fMRI 解析
生の BOLD ランから fMRI データを分析してください。BIDS データセット、またはイベントファイル付きの 4-D NIfTI ラン(または安静時ラン)と、必要に応じて participants.tsv を添付します。画像品質と頭部の動き、動き補正と MNI への位置合わせ、タスク賦活(一般線形モデル)または安静時結合性、FDR 補正済みクラスターを含む全脳の群マップ、効果量と図を含むネットワークレベルの比較をまとめたレポートと指標表をください。各ステップで実行したコードを表示してください。
fMRI 解析: データを抽出・分析しています
元のBOLD画像(BIDS・NIfTI)をアップロードしてください。品質と頭部の動きをチェックし、動き補正・標準脳への位置合わせを経て、課題活性(GLM)または安静時結合を求め、全脳の群マップとネットワーク比較を収めたレポートと指標表をお届けします。各ステップで実行したコードもチャットですぐに確認できます。
こんな方におすすめです
- SPM・FSL・fMRIPrepの環境なしで、課題fMRIの活性マップをすばやく確認したい研究者
- パイロットデータの品質(tSNR・動き)と効果の方向を本実験前に確かめたい大学院生
- 安静時fMRIでネットワーク結合を群間比較したい研究者
- fMRIPrepの結果(space-MNI)を使って群分析まで一度に行いたい研究者
受け取れる成果物
成果物は2つです。レポートに解釈が、指標表に数値があります。その数値を生んだコードは、チャットの各ステップにコードボックスとして残ります。
- fMRI分析レポート 今回の分析の全過程と結果 · データ(ラン・TR・イベント)、画像品質と動き、論文に転用できる方法の段落、ネットワーク指標、ネットワーク比較検定、全脳の群分析(FDRクラスター表: ピークのMNI座標・サイズ・最も近いネットワーク)、図(品質・動き・計画行列・グラスブレインマップまたは結合行列・ネットワーク比較)、解釈と限界、報告チェックリスト、参考文献 · MD(PDF・PNG変換エージェントで共有用PDFに)
- fMRI指標表 参加者 × コントラスト・ネットワークの数値 · ネットワーク別の平均活性・結合、クラスター表、品質(tSNR・FD・位置合わせ)、記述統計、検定結果、単位 · XLSX(SPSS・R・JASPにそのまま読み込み可能)
レポートに含まれる内容
チャットの各ステップに、そのとき実行したコードがボックスとして残ります。クリックすると右側でコードと実行結果を確認できます。
- 品質 tSNR、DVARSの異常ボリューム、頭部の動き(並進・回転)、フレーム変位(FD)、標準脳への位置合わせの重なり(Dice)
- 課題 条件別・条件間コントラストの個人効果マップ、全脳の2次レベル1標本t(FDR q < .05、クラスター10ボクセル以上)とクラスター表
- 安静時 関心領域300個間の結合(Fisher z)、ネットワーク内結合、全体の平均結合、結合行列
- ネットワーク Seitzmanの13ネットワーク(聴覚・視覚・デフォルトモード・前頭頭頂など)の平均活性または結合
- 統計 デザインに合ったネットワーク比較、効果量、Holm補正、除外基準
依頼のしかた
添付したfMRI({課題または安静時})で{見たいもの}を分析して。 — 下線部を書き換えてください。
- 課題または安静時: 課題の場合は、イベントファイル(*_events.tsv)の条件名をそのまま書けば大丈夫です。
- 見たいもの: 条件別の活性、条件間の差(例: faces - houses)、群間のネットワーク結合など。空欄の場合は、条件ごとのベースライン比と条件ペアを計算します。
一緒にアップロードすると便利です
- BIDSフォルダ(ZIP)または4次元BOLD NIfTI(.nii/.nii.gz) 反復時間はBIDSサイドカー(.json)またはNIfTIヘッダーから読み取ります
- イベントファイル(*_events.tsv: onset・duration・trial_type) 課題GLMに使います。なければ安静時とみなして結合を求めます
- participants.tsv(participant_id・group) 群間比較に使います
こんな依頼もできます
- BIDSの課題データで、顔と家の条件の差(faces - houses)を群マップで見せて。 → 条件コントラストのFDRクラスター表とグラスブレインマップ
- 患者群と対照群の安静時デフォルトモード結合を比較して。 → ネットワーク内結合のWelch t検定、結合行列
- このラン1つの品質と活性だけすばやく見て。 → Lite: 品質・動き、個人レベルのzマップ
マイ指示
研究室によって平滑化の大きさ・動きの基準・コントラストは異なります。気になる項目だけ決めれば、残りはデフォルト値で動きます。名前を付けて保存すれば次回も使えます。 レポートの最初のページに、どの指示が反映され、何を仮定したかを記載します。
- 取得情報 (データ) ファイルにない場合の繰り返し時間(TR)と捨てる先頭ボリューム · 例: TR 2秒 · 先頭4ボリュームを破棄 · 既定値: BIDSサイドカーまたはNIfTIヘッダーのTR、破棄するボリュームなし
- 入力空間 (データ) 生データか、すでにMNI空間に前処理されたデータか · 例: fMRIPrepの出力(space-MNI152NLin2009cAsym) · 既定値: 生データとして扱い、名前にspace-MNIがあれば前処理済みとして扱う
- 群 (データ) 参加者間の群(あれば) · 例: sub-01–sub-15は患者群、sub-16–sub-30は対照群 · 既定値: group列のあるparticipants.tsvを添付していればそれ
