonunu engellemektedir. Bircok yapay zeka ve ogrenen makine teknikleri ile veriler analiz edilmeye ve dogruluk degerleri yukseltilmeye calisilsa da su anda bu surecler de yeni teknolojiler olmasi sebebiyle klinisyen kontrolune mahkumdur. Ayrica noronal organizasyonun anlasilmasinda etkin olarak kullanilabilir [39].

Fonksiyonel MRG ile yapilan arastirmalar, buyuk veri sorununa ve verinin karmasikligina ragmen, son 2 yilda klinik arastirmalari ve beyin arastirmalarini daha verimli hale getirmektedir. Ozellikle teknolojinin yardimiyla, analiz yontemlerinde ve simulasyonlarda olan iyilesmeler, arastirmalarda daha az hata orani ve daha etkin sonuclar saglamaktadir. Bu gelismelerle birlikte arastirmalar daha degerli ve guclu veriler sunmaktadir [40].

Gunumuzde yapilan arastirmalarda cogunlukla fMRG'nin gelisim hizi ve guvenilirligi hakkinda tartisilmaktadir. Arastirmalarda; yumusatma, FWE, FDR, Gauss kernel, hata duzeltme, dilim ve zaman duzeltmeleri gibi konulara odaklanarak fMRG taniminin gelistirilebilecegi, basarisiniin arttirilacagi, sistemlerin islerliginin guclendirilebilecegi uzerinde durulmaktadir.

Ayrica magnetoensefalografi gibi yontemler de fMRG'yi aslinda dinamiksel bir basamak olarak gormemizi dusundurebilir. Cunku bu yontem ile fMRG gibi doku kan oksijenasyonu degisimi uzerinden degil, direk noron uzerindeki elektriksel yuk degisikliklerinin olusturdugu manyetik alan degisikliklerinin milisaniye bazinda olcum yapilabilmesi beyin fonksiyonelliginin arastirilmasinda bize yeni bir boyut acmistir. Bu teknik ile fMRG ve EEG uzerinde elde ettigimiz istatistiksel gucu birlestirerek ileride yapilacak analizler ile beyin yapisi ve fonksiyonlari hakkinda daha detayli bilgiler elde ederek, klinik tablolari daha derinlemesine inceleme, hastalik ve sonuclarini izleme, onleme hakkinda daha net bilgiler elde edebilecegiz.

Sonuc

Buyuk verilerle ilgili en cok elestirilen konulardan biri, fMRG verisinin islenmesi, sinirsel islemden daha uzun surmektedir, bu nedenle kucuk aktivasyon alanlarini tespit edilmesi ve bazi bilissel islevler (hafiza gibi) sonuclari etkileyebilir ve sonuclarin kalitesini etkileyebilir. Ancak bugun fMRG ve d-fMRG yontemleri gunumuzde siklikla kullanilmaktadir ve arastirmalar devam etmektedir.

Hakem Degerlendirmesi: Dis bagimsiz.

Yazar Katkilari: Fikir - K.K., E.A.; Literatur Taramasi - K.K., E.A.; Yaziyi Yazan - K.K., E.A.; Elestirel Inceleme - K.K., E.A.

Cikar Catismasi: Yazarlar cikar catismasi bildirmemislerdir.

Finansal Destek: Yazarlar bu calisma icin finansal destek almadiklarini beyan etmislerdir.

Kaynaklar

[1.] Buxton RB, Wong EC, Frank LR. Dynamics of blood flow and oxygenation changes during brain activation: the balloon model. Magn Reson Med 1998; 39: 855-864.

[2.] Stehling MK, Turner R, Mansfield P. Echo-planar imaging: magnetic resonance imaging in a fraction of a second. Science 1991; 254: 43-50.

[3.] Mansfield P. Multi-planar image formation using NMR spin echoes. IOP 1977; 3: L55.

[4.] Bernstein MA, King K F, Zhou XJ. Handbook of MRI pulse sequences. Elsevier, 2004.

[5.] Sodickson DK, Manning WJ. Simultaneous acquisition of spatial harmonics (SMASH): fast imaging with radiofrequency coil arrays. Magn Reson Med 1997; 38: 591-603.

[6.] Chen L, T Vu A, Xu J, et al. Evaluation of highly accelerated simultaneous multi-slice EPI for fMRI. Neuroimage 2015; 104: 452-459.

[7.] Mugler JP 3rd, Brookeman JR. Three-dimensional magnetization-prepared rapid gradient-echo imaging (3D MP RAGE). Magn Reson Med 1990; 15: 152-157.

[8.] Le Bihan D, Breton E, Lallemand D, Grenier P, Cabanis E, Laval-Jeantet M. MR imaging of intravoxel incoherent motions: application to diffusion and perfusion in neurologic disorders. Radiology 1986; 161: 401-407.

