1. 目的
2. リポジトリ
3. 必要なデータ
4. 注意点
5. 実行
5.1. run_FLICA.m
6. 結果
6.1. index.html
6.2. コンポーネントごとの結果（All_in_one_page）
6.3. モダリティごとの結果（FA, MD, AD, RD, etc.）
7. GBSSへの適応
7.1. index.html
7.2. コンポーネントごとの結果（All_in_one_page）
7.3. モダリティごとの結果（FA, MD, AD, RD, etc.）
1. 目的
- FLICAを用いた画像のマルチモーダル独立成分分析（ICA）
2. リポジトリ
FLICAに必要なスクリプトを次のコマンドで取得。今のところプライベートリポジトリにしています。ご興味のある方はコメントしてください。
git clone https://github.com/Hexans/FLICA_corrected.git
3. 必要なデータ
必要なデータは、モダリティごとに全ての被験者の画像がまとめられた4D画像である。例えば、次のようなファイルを用いる。
- VBM: GM_mod_merg_s?.nii.gz
- TBSS: all_??_skeletonised.nii.gz
- FreeSurfer: ?h.thick.fsaverage.mgh and ?h.pial.area.fsaverage.mgh
- etc.
さらに、共変量（年齢・疾患グループ・性別）との相関もみることができる。共変量ごとに1列に数値をまとめテキストファイル（.txt）として保存する。
- 年齢: age.txt
- 疾患グループ: group.txt
- 性別: sex.txt
4. 注意点
NANボクセルがある場合、FLICA処理でエラーが発生する。
例えば、次のようなファイルがあったとする。
. ├── all_median_FA_skeletonised.nii.gz ├── all_median_ICVF_skeletonised.nii.gz ├── all_median_ISO_skeletonised.nii.gz ├── all_median_MD_skeletonised.nii.gz ├── all_median_MVF_skeletonised.nii.gz └── all_median_OD_skeletonised.nii.gz
NANボクセルがあるかは、FSLのfslstatsで検出できる。-Mオプションは、non zeroボクセルにおける平均値を算出するオプションである。
Method:
fslstats <INPUT> -M
次のコマンドを実行することで、すべての画像に対して、NANボクセルがありなしをチェックする。
In:
for image in *nii.gz; do
echo "${image} : $(fslstats $image -M)"
done
以上のコマンドを実行した例が、以下である。この場合、「all_median_ICVF_skeletonised.nii.gz」と「all_median_MVF_skeletonised.nii.gz」にNANボクセルが含まれていることが分かる。
Out:
all_median_FA_skeletonised.nii.gz : 0.157853 all_median_ICVF_skeletonised.nii.gz : -nan all_median_ISO_skeletonised.nii.gz : 0.246872 all_median_MD_skeletonised.nii.gz : 1.141417 all_median_MVF_skeletonised.nii.gz : -nan all_median_OD_skeletonised.nii.gz : 0.516476
NANボクセルをゼロに置換するには、FSLのfslmathsコマンドを用いる。
Method:
fslmaths <INPUT> -nan <OUTPUT>
すべての画像に対して、NANボクセルがある場合、0に置換する処理をするには、以下のコマンドを実行する。以下の処理が完了すると、「corrected_nan」フォルダに、NANボクセルが含まれない画像が保存される。
mkdir corrected_nan
for image in *nii.gz; do
fslmaths $image -nan corrected_nan/${image}
done
NANボクセル補正後のデータに、NANが含まれていないかチェックするには、以下のコマンドを実行する。
In:
for image in $(ls corrected_nan); do
echo "${image} : $(fslstats corrected_nan/$image -M)"
done
「all_median_ICVF_skeletonised.nii.gz」と「all_median_MVF_skeletonised.nii.gz」にあったNANボクセルが、解消されていることが分かる。
Out:
all_median_FA_skeletonised.nii.gz : 0.157853 all_median_ICVF_skeletonised.nii.gz : 0.422611 all_median_ISO_skeletonised.nii.gz : 0.246872 all_median_MD_skeletonised.nii.gz : 1.141417 all_median_MVF_skeletonised.nii.gz : 0.086699 all_median_OD_skeletonised.nii.gz : 0.516476
5. 実行
FLICAを実行するには、MATLABから次のコマンドを実行。
ICAのComponent数を被験者数の4分の1以下（Components < subjects/4）に設定し、Overfittingを避ける。また、被験者ごとのノイズ推定を省く（opts.lambda_dims = ”;）ことでもOverfittingを避けることができる。
5.1. run_FLICA.m
%% Set up:
addpath([getenv('FSLDIR') '/etc/matlab/'])
addpath('~/Documents/software/flica')
%% Load data
Yfiles = {'all_FA_skeletonised.nii.gz',
'all_MD_skeletonised.nii.gz',
'all_AD_skeletonised.nii.gz',
'all_RD_skeletonised.nii.gz'};
% NOTE that these should be downsampled to around 20k voxels in the mask,
% per modality... hoping to increase this memory/cpu-related limitation.
