Laboratoire 3 11 mars 2015

Analyses intra- et inter-sujets (1st-level and 2nd-level analysis):

Pour débuter le cours, on va faire le prétraitement des 2 sujets présents dans votre répertoire. Je vous demande de ne pas utiliser la batch pour le prétraitement que vous avez créée lors du Labo 2, mais d’en créer une nouvelle que vous utiliserez pour les 2 sujets d’aujourd’hui. Vous devez apprendre à rentrer les bons paramètres pour le prétraitement et autres analyses, car je vais vous le demander à l’examen.

Aujourd’hui, on travaille sur la même tâche que lors du dernier labo, la « Stop-signal task », pendant laquelle on demande au participant de répondre d’une certaine façon pour les stimuli « Go » qui sont très fréquents, et d’inhiber leur réponse pour les stimuli « Stop » qui sont plus rares.

Donc, à la fin du cours, vous serez en mesure de faire des analyses de groupe à 3 sujets  !

Prétraitement   :

1. N’oubliez pas d’ouvrir vos images fonctionnelles et structurelle à l’aide de la fonction « Check Reg » pour voir les 2 images en même temps. À cette étape, on peut déjà se rendre compte que nos images présentent des problèmes au niveau de l’acquisition. Il peut aussi y avoir de la distorsion dans nos images : elles ne semblent pas uniformes. Souvent, on dirait qu’il manque une petite partie du cerveau en arrière des yeux au niveau du cortex orbitofrontal, c’est dû à la distorsion du champ magnétique causé par les sinus, ou par des broches par exemple. Si tout semble ok on passe à l’étape suivante : le prétraitement.

2. Réalignement : Estimate and Reslice: - Les paramètres à changer :

o Estimation Options : Interpolation :  4th Degree B-Spline o Resliced images : « Mean Image Only »

3. «Slice timing»:-Veuillez vous fier à votre feuille de paramètres pour rentrer le TR et Nombre de tranches, et le type d’acquisition. Les autres paramètres, vous pouvez les déduire.

4. Coregistration : Estimate :-Garder les paramètres par défaut

5. Segmentation :-Les paramètres à changer :

o Save Bias Corrected : Choisir « Save Bias Corrected »

1

o Dans les paramètres Warping & MRF, pour Deformation Fields: Choisir Forward

6. Normalise : Write :-Changer les voxels size pour ceux de l’étude

7. Smoothing :-Laisser les paramètres par défaut.

On refait la même chose pour l’autre sujet.

Contrôle qualité : Réalignement : Est-ce que le mouvement est acceptable pour les 2 sujets ? En terme de degré de rotation, le réalignement varie de combien de degré pour le sujet 46 et pour le sujet 49 ?

Coregistration : L’image fonctionnelle moyenne et l’image structurelle sont bien alignées l’une avec l’autre ?

Segmentation : Le fichier c1 (matière grise segmentée) et notre fichier structurel brut semblent similaires ? Les gyrus et sulcus semblent identiques ? Avec MRIcron, si vous superposez les fichiers c1, c2 et c3, est-ce que ça couvre tous les voxels du cerveau ?

2

GLM   :

Tout d’abord, pour la spécification du GLM aujourd’hui, vous allez utiliser la fonction « Multiple Conditions » avec laquelle vous allez chercher un fichier .mat qui contient toutes les conditions, leurs temps de présentation et leurs durées. À ce moment, dans votre dossier sujet46 et sujet49, les conditions ont été sauvegardées dans un fichier texte. Donc, (1) Il faut transformer ce fichier texte en fichier matlab pour que SPM soit capable de lire le fichier. (2) Il faut « loader » ce nouveau fichier matlab dans la fenêtre matlab pour qu’il soit visible pour SPM.

(1) Copier l’ensemble de l’information contenue dans le fichier texte sur une ligne de commande dans Matlab. Appuyez sur « Enter ».(2) Sur une nouvelle ligne de commande, écriver : load nom_du_fichier puis « Enter »

-Ensuite, dans la fenêtre en haut à gauche de SPM, cliquer sur « Specify 1st-level », vous voyez donc qu’un « fMRI model specification » vient d’apparaître dans notre fenêtre de « Batch Editor »

-Directory : SPM nous demande où nous voulons sauvegarder le fichier GLM que nous allons créer à cette étape. Et il ne peut qu’y avoir qu’1 seul fichier GLM dans un dossier. Je vous suggère de créer un dossier ‘stats’ ou ‘GLM’ dans le dossier de notre sujet. Une fois le dossier créé, cliquer sur « Specify » et aller chercher ce nouveau dossier.

