1	SPM2 Kurs von A. Ischebeck Anja.Ischebeck@uklibk.ac.at
2	SPM Schwerpunkt: Anwendung Nicht: mathematische Grundlagen Links: zu Dokumentation & Tools Generell: SPM recht kompliziert & bedienungsunfreundlich Aber: sehr flexibel: eine Lösung für alle Daten & Probleme open source: neue Tools leicht zu schreiben
3	SPM2 oder SPM99 SPM2 und SPM99 i.d.R. nicht kompatibel! SPM2 läuft inzwischen stabil SPM2 wesentlich langsamer als SPM99, insbesondere mit älterem Matlab (5.x) SPM2 Ergebnisse nicht viel besser Scripting unter SPM2 einfacher Reviewer verlangen inzwischen SPM2 Manche Tools arbeiten nur mit SPM99, nur wenige mit SPM2
4	Links SPM download (free ware) http://www.fil.ion.ucl.ac.uk/spm/spm2.html Check for updates!! SPM docus: http://www.fil.ion.ucl.ac.uk/spm/dox.html SPM extensions: http://www.fil.ion.ucl.ac.uk/spm/ext/ Email discussion list: http://www.fil.ion.ucl.ac.uk/spm/help/
5	Matlab SPM braucht Matlab Matlab kostet Geld, SPM ist open source Matlab 6.5 schneller als 5.x Nicht die neueste Matlab-Version nehmen! Bugs I.d.R. keine weiteren Toolboxen nötig SPM/Matlab ist ressourcenintensiv Schneller Rechner mit viel Speicher Matlab-Tuning e.g. mit 'matlab –nojvm' starten Siehe email discussion list SPM
6	Daten-Konverter SPM verlangt Analyze 3D Format Nützlich: MRIcro http://www.psychology.nottingham.ac.uk/staff/cr1/mricro.html Daten importieren Orientierung ändern Schädel entfernen Schnelle Bildchen (blobs auf anat)
7	Beispiel Event-related - Design Zufällige Trialabfolge Mehrere Bedingungen Funktioneller Scan: alle 2s ein Bild mit 20 Schichten (TR=2s) Auflösung: 3 x 3 mm, 5 mm between planes Dauer: 700 Volumes Anatomischer Scan: Auflösung: 1x1x1 mm
8	Rohdaten Scanner-Daten umwandeln in Analyze 2 Dateien pro Zeitpunkt (.img & .hdr) 850 volumes: 1700 Dateien Die ersten func Bilder wegwerfen Magnetische Saturierung (T1 => T2*) =>
9	MRIcro: Daten Import
10	MRIcro: Orientierung Open image [analyze] Select file anat*.hdr Save as… z.B. Format Coronal-Up Flip Top/Bottom Rotate Check with Preview Check against SPM Template! Achtung: SPM2: L=L (SPM99 R=L) Wichtig: Check Rechts/Links!
11	MRIcro: Orientierung Wenn richtig, sollte es so aussehen:
12	Start SPM Matlab starten edit (ruft Matlab-Editor auf) function paths(); path('d:\matlab\spm2',path); path('d:\matlab\spm_updates', path); ..... (weitere Pfade zu Skripten, Tools etc.) save as: pfad.m ins Arbeitsverzeichnis: d:\matlab\work > pfad %lädt Pfade > spm fmri %startet SPM
13	SPM2
14	Hauptmenü Prepro (Menü)
15	Hauptmenü Prepro Statistik (Skript)
16	Hauptmenü Prepro Statistik Ergebnisse (Menü,Skript)
17	Hauptmenü Prepro Statistik Ergebnisse Utilities (Menü)
18	Preprocessing Realignment (Bewegungskorrektur) Slice time correction Korrektur des Zeitunterschiedes beim Messen der Schichten Coregistration (evtl. optional) Registrierung beider Bilder (anat zu func) Normalization Angleichen der Bildes auf ein Template (im T&T Koordinatensystem) Smoothing (räumlicher Filter)
19	Realignment = Bewegungskorrektur Bezugspunkt: Default: das erste Bild Angeben: VP Anzahl Zahl der Runs/Sesions pro VP Bilder auswählen: s*.img Auswählen: Coregister & Resclice Create: all images and mean image
20	Realignment
21	Realignment Output: r.mat, wenn reslice: r.img/.hdr rp_aV0001.txt mean_img/.hdr eine .ps Datei pro VP (Graphik) rp_aV0001.txt: 6 Spalten mit Zahlen pro Bild: 3 params Translation, 3 params Rotation kann man als Regressor in die Analyse stecken
22	Realignment Neue Option: Unwarp korrigiert Bildverzerrung durch Bewegung (ein Faktor von vielen) kostet doppelt soviel Rechenzeit Verzerrung hängt ab von Feldstärke (viel ist schlecht) Meßsequenz (EPI), Spulenform Kopfgröße (groß ist schlecht) Verzerrung auch ein Problem für Coreg!
