前処理が終わり、QA plotsで不適なsubjectsを取り除きました。次にROIsとConditionsを確認します。
ROIs
まず、ROIs をクリックします。
ROIの種類にデフォルトでは、”Grey Matter”, “White Matter”, “CSF”, “networks”, “atlas” の5種類が準備されています。
Grey Matter の画像の下の方に着目してください。Subject-specific ROIにチェックが入っていますね。これは(当然ですが)GM maskは1例1例別のROIが使われますよという意味になります。fMRI信号にGrey Matterから作成されるマスクを適用することによって、fMRI信号の解析される領域を灰白質の信号だけに限局させます。
次に、White Matter をクリックしてみてください。
GMと同様にWMの画像の下あたりにマウスを持っていくと、Advanced optionsが現れます。ここで、Regress-out covariates にチェックが入っていることに着目してください。白質の信号値は解析からregress outされますということを意味しています。
画像は出しませんが、CSFも同様になっています。
次に networks をクリックしてみてください。
このnetworkについては、conn/rois/networks.groups.info に次の情報が記載されています。
ROI order/clusters for CONN’s network ROIs (conn/rois/networks.nii)
This ordering has been derived using CONN’s default ROI clustering and ordering procedures (complete-linkage
hierarchical clustering, Sorensen 1948; optimal leaf ordering for hierarchical clustering, Bar-Joseph
et al. 2001) applied to Cambridge 1000-connectomes resting state datadataset (n=198; http://www.nitrc.org/projects/fcon_1000;
dataset preprocessed and denoised using CONN19b default options for volume-based analyses, direct MNI normalization)8 networks / 32 ROIs
Cerebellar
———————————————————–
networks.Cerebellar.Anterior (0,-63,-30)
networks.Cerebellar.Posterior (0,-79,-32)Fronto Parietal
———————————————————–
networks.FrontoParietal.LPFC (L) (-43,33,28)
networks.FrontoParietal.PPC (L) (-46,-58,49)
networks.FrontoParietal.LPFC (R) (41,38,30)
networks.FrontoParietal.PPC (R) (52,-52,45)Default Mode
———————————————————–
networks.DefaultMode.MPFC (1,55,-3)
networks.DefaultMode.LP (L) (-39,-77,33)
networks.DefaultMode.LP (R) (47,-67,29)
networks.DefaultMode.PCC (1,-61,38)SensoriMotor
———————————————————–
networks.SensoriMotor.Lateral (L) (-55,-12,29)
networks.SensoriMotor.Lateral (R) (56,-10,29)
networks.SensoriMotor.Superior (0,-31,67)Dorsal Attention
———————————————————–
networks.DorsalAttention.FEF (L) (-27,-9,64)
networks.DorsalAttention.FEF (R) (30,-6,64)
networks.DorsalAttention.IPS (L) (-39,-43,52)
networks.DorsalAttention.IPS (R) (39,-42,54)Language
———————————————————–
networks.Language.IFG (L) (-51,26,2)
networks.Language.IFG (R) (54,28,1)
networks.Language.pSTG (L) (-57,-47,15)
networks.Language.pSTG (R) (59,-42,13)Salience
———————————————————–
networks.Salience.ACC (0,22,35)
networks.Salience.AInsula (L) (-44,13,1)
networks.Salience.AInsula (R) (47,14,0)
networks.Salience.RPFC (L) (-32,45,27)
networks.Salience.RPFC (R) (32,46,27)
networks.Salience.SMG (L) (-60,-39,31)
networks.Salience.SMG (R) (62,-35,32)Visual
———————————————————–
networks.Visual.Medial (2,-79,12)
networks.Visual.Occipital (0,-93,-4)
networks.Visual.Lateral (L) (-37,-79,10)
networks.Visual.Lateral (R) (38,-72,13)
32領域のROIで8つのネットワークの情報が入っているわけですね。
このアトラスについては、conn/roi/atlas.info の最初に次のように記されています。
ROIS defined from:
1) Cortical ROIs from FSL Harvard-Oxford Atlas maximum likelihood cortical atlas (HarvardOxford-cort-maxprob-thr25-1mm.nii); divided bilateral areas into left/right hemisphere; (91 ROIs)
2) Subcortical ROIs from FSL Harvard-Oxford Atlas maximum likelihood subcortical atlas (HarvardOxford-sub-maxprob-thr25-1mm.nii); disregarded Cerebral White Matter, Cerebral Cortex, and Lateral Ventrical areas; (15 ROIs)
3) Cerebellar parcelation from AAL Atlas (26 ROIs)
FSLのHarvard-Oxford Atlasを大脳に、AAL Atlasを小脳に使っていることがわかります。
さらに conn/rois/atlas.groups.info を見ると、このすべての領域(132領域)を22のネットワークに分けてくれています。これはこれで勉強になります。
CONNでは、デフォルトでは、networkの32領域とatlasの132領域の合計164領域を使って、ROI-to-ROIのconnectivityを計算します。
最後にROI toolsについて言及しておきます。ときに、既にCONNで決められたものではなく、自分で関心のある領域をROIとして設定したい場合があります。ROI toolsを使うと、MNI座標を指定して、それを中心に○mmの大きさのROIを作成することができます。また、この後でできるICAの結果などを取り込むこともできます。他のデータセットで得られたICAの領域を別のデータセットにあててみるといったことをしたい場合に有用です。スタンドアロン版ではできませんが、Matlab版では、conn/roisの中に自分でROI画像を入れるとそれを使うこともできます。
Conditions
ROIsをひと通りみたところで、Conditionsも見てみましょう。
今回のサンプルデータではConditionsは特に面白くありません。しかし、CONNはタスクfMRIであったり、rs-fMRIを複数回撮像したりした場合などにも対応できるようになっています。その時にこのConditionsを使ってsessionとsessionの関係を設定していきます。