-Timing parameters :o Units for design : Secondes. o Interscan interval : Notre TR (en secondes)o Microtime resolution : Mettre le nombre de tranches acquises (car on a fait du

slice-timing correction) o Microtime onset : Mettre la tranche du milieu (car on a fait du slice-timing

correction)

-Data & Design :o Dans « New Subject/Session », aller chercher les fichiers smoothed à 8mmo Multiple conditions : aller chercher le fichier de conditions .mat dans votre

dossier de sujeto Multiple regressors : les paramètres de nuisance. Le fichier rp ….. .txt qui

contient les transformations effectuées lors de la correction du mouvement.o High-pass filter : On va toujours le laisser à 128. C’est un filtre qu’on utilise qui

sert à extraire et enlever le signal associé au bruit physiologique (e.g. la respiration, le battement cardiaque, etc).

o Explicit mask : On a la possibilité de choisir un masque qui a la fonction de seulement analyser les voxels à l’intérieur de ce masque. Ça va diminuer le

3

nombre de comparaisons multiples, mais généralement si vous voulez utiliser un masque, vous allez le faire aux analyses de 2e niveau (analyses de groupe).

o Tous les autres paramètres sont laissés tel quel.

-Vous allez cliquer avec le bouton de droite sur fMRI model specification et répliquer ce module. Donc, vous n’avez qu’à changer le directory, les scans, les conditions et le rp …. txt pour le sujet 2.

-Toujours dans cette même batch, vous allez ajouter 2 modules « Estimate » pour estimer ces 2 GLM. Pour l’étape « Estimate », vous n’avez rien à changer, seulement spécifier quel fichier ‘SPM.mat’ vous voulez estimer.

-Une bonne idée de regarder notre matrice de conditions (notre modèle) pour s’assurer que vous avez le bon nombre de paramètres, après avoir lancé le GLM.

Une fois que vous avez lancé la « batch » du « Model Specification » et du « Estimate », et que vous voyez que Matlab a complété ces tâches, vous pouvez cliquer sur « Review » dans la fenêtre en haut à gauche. Vous revoyez votre matrice de conditions et de régresseurs apparaître à nouveau dans la fenêtre de visualisation.

Si vous remarquez bien, dans la fenêtre en bas à gauche, il y a « Design », cliquez là-dessus et ensuite sur « Explore » et « Session 1 », ainsi que la condition de votre choix. Vous verrez dans le graphique en haut à gauche, les prédicteurs que nous avons estimés associés à cette condition spécifiquement. Dans le graphique en haut à droite, on vous présente la fréquence du signal qui est mesuré lors de l’expérimentation. La bande en gris, est la variance qui a été enlevée à l’aide du « high-pass filter » qui enlève les fréquences de signal associées aux mouvements physiologiques et au bruit de la machine elle-même (respiration, battement cardiaque, etc).

Tout ça, ce sont des belles explications, mais ces graphiques ne sont pas vraiment nécessaires à nos analyses. Rarement je vais consulter ces graphiques. Mais je veux que vous sachiez que SPM peut les générer, et si vous avez un problème dans vos données, vos activations, vous saurez que vous pourrez investiguer plus en détails le graphique de notre « high-pass filter ».

Générer les contrastes d’intérêt (analyses intra-sujets)   :

Pour visualiser les activations reliées à chacune de nos conditions, il nous reste qu’une dernière étape : créer nos contrastes pour produire nos statistiques t. Pour générer vos contrastes, vous avez absolument besoin de l’ordre d’entrée des conditions dans la spécification de votre GLM : voilà pourquoi on doit toujours tout sauvegarder.

4

Pour ce faire :Cliquer sur « Results » et aller chercher votre fichier estimé dans votre dossier GLM ou Stats, tout dépendant de comment vous l’avez nommé. Ensuite SPM vous demande pour quel contraste vous voulez visualiser la carte d’activation. Comme nous n’en avons pas encore, nous allons en générer, et ce pour les 3 sujets. Si vous vous souvenez de votre matrice de conditions, les conditions sont présentées l’une à la suite de l’autre de gauche à droite. On va partir de ce même principe pour créer nos contrastes :

Quelques exemples :-Si on veut simplement voir les activations associées à la condition go_success, on va mettre 1 pour cette condition et on va mettre à 0 toutes les autres conditions.Donc : 1 0 0 0 0 (quatre 0 pour les quatre autres conditions)

