脑成像数据的元分析_ALE原理与操作.pptxVIP

脑成像的元分析研究：基于坐标点的元分析方法报告人：封春亮单位：北京师范大学，脑与认知科学研究院脑成像元分析的背景简介脑成像数据元分析的发展元分析 (Glass, 1976)“将现有研究整合并对其结果进行综合分析的统计方法”脑成像数据元分析的发展脑成像研究的数量(胡传鹏等, 2015)脑成像数据元分析的发展元分析对脑成像研究的意义 (Wager et al., 2007; Eickhoff et al., 2009)---单个脑成像研究的局限性单个脑成像研究的被试数量普遍较少，结果不够稳定；单个脑成像的结果很可能受到特定的实验操作（如，扫描参数）的影响；单个脑成像研究对某个脑区功能的解释往往局限于使用的单个或几个任务。 (e.g., vmPFC=self-reflection?)(Wager et al., 2007)脑成像数据元分析的发展脑成像技术：where? (位置信息) 最大激活点的坐标(x, y, z)坐标信息 (x, y, z)脑成像数据元分析的发展脑成像的元分析：对不同研究中位置信息的整合早期脑成像数据的 “元分析”：对不同研究中报告的位置信息的主观描绘(Joseph, 2000)(Peyron, 2000)脑成像数据元分析的发展Activation likelihood estimation (激活似然性估计，ALE, Turkeltaub et al., 2002)目标：最大化地量化研究间位置信息的一致性；尽可能减小分析方法的主观性。客观的统计主观的描述脑成像数据元分析的发展ALE的计算 (Turkeltaub et al., 2002)概念：把每个激活点拟合成一个概率分布 也即这个激活点落在大脑每个voxel上的概率大小：与激活点越近的voxel，概率越大。文献中报告的激活点一个激活点落在大脑每个voxel上的概率。（d为每个voxel与激活点之间的距离；σ为分布的方差）脑成像数据元分析的发展ALE的计算 (Turkeltaub et al., 2002)相关研究中报告的所有激活点一个激活点落在大脑每个voxel上的概率。ALE：至少有一个激活点落在某个voxel内的概率。第i个激活点落在某个voxel内的概率。ALE=脑成像数据元分析的发展ALE的统计检验 (Turkeltaub et al., 2002)Permutation test (置换检验)零假设：激活点没有重合，所有重合都是随机因素导致的假设元分析采集到了100个坐标（激活点）；则产生100个随机坐标，然后根据这些随机坐标计算出大脑中每个voxel在零假设下的ALE值（如，重复1000次，然后求均值）——产生零假设分布；通过比较实际ALE值与随机坐标产生的ALE值，来确定显著性。脑成像数据元分析的发展ALE的统计检验 (Turkeltaub et al., 2002)Permutation test (置换检验)在H0分布下，ALE为5.72×10-3的概率为0.0001。因此，如果设置α=0.0001为显著水平，那ALE值大于5.72×10-3的voxel都视为显著（也即至少有一个激活点落在这个voxel内）。脑成像数据元分析的发展ALE的优点 (Turkeltaub et al., 2002) 自动化的分析 除了位置信息外，也有对一致性水平的量化 (ALE值) 具备显著性检验，得到的结论有统计上的支持脑成像数据元分析的发展早期ALE算法的缺点：以激活点为单位，在每个voxel上，求出所有激活点对应概率的联合概率（即ALE值）。 忽略了研究间的变异，属于固定效应的统计推断 (fixed-effects inference): 元分析的结论不能推广到该元分析未包含的研究 (胡传鹏等, 2015; Eickhoff et al., 2009)。 报告了较多激活点的研究对元分析的影响更大，甚至主导元分析的结果 (Wager et al., 2007)。脑成像数据元分析的发展ALE的改进算法 (Eickhoff et al., 2009)第一步：在每个实验的内部先做一次整合某个voxel在特定一个实验中激活的可能性ALE/MA=Modeled activation (MA) map类比：把每个实验看做一个“被试”；每个voxel看做一个实验条件；每个实验报告出来的激活点看做一个采集到的数据点。第一步的整合 “≈” 对每个被试各个条件下的所有数据点求和。第一步整合的结果：每个实验在每个voxel上，都有只一个MA/ALE值。脑成像数据元分析的发展ALE的改进算法 (Eickhoff et al., 2009)第二步：以实验 (“被试”)为单位，计算每个voxel上的总ALE值，并做统计检验。统计检验：零假设：元分析中各实验的MA map之间没有