[Y, fileinfo] = flica_load(Yfiles);
fileinfo.shortNames = {'FA', 'MD', 'AD', 'RD'};
%% Run FLICA
clear opts
opts.num_components = 5;
opts.maxits = 100;
% opts.lambda_dims = ''; # Reduce subject-noise estimation to avoid overfitting
Morig = flica(Y, opts);
[M, weights] = flica_reorder(Morig);
%% Save results
outdir = [pwd '/result/'];
mkdir(outdir)
flica_save_everything(outdir, M, fileinfo);
%% Produce correlation plots
clear des
des.Group = load('group.txt');
des.Age = load('age.txt');
des.Gender = load('gender.txt');
flica_posthoc_correlations(outdir, des);
実行が成功すると次のように画像を読み込み、計算が始まる。
Loading "all_FA_skeletonised.nii.gz"... Converting back to single... Generating mask... Flattening data matrix... Freeing memory... Loading "all_MD_skeletonised.nii.gz"... Converting back to single... Generating mask... Flattening data matrix... Freeing memory... Loading "all_AD_skeletonised.nii.gz"... Converting back to single... Generating mask... Flattening data matrix... Freeing memory... Loading "all_RD_skeletonised.nii.gz"... Converting back to single... Generating mask... Flattening data matrix... Freeing memory... Setup... doing PCA... more setup... done (0.72 sec) Iteration 1... eta H W X.... lambda.... done updates (0.2 sec) F (0.061 sec)No previous lastF Iteration 2... eta H W X.... lambda.... done updates (0.17 sec) F (0.029 sec), dF = 6.38536e+07 Iteration 3... eta H W X.... lambda.... done updates (0.16 sec) F (0.027 sec), dF = 21559.9 Iteration 4... eta H W X.... lambda.... done updates (0.13 sec) F (0.019 sec), dF = 253.743 ．．． Iteration 100... eta H W X.... lambda.... done updates (0.13 sec) F (0.019 sec), dF = 253.743
計算が終わったら、bashでƒƒflica_report.shを実行することで、HTML形式で結果をまとめることができる。まとめられた結果（HTML）を見るには「index.html」を開く。
flica_report.sh result # 引数としてresultフォルダを指定
6. 結果
6.1. index.html
index.htmlの開くと次のようにFLICAの、まとめの結果を見ることができる。
6.2. コンポーネントごとの結果（All_in_one_page）
ICAの各Componentごとの結果は、index.htmlの「All_in_one_page」から確認することができる。
6.3. モダリティごとの結果（FA, MD, AD, RD, etc.）
モダリティごとの結果は、index.htmlの「モダリティ名」をクリックすることで確認できる。以下の図は、FAの結果である。
7. GBSSへの適応
GBSSの結果に対してもFLICAが使えるか、不明であったためできるか試してみた。
特に問題なく、使えそうな感じ。
7.1. index.html
7.2. コンポーネントごとの結果（All_in_one_page）
7.3. モダリティごとの結果（FA, MD, AD, RD, etc.）
著者情報： 斎藤 勇哉
順天堂大学医学部 大学院医学研究科 放射線診断学講座所属脳MRI 画像解析が専門であり、テーマは①神経変性疾患の機序解明、②医用人工知能の開発、③多施設データのハーモナイゼーション、④速読が脳に与える影響や学習効果、⑤SNS解析を用いたマーケティング戦略の改善。
医療分野に関わらず、自然言語処理・スクレイピング・データ分析・Web アプリ開発を得意とし、企業や他大学の研究を支援。
主な使用言語は、Python、Shell Script、MATLAB、HTML、CSS