-Si on veut voir l’effet spécifique de quand le participant réussi à inhiber une réponse, on peut soustraire la condition stop_failure à stop_success.Donc : 0 0 0 1 -1

Pour ce cours, je veux que vous génériez 4 contrastes : 1. L’activité reliée à la condition stop_success2. L’activité reliée au fait d’inhiber une réponse versus quand on appuie pour un événement fréquent (go) (condition de référence)3. L’activité reliée au fait d’inhiber une réponse versus quand le patient n’est pas capable d’inhiber4. L’effet associé à quand on n’arrive pas à inhiber notre réponse versus quand on appuie pour un événement fréquent (go) (condition de référence)

Visualisation des données   :

Pour voir vos cartes d’activations, c’est bien simple, cliquez sur « Results » dans la fenêtre de commande en haut à gauche. Spécifiez le fichier SPM que vous voulez regarder, choisissez le contraste que vous voulez regarder et cliquez sur Done.

Avant d’ouvrir la carte d’activation, SPM vous demande quelques questions :- « Apply masking ? ». Ici SPM vous demande si vous voulez utiliser un masque

pour visualiser seulement les activations d’une région spécifique et non pour tout l’ensemble du cerveau. Important, à cette étape, le fait d’utiliser un masque n’affecte pas le nombre de comparaisons multiples (déjà été calculé) ni le seuil de signification (p-value) des voxels, mais va seulement inclure ou exclure certains voxels lors de la visualisation. Généralement, pour une 1re visualisation des données on dit « None » on veut voir tout le cerveau, mais si nous avons des

5

hypothèses spécifiques et on veut s’assurer que l’amygdale est activée, je mettrais un masque pour seulement voir l’amygdale.

- « Title for comparaison ». Je laisse toujours celui présenté par défaut. Vous pouvez donc cliquer sur Enter.

- « p value adjustment to control ». SPM nous demande à quel seuil de signification, nous voulons visualiser notre carte d’activation. FWE (contrôle strict pour les comparaisons multiples ? ou NONE (il n’y a pas de correction pour les comparaisons multiples). Généralement, je choisis NONE, car FWE est tellement strict que beaucoup de nos activations disparaissent. Mais les données que vous rapportez dans vos articles doivent avoir une forme de correction pour les comparaisons multiples, sinon les « reviewers » n’aiment pas ça.

- « Threshold » : Le seuil de signification en dessous duquel, SPM va rapporter les données. Si on utilise FWE, par défaut c’est 0.05. Si on n’utilise pas de correction, par défaut c’est 0.001.

- « & extent threshold voxels ». SPM demande quel est le nombre minimal de voxels par cluster (groupe de voxels) nous voulons visualiser. Pour visualiser, je laisse à 0. Mais pour rapporter des données dans un article, il faut mettre un minimum à 10 ou 20 voxels, en bas de 10 voxels certains experts considèrent que ça peut être du bruit ou un effet de hasard.

6

Figure 1. Carte SPM

7

Coordonnées MNI x,y,zTest tNbre de

voxels dans cluster

Différents seuils de signification

Comme la vue « Glass Brain » n’est pas géniale, vous avez la possibilité de superposer les activations sur un vrai cerveau. Pour ce faire, vous cliquez sur « Overlays » dans le menu en bas à gauche. Ces images de cerveau, vous devez aller les chercher dans le dossier SPM12, et dans le dossier « Canonical ».

-Option Render : Les activations seront superposées sur le cortex du cerveau-Option Sections : Les activations seront superposées sur une image anatomique, soit d’un sujet ou soit sur le « template » MNI-Option Montage : Les activations seront superposées sur l’ensemble des tranches de la coupe de votre choix (axiale, sagittale, ou coronale)

Si vous voulez revenir à la vue du tableau avec les pics d’activité, vous cliquez sur « whole brain » dans le menu en bas à gauche.

**Si vous voulez copier ce tableau des pics d’activité, vous cliquez avec le bouton droit de la souris sur le tableau et choisissez « Export to Excel » par exemple.**

Je vous invite à regarder les cartes d’activations pour les 2 autres sujets, avant de passer aux analyses inter-sujets.

Analyses inter-sujets (2 e niveau)   :

Ici, on a une grande variété d’analyses qu’on peut faire, tout dépend de notre question de recherche. On va tous les voir rapidement aujourd’hui. Dans les analyses de 2e niveau, on utilise les données brutes des analyses de 1er niveau. Pour les analyses de 2e niveau, vous allez devoir à chaque fois estimer votre modèle et générer des contrastes, exactement comme les analyses de 1er niveau.