- 平滑化・頭部運動の基準 (処理) 平滑化カーネルとフレーム変位の基準 · 例: 8 mm FWHM · FD > 0.9 mm · 既定値: 6 mm FWHM · FD > 0.5 mmのボリュームを表示、20%を超えた参加者は除外
- コントラスト (処理) 計算する比較(イベント名で) · 例: faces - houses · faces + houses · 既定値: 条件ごとにベースラインとの対比、条件が2–4個ならすべてのペア
- 主要ネットワーク (統計) 条件・群の比較に使うネットワーク · 例: デフォルトモードと前頭頭頂のみ · 既定値: Seitzmanネットワーク13個すべて(1つのファミリーとしてHolm)、全脳はFDR q < .05
- 有意水準 (統計) ネットワーク比較のα · 例: α = .01 · 既定値: α = .05
- レポートの言語 (結果の形式) 作成する言語 · 例: 英語で作成 · 既定値: 依頼の言語
この方法で作業します
モデルが数値を推測することはありません。各ステップで分析スクリプトを実際に実行し、そのコードをチャットにボックスとして残します。モデルが担うのは、指示をパラメータに変換することと結果の解釈だけです。
- データ確認 行うこと: BOLDラン・参加者・課題・反復時間・イベントを表に整理 · 決められること: TR、先頭ボリュームの破棄、群 · 確認すること: イベントの条件名
- 生データの品質チェック 行うこと: tSNR、DVARSの異常ボリューム、ボリューム数で合格/注意/不可を判定 · 決められること: — · 確認すること: 注意・不可のラン
- 前処理 行うこと: 動き補正(剛体)、MNIへの位置合わせ(アフィン)、6 mm平滑化、FDの高いボリュームを表示 · 決められること: 平滑化、FD基準、入力空間 · 確認すること: 動き・位置合わせの重なり
- 個人レベル分析 行うこと: 課題GLMのコントラスト、安静時の関心領域結合、ネットワーク要約 · 決められること: コントラスト · 確認すること: 計画行列
- 群分析 行うこと: 全脳の2次レベル(FDR・クラスター)、ネットワーク比較(Pro以上) · 決められること: 主要ネットワーク、有意水準 · 確認すること: クラスターの位置
- 図 行うこと: 品質、動き、計画行列、グラスブレインマップ・結合行列、ネットワーク比較 · 決められること: — · 確認すること: マップの分布
- 解釈と限界 行うこと: 数値を変えずに解釈し、逆推論を避ける · 決められること: — · 確認すること: 解釈の範囲
- レポート 行うこと: レポート・指標表を保存 · 決められること: レポートの言語 · 確認すること: チェックリストの記入項目
- 前処理はラン1つあたり1–3分ほどかかります(ボリューム数に比例)。
レベルによって変わること
対応ファイル形式
- BIDS(ZIP) sub-XX[/ses-YY]/func/_bold.nii(.gz)、_events.tsv、*_bold.json(上位フォルダからの継承を含む)、participants.tsv
- 4次元NIfTI .nii・.nii.gz、イベントはイベント表(participant・run・file列でランに対応付け)
- fMRIPrepの結果 名前にspace-MNI…が含まれていれば位置合わせを省略し、desc-confounds_timeseries.tsvの動きの値を使います
- DICOMはまだ直接読み込めません。dcm2niixなどでNIfTIに変換してからアップロードしてください。アップロードは1ファイルあたり1GBまでです。
方法について
- 生データを直接分析する方式 動き補正(ボリュームごとの剛体位置合わせ)と標準脳への位置合わせ(平均画像をMNI152にアフィン位置合わせ)を1回のリサンプリングで適用します。すばやく結果を見るには十分ですが、fMRIPrepの非線形位置合わせ・磁場歪み補正・スライスタイミング補正に比べると粗くなります。論文用の最終分析では、fMRIPrepの結果を入れて再実行することをおすすめします — その場合は位置合わせを省略し、同じGLM・群分析を行います。
- ネットワーク指標 全脳マップとあわせて、あらかじめ定めた関心領域300個(Seitzman et al., 2020)を13のネットワークにまとめ、平均活性や結合を出します。結果から領域を選んで再び検定する循環分析(double dipping)を避けるためです。
- ヒント イベントファイルのtrial_type名をそのまま使ってコントラストを依頼してください(例: 「faces - houses」)。
- 動きの大きいランは、品質表でFDと表示ボリュームの割合を確認してください。
- 結果を受け取った後もチャットで続けて依頼できます。例: 「平滑化を8 mmに変えて」「FDRの代わりにクラスターサイズを大きくして」
よくある質問
- SPM・FSLで行った結果と同じですか?
- 同じ原理(動き補正・位置合わせ・平滑化・GLM・2次レベルt)を使いますが、位置合わせの方式とデフォルト設定が異なるため、マップが少し違うことがあります。すべての設定はレポートの方法の節とステップのコードボックスにあります。
- 解剖画像(T1)も使いますか?
- 現在は使いません。平均EPIを標準脳に直接位置合わせします。
- 診断に使えますか?
- いいえ。研究用の分析です。
- どのくらい時間がかかりますか?
- ラン1つあたり1–3分(前処理)、参加者20人・ラン2つなら1時間前後です。Liteはラン1つのみ処理します。