23	Realignment Prozedur: Suche die 6 Parameter (3 translation, 3 Rotation) die die Helligkeitsunterschiede zwischen zwei Scans minimieren 6 Params = rigid body transformation 3D Prozedur (alle Schichten mit Dicke) Parameter beziehen sich immer auf den Bezugspunkt (das erste Bild) einer Meßreihe
24	Realignment Caveat 1: wenn Bezugspunkt <> 1. Bild muß auch Coreg angepaßt werden. Caveat 2: wenn nur coreg (ohne reslice) es kann kein mean image erstellt werden .mat Dateien werden von slice time ignoriert Aber: erspart Interpolationsfehler. (Abhilfe: 7th degree B-spline statt 4th als Methode wählen)
25	Slice time correction Ziel: Zeitdifferenz der Messung der einzelnen Schichten korrigieren Reihenfolge: eher als realignment, wenn interleaved ansonsten nach realignment Parameter: ascending (1st = bottom slice) oder descending interleaved (1,3,5,7....2,4,6,...) Reference slice: mittlere Schicht (Default)
26	Slice time correction Number of subjects /sessions angeben: Bilder auswählen (alle .img) Order of slices : Ascending: 1 2 3 4 ..24; 1:24 Interleaved: 1 3 5 … 2 4 6 TR angeben (Zeit zwischen 2 Scans) TA angeben = Messbeginn des letzten slices. Bei kontinuierlicher Messung = (TR / # slices) (# slices - 1) (Default-Vorschlag von SPM) Output: a*.img/.hdr/.mat
27	Slice time correction
28	Slice time correction Prozedur: berücksichtigt die gesamte Zeitreihe pro Voxel in einer Schicht transformiert Zeitreihe in Frequenzraum (Fourier Transformation) Phasenverschiebung um Zeit der Messung dieser Schicht Rücktransformation in Zeitreihe
29	Slice time correction Caveat 1: Orientierung vorher Umorientieren kann problematisch sein Umorientieren in SPM erzeugt nur .mat, wird von slice time ignoriert Caveat 2: 1st = bottom slice: Wie weiß ich (Orientierung) was der Algorithmus als 1^st ansieht? + In "Display" template anzeigen lassen, die unterste axiale Schicht = 1st + Mit eigenen Analyze-Rohdaten vergleichen
30	Orient functionals Mit MRIcro problematisch Jede Datei einzeln SPM2 => Display Geht für beliebig viele Dateien Problem: Schreibt Bildchen nicht neu, sondern legt nur eine Parameter-Datei (.mat-File) an. Bilder neuschreiben: es gibt Tools, z.B. Volumes toolbox
31	Orient functionals
32
33	Coregistration Verschieben von Anat zu func nach realign sind func Bilder an Position des 1. nach coreg gilt das auch für das anat. Bild R=R/R=L (in den Defaults) beachten! hack in spm_defaults.m, nicht über Menü! Auswählen: Coreg only Bilder wählen Target (Erstes funktionelles Bild) Source (Anatomisches Bild) Other images: "Done" wählen
34	Coregistration
35	Coregistration Output: wenn nur coreg: anat_xx.mat wenn mit reslice: auch anat_xx.img/.hdr im Verzeichnis des anatomischen Bildes (wenn nicht, unschlau!) eine (wenig nützliche) Graphik (spm.ps) besser: 'Check Reg'
36	Coregistration Prozeduren: (Problem: Kontrast sehr verschieden: T1 vs. T2*) berechne (6) parameter für rigid body transformation (keine Verzerrungen!) wenn Verzerrung, andere Software benutzen! 2 Verfahren: SPM2: verschiedene Arten MI (mutual information) i.d.R. gute Ergebnisse SPM99: Segmentation & MI Segmentieren von anat und func in white/grey matter Coreg beider Teile zueinander Beides gut, aber nicht immer erfolgreich
37	Coregistration Check! 'Display' nur 1 Bild darstellbar 'Check Reg' 2 (bis 15) Bilder
38	Coregistration Achten auf: Gehirngrenzen Gehirngröße (Normalisierung) Ventrikellage rechts/links
39	Coregistration Caveat 1: für coreg und norm muß die Orientierung func und anat in etwa stimmen (vgl. template)! Caveat 2: wenn an anat normalisiert wird muß Coreg anat zu func wirklich ok sein! so nicht: Coreg in SPM2 mehrfach ausführen Coreg auf andere Art ausführen (andere Option in SPM Defaults wählen) Coreg in SPM99 auführen (Segmentierung)
40	Normalisierung 2 Methoden: am einfachsten: normalisiere func an func template (check!) anat & coreg werden gar nicht benötigt geht nur, wenn func ohne Artefakte! am sichersten: coreg anat zu func (check!) normalisiere anat an anat template (check!) wende norm params auf func an (check!)