[9.] Borogovac A, Asllani I. Arterial Spin Labeling (ASL) fMRI: advantages, theoretical constrains, and experimental challenges in neurosciences. Int J Biomed Imaging 2012: 818456.

[10.] Chang C, Thomason ME, Glover GH. Mapping and correction of vascular hemodynamic latency in the BOLD signal. Neuroimage 2008; 43: 90-102.

[11.] GeiBler A, Fischmeister FP, Grabner G, et al. Comparing the Microvascular Specificity of the 3- and 7-T BOLD Response Using ICA and Susceptibility-Weighted Imaging. Front Hum Neurosci 2013; 7: 474

[12.] Woo CW, Krishnan A, Wager TD. Cluster-extent based thresholding in fMRI analyses: pitfalls and recommendations. Neuroimage 2014; 91: 412-419.

[13.] Buckner RL, Andrews-Hanna JR, Schacter DL. The brain's default network: anatomy, function, and relevance to disease. Ann N Y Acad Sci 2008; 1124: 1-38.

[14.] Patriat R, Molloy EK, Meier TB, et al. The effect of resting condition on resting-state fMRI reliability and consistency: a comparison between resting with eyes open, closed, and fixated. Neuroimage 2013; 78: 463-473.

[15.] van den Heuvel M P, Hulshoff Pol HE. Exploring the brain network: a review on resting-state fMRI functional connectivity. Eur Neuropsychopharmacol 2010; 20: 519-534.

[16.] Petersen SE, Dubis JW. The mixed block/event-related design. Neuroimage 2012; 62: 1177-1184.

[17.] Dale AM. Optimal experimental design for event-related fMRI. Hum Brain Mapp 1999; 8: 109-114.

[18.] Power JD, Mitra A, Laumann TO, Snyder AZ, Schlaggar BL, Petersen SE. Methods to detect, characterize, and remove motion artifact in resting state fMRI. Neuroimage 2014; 84: 320-341.

[19.] Hutton C, Bork A, Josephs O, Deichmann R, Ashburner J, Turner R. Image distortion correction in fMRI: A quantitative evaluation. Neuroimage 2002; 16: 217-240.

[20.] Satterthwaite TD, Elliott MA, Gerraty RT, et al. An improved framework for confound regression and filtering for control of motion artifact in the preprocessing of resting-state functional connectivity data. Neuroimage 2013; 64: 240-256.

[21.] Lindquist MA, Loh JM, Yue YR. Adaptive spatial smoothing of fMRI images. Statistics and Its Interface 2010; 1: 3-13.

[22.] Birn RM, Diamond JB, Smith MA, Bandettini PA. Separating respiratory-variation-related fluctuations from neuronal-activity-related fluctuations in fMRI. Neuroimage 2006; 31: 1536-1548.

[23.] Verstynen TD, Deshpande V. Using pulse oximetry to account for high and low frequency physiological artifacts in the BOLD signal. Neuroimage 2011; 55: 1633-1644.

[24.] Birn RM, Murphy K, Bandettini PA. The effect of respiration variations on independent component analysis results of resting state functional connectivity. Hum Brain Mapp 2008; 29: 740-750.

[25.] Shmueli K, van Gelderen P, de Zwart JA, et al. Low-frequency fluctuations in the cardiac rate as a source of variance in the resting-state fMRI BOLD signal. Neuroimage 2007; 38: 306-320.

[26.] Gholipour A, Kehtarnavaz N, Briggs R, Devous M, Gopinath K. Brain functional localization: a survey of image registration techniques. IEEE Trans Med Imaging 2007; 26: 427-451.

[27.] Talairach J. Co-planar stereotaxic atlas of the human brain-3-dimensional proportional system. An approach to cerebral imaging, Thieme 1988.

[28.] Brett M, Johnsrude IS, Owen AM. The problem of functional localization in the human brain. Nat Rev Neurosci 2002; 3: 243-249.

[29.] Genovese CR, Lazar NA, Nichols T. Thresholding of statistical maps in functional neuroimaging using the false discovery rate. Neuroimage 2002; 15: 870-878.

[30.] Friston KJ, Buechel C, Fink GR, Morris J, Rolls E, Dolan RJ. Psychophysiological and modulatory interactions in neuroimaging. Neuroimage 1997; 6: 218-229.

[31.] Goldman RI, Stern JM, Engel J Jr, Cohen MS. Acquiring simultaneous EEG and functional MRI. Clin Neurophysiol 2000; 111: 1974-1980.

[32.] Haxby JV. Multivariate pattern analysis of fMRI: the early beginnings. Neuroimage 2012; 62: 852-855.

[33.] Norman KA, Polyn SM, Detre GJ, Haxby JV. Beyond mind-reading: multi-voxel pattern analysis of fMRI data. Trends Cogn Sci 2006; 10: 424-430.