Comment faire   :

Cliquez sur « Specify 2nd-level », ou bien dans le «Batch Editor», cliquez sur SPM, puis Stats, puis Factorial design specification.

-Cliquez sur « Design » et vous voyez le choix qui s’offre à vous : One-sample t-test, Two-sample t-test, Paired t-test, Multiple regression, One-way ANOVA, et Factorial.

1. One-sample t-test : Vous voulez simplement connaître qu’elle est l’activité moyenne lors du contraste Stop_success – Stop_failure

-Nous allons tout d’abord créer un « Directory » spécifique pour cette analyse de 2e niveau, que vous pouvez nommer : 1stt_stop_success-stop_failure.-Dans scans, vous allez chercher le contraste d’intérêt pour le sujet du Labo 2 et les 2 sujets d’aujourd’hui-Les autres paramètres sont laissés tel quel :

8

Covariate : On a la possibilité d’ajouter des covariables. Global calculation : utilisé pour des analyses de PET et non IRMf Global normalisation : utilisé pour des analyses de PET et non

IRMf-Cliquez sur SPM, dans Batch editor, puis Stats, puis Model estimation pour estimer ce modèle- Cliquez sur SPM, dans Batch editor, puis Stats, puis Contrast manager pour créer les contrastes :

Ici, dans un one-sample t-test, les contrastes sont très simples Pour voir les régions significativement actives associées au

contraste : 1 Pour voir les régions significativement plus actives associées à

notre « baseline » par défaut : -1

Encore une fois, pour aller chercher les cartes d’activations, vous devez cliquer sur « Results » et ensuite choisir le fichier SPM.mat que vous avez créé dans le dossier 1stt_stop_success-stop_failure.

2. Multiple regression : Vous voulez savoir dans quelle mesure l’intelligence est reliée à l’activité moyenne lors du contraste Stop_success. On parle en quelque sorte d’une corrélation entre l’intelligence et les activations cérébrales du contraste.

-Nous allons tout d’abord créer un « Directory » spécifique pour cette analyse de 2e niveau, que vous pouvez nommer : Correlation_intelligence_stop_success.-Dans scans, vous allez chercher le contraste d’intérêt pour le sujet du Labo 2 et les 2 sujets d’aujourd’hui-Cliquez sur covariates et ajouter une nouvelle covariable

Name : Entrez le nom que vous donnez à la variable, Intelligence Vector : Entrez les scores d’intelligence pour les 3 sujets dans le

même ordre que vous avez rentré les scans des sujets Centering : Vous pouvez laisser à « Overall mean »

-Les autres paramètres sont laissés tel quel : Global calculation : utilisé pour des analyses de PET et non IRMf Global normalisation : utilisé pour des analyses de PET et non

IRMf-Cliquez sur SPM, dans Batch editor, puis Stats, puis Model estimation pour estimer ce modèle- Cliquez sur SPM, dans Batch editor, puis Stats, puis Contrast manager pour créer les contrastes :

Ici, dans un « multiple regression », les contrastes sont également très simples

Pour voir les régions qui sont corrélées positivement au score d’intelligence : 1

9

Pour voir les régions qui sont corrélées négativement au score d’intelligence: -1

Pour voir les résultats de ces analyses, cliquer sur « Results » et allez chercher les fichiers SPM.mat dans leur dossier respectif, et spécifiez le contraste qui vous intéresse.

Pour les autres types d’analyse de 2e niveau, nous allons les voir aujourd’hui ensemble. Je vous conseille de prendre des notes.

xjView et MRICRON pour une meilleure visualisation et pour créer de belles images d’activations à publier   :

xjView a 3 principales fonctions :

1. Visualiser les données2. Identifier les régions3. Créer des masques de régions pour des analyses par régions d’intérêt ou pour une visualisation spécifique de nos données

Vous pouvez le télécharger gratuitement au :www.alivelearn.net/xjview8/download/

Des explications de comment l’utiliser :www.alivelearn.net/xjview/xjView%208%20Manual.pdf

MRICRON a 2 principales fonctions :

1. Visualiser les données2. Créer de belles images d’activation à publier

Vous pouvez le télécharger gratuitement au :http://www.mccauslandcenter.sc.edu/mricro/mricron/install.html

Des explications de comment l’utiliser : http://www.mccauslandcenter.sc.edu/mricro/mricron/main.html

10

Fin du cours pour aujourd’hui. Bonne semaine !

11