41	SPM Defaults (Menü)
42	SPM defaults (Menü) Interpolationsmöglichkeiten: optimal: 7^th degree B-spline default realign: 4^th degree B-spline default normalize: trilinear Flip (R/L): Hack in Zeile 28 von spm_defaults.m defaults.analyze.flip = 1; (1="yes")
43	Normalisierung 1 Func an Func Template schätze Parameter am besten: schätze Params an func mean image defaults: voxelgröße ändern (3 x 3 x 3) write normalized berücksichtigt .mat aus der moco (wenn ohne reslice) write mean (zum checken), wenn ok, alle anderen. Caveat: Problematisch, wenn func viele schwarze Löcher hat => Übernormalisierung (insbes. in SPM99)
44	Normalisierung 1
45	Normalisierung 1 Output: w*.img/.hdr Ergebnis: vgl. mit Coreg:
46	Normalisierung 2 2. Methode: normalisiere über anat coreg anat zu func (check!!!) normalisiere anat an anat template estimate parameters & write normalized jeweils defaults/write norm. ändern 1mm voxel füer anat, 3 mm voxel für func die Anat parameter auf func anwenden Parameter: anat_xx_sn.mat im anat Verzeichnis nur: write normalized erst auf func mean image anwenden (check!) dann auf alle (dauert lange! 1h / VP)
47	Normalisierung 2
48	Normalisierung 2 Was tun, wenn es nicht klappt? Größe stimmt nicht (Skull ist Problem) Parameter in defaults - estimate params ändern wenig erfolgreiche Fummelei mit skulled Anat/Template versuchen skull entfernen mit MRIcro Template: SPM2 .mnc template format ist Problem für MRIcro. Alternative SPM99 template. Aber: SPM99 template hat andere R/L Orientierung! Vorher spiegeln
49	Normalisierung Output: (prefix: w) war_xx.img/.hdr wenig nützliche Graphik (besser: check reg!) Templates: Func: nur EPI.img (=Mittel aus 13 VPs) Anat: egal T1.img = Mittel aus 152 Hirnen single_subj_T1.mnc (canonical) = Mittel aus mehreren scans einer VP) à für BA-Prob.maps aus Jülich
50	Normalisierung nur affin (linear). (Default: nichtlinear, 16 iterations) linear = 12 Parameter 6 rigid body transformation 3 shears, 3 zooms Defaults: parameter estimation cutoff: affine only
51	Normalisierung Caveat 1 (func an func): Bei Signalausfällen Übergeneralisierung cutoff verkleinern nur affin normalisieren Caveat 2 (func an anat): coreg anat chechen norm. anat checken (skull => Gehirngröße!) Nachteil: kompliziertere Methode Vorteil: Check mit individueller Anat möglich
52	Smoothing Filtergröße angeben (in mm FWHM) 2 bis 3 fache func voxelgröße 3 fach ist ideal für Gültigkeit/Sensitivität der Statistik abhängig von anat. Hypothesen! klein: 3 bis 6 mm; groß: 10 bis 12 mm (3 mm voxel) klein für kleine Strukturen (e.g. Hippocampus) klein für Gebiete mit geringer anat. Variation e.g., primäre sensorische/motorische Areale groß für Gebiete mit hoher anat. Variation e.g. frontale / parietale Gebiete Scans auswählen
53	Smoothing isotrop: z.B. 6 (= 6 x 6 x 6mm) anisotrop: z.B. 6 6 10 (= 6 x 6 x10 mm) Output: s*.img/.hdr
54	Smoothing Caveat 1 (zu klein): Coreg/Norm muss exakt stimmen Motioncorrection sollte gut sein Statistik nicht sehr sensitiv Abgrenzung von Vogeldreck schwierig Caveat 2 (zu groß): Problem der Lokalisation / Abgrenzung Gut für erste grobe Analyse
55	Prepro Ende swar.img/.hdr => in die Statistik Zahl der Datensätze bei 700 scans pro VP: Rohdaten: 2700 realign: 3700, slice time: 3700 norm: 2700, smooth: 2700 Total: 12*700 = 8400 Dateien! Bottleneck: Festplattenzugriffszeit! SPM2_neu: Analyze 4d oder .mnc ? Zeitaufwendig: realign & normalize
56