[34.] Calhoun VD, Adali T, Pearlson GD, Pekar JJ. A method for making group inferences from functional MRI data using independent component analysis. Hum Brain Mapp 2001; 14: 140-151.

[35.] Biswal B, Yetkin FZ, Haughton VM, Hyde JS. Functional connectivity in the motor cortex of resting human brain using echo-planar MRI. Magn Reson Med 1995; 34: 537-541.

[36.] Monti MM. Statistical Analysis of fMRI Time-Series: A Critical Review of the GLM Approach. Front Hum Neurosci 2011; 5: 28.

[37.] Chang C, Cunningham J P, Glover GH. Infuence of heart rate on the BOLD signal: the cardiac response function. Neuroimage 2009; 44: 857-869.

[38.] Lieberman MD, Cunningham WA. Type I and Type II error concerns in fMRI research: re-balancing the scale. Soc Cogn Affect Neurosci 2009; 4: 423-428.

[39.] Zulkifi NSA, Othman MF, Kamal NF. A Review: Fundamental and applications of functional magnetic resonance imaging (fMRI) on brain learning activities. AMIS 2012: 85-90.

[40.] Bennett CM, Miller MB. How reliable are the results from functional magnetic resonance imaging? Ann N Y Acad Sci 2010; 1191: 133-155.

Kerem Kemik (1), Emel Ada (2)

(1) Dokuz Eylul Universitesi Saglik Bilimleri Enstitusu, Sinirbilimler Anabilim Dali, Izmir, Turkiye

(2) Dokuz Eylul Universitesi Tip Fakultesi, Radyoloji Anabilim Dali, Izmir, Turkiye

Sorumlu Yazar: Kerem Kemik

E-posta: keremkemik9@gmail.com

Gelis Tarihi: 24.01.2019

Kabul Tarihi: 16.04.2019

DOI: 10.5152/turkjradiol.2019.95919
I Tablo 1. Grup verisi fMRG analiz teknikleri

                       Kaynak

1- Kok Tabanli [37]    Onceden belirli kokler
2- Bagimsiz Bilesen    Ham fMRG datasi
Analizi (ICA) [36]
3- Kumeleme            Pozitif voksel yogunlugu olan
                       bolgeler secilir
4- Desen Sinifandirma  Hastalik ya da durum temelli
                       bir deseni kullanir
5- Grafk Teorisi       ROI ve yapilari bagimsiz
                       karsilastirir
6- Diger Yontemler     Tercihe bagli

                       Dezavantaj

1- Kok Tabanli [37]    Datada olan kok disi verileri kacirma,
                       yanlis tanimlama
2- Bagimsiz Bilesen    Gurultuyu bir tohum olarak tanimlamasi
Analizi (ICA) [36]     mumkundur. Iyi gurultu temizligi gerekir
3- Kumeleme            Yuksek gurultu temizligi gerekir.
                       Secilecek voksel boyutunun dikkatli
                       secilmesi gerekir
4- Desen Sinifandirma  Kullanici temelli desen sebebiyle
                       Bias'a yatkinlik yaratir
5- Grafk Teorisi       Analizi zorlastiriri, iliskisiz noktalari
                       bagli gosterebilir.
6- Diger Yontemler     Sik kullanilmayan ve sadece belirli ekipler
                       tarafindan uygulandiklari icin bias ve
                       teorinin desteklenmesi konusundan
                       dezavantajlilardir

                       Avantaj

1- Kok Tabanli [37]
2- Bagimsiz Bilesen    Butun datayi analiz eder
Analizi (ICA) [36]
3- Kumeleme            Farkli istatistiksel yontemlere
                       olanak saglar
4- Desen Sinifandirma  Daha detayli bir bolge
                       analizi saglar
5- Grafk Teorisi       Genel datanin istatistiksel
                       analizine olanak saglar
6- Diger Yontemler     Farkli hastalik ve gruplar icin
                       alternatif yontemler elde
                       etmemizi saglar.
COPYRIGHT 2018 AVES
No portion of this article can be reproduced without the express written permission from the copyright holder.
Copyright 2018 Gale, Cengage Learning. All rights reserved.

Article Details
Printer friendly Cite/link Email Feedback
Title Annotation:DERLEME
Author:Kemik, Kerem; Ada, Emel
Publication:Turkish Journal of Radiology
Date:Dec 1, 2018
Words:5379
Previous Article:TANINIZ NEDIR? / CEVAP Olgu 5.
Next Article:Redundan sigmoid kolon sikliginin bilgisayarli tomograf goruntulerinde degerlendirilmesi/Evaluation of the frequency of redundant sigmoid colon on...
Topics:

Terms of use | Privacy policy | Copyright © 2021 Farlex, Inc. | Feedback | For webmasters |