fMRI 분석

원시 BOLD 런으로 내 fMRI 데이터를 분석해 주세요. BIDS 데이터셋이나 이벤트 파일이 있는 4-D NIfTI 런(또는 휴지기 런)과 필요하면 participants.tsv 를 첨부할게요. 영상 품질과 머리 움직임, 움직임 보정과 MNI 정합, 과제 활성화(일반 선형 모형) 또는 휴지기 연결성, FDR 보정 군집이 있는 전뇌 집단 지도, 효과 크기와 그림을 포함한 네트워크 수준 비교를 담은 보고서와 지표 표를 주세요. 단계마다 실행한 코드를 보여 주세요.

fMRI 분석: 데이터를 추출하고 분석하고 있어요

원본 BOLD 영상(BIDS·NIfTI)을 올려 주세요. 품질과 머리 움직임을 점검하고 움직임 보정·표준 뇌 정합을 거쳐, 과제 활성(GLM) 또는 휴지기 연결을 구하고 전뇌 집단 지도와 네트워크 비교를 담은 보고서와 지표 표를 드려요. 단계마다 실행한 코드도 채팅에서 바로 볼 수 있어요.

이런 분께 필요해요

  • SPM·FSL·fMRIPrep 환경 없이 과제 fMRI의 활성 지도를 빠르게 보고 싶은 연구자
  • 파일럿 자료의 품질(tSNR·움직임)과 효과 방향을 본실험 전에 확인하려는 대학원생
  • 휴지기 fMRI로 네트워크 연결을 집단 간 비교하려는 연구자
  • fMRIPrep 결과(space-MNI)를 받아 집단 분석까지 한 번에 하고 싶은 연구자

이런 결과를 받아요

결과는 두 가지예요. 보고서에 해석이, 지표 표에 숫자가 있어요. 그 숫자를 만든 코드는 채팅의 단계마다 코드 상자로 남아요.

  • fMRI 분석 보고서 이번 분석의 전 과정과 결과 · 자료(런·TR·사건), 영상 품질과 움직임, 논문에 옮길 수 있는 방법 문단, 네트워크 지표, 네트워크 비교 검정, 전뇌 집단 분석(FDR 군집 표: 최고점 MNI 좌표·크기·가까운 네트워크), 그림(품질·움직임·설계 행렬·유리 뇌 지도 또는 연결 행렬·네트워크 비교), 해석과 한계, 보고 체크리스트, 참고문헌 · MD (PDF·PNG 변환 에이전트로 공유용 PDF)
  • fMRI 지표 표 참가자 × 대비·네트워크 숫자 · 네트워크별 평균 활성·연결, 군집 표, 품질(tSNR·FD·정합), 기술통계, 검정 결과, 단위 · XLSX (SPSS·R·JASP로 바로 가져가기)

보고서에 들어가는 내용

채팅의 단계마다 그때 실행한 코드가 상자로 남아요. 누르면 오른쪽에서 코드와 실행 결과를 볼 수 있어요.

  • 품질 tSNR, DVARS 이상 볼륨, 머리 움직임(이동·회전), 프레임 변위(FD), 표준 뇌 정합 겹침(Dice)
  • 과제 조건별·조건 간 대비의 개인 효과 지도, 전뇌 2수준 일표본 t(FDR q < .05, 군집 10복셀 이상)와 군집 표
  • 휴지기 관심 영역 300개 사이 연결(Fisher z), 네트워크 안 연결, 전체 평균 연결, 연결 행렬
  • 네트워크 Seitzman 네트워크 13개(청각·시각·디폴트 모드·전두-두정 등)의 평균 활성 또는 연결
  • 통계 설계에 맞는 네트워크 비교, 효과 크기, Holm 보정, 제외 기준

이렇게 요청하세요

첨부한 fMRI({과제 또는 휴지기})로 {보고 싶은 것}을 분석해 줘. — 밑줄 친 부분을 바꿔 쓰세요.

  • 과제 또는 휴지기: 과제라면 사건 파일(*_events.tsv)의 조건 이름을 그대로 쓰면 돼요.
  • 보고 싶은 것: 조건별 활성, 조건 간 차이(예: faces - houses), 집단 간 네트워크 연결 등. 비워 두면 조건마다 기저선 대비와 조건 쌍을 계산해요.

함께 올리면 좋아요

  • BIDS 폴더(ZIP) 또는 4차원 BOLD NIfTI(.nii/.nii.gz) 반복 시간은 BIDS 사이드카(.json)나 NIfTI 헤더에서 읽어요
  • 사건 파일(*_events.tsv: onset·duration·trial_type) 과제 GLM에 써요. 없으면 휴지기로 보고 연결을 구해요
  • participants.tsv(participant_id·group) 집단 간 비교에 써요

이렇게도 요청할 수 있어요

  • BIDS 과제 자료에서 얼굴과 집 조건의 차이(faces - houses)를 집단 지도로 보여 줘. → 조건 대비의 FDR 군집 표와 유리 뇌 지도
  • 환자군과 대조군의 휴지기 디폴트 모드 연결을 비교해 줘. → 네트워크 안 연결의 Welch t 검정, 연결 행렬
  • 이 런 하나의 품질과 활성만 빠르게 봐 줘. → 라이트: 품질·움직임, 개인 단위 z 지도

나의 지침

연구실마다 평활 크기·움직임 기준·대비가 달라요. 신경 쓰는 항목만 정하면 나머지는 기본값으로 돌아요. 이름을 붙여 저장해 두면 다음에도 쓸 수 있어요. 보고서 첫 쪽에 어떤 지침이 반영됐고 무엇을 가정했는지 적어요.

  • 획득 정보 (자료) 파일에 없을 때 반복 시간(TR)과 버릴 앞 볼륨 · 예: TR 2초 · 앞 4볼륨 버리기 · 기본값: BIDS 사이드카나 NIfTI 헤더의 TR, 버리는 볼륨 없음
  • 입력 공간 (자료) 원자료인지, 이미 MNI 공간으로 전처리된 자료인지 · 예: fMRIPrep 결과(space-MNI152NLin2009cAsym) · 기본값: 원자료로 보고, 이름에 space-MNI 가 있으면 전처리된 자료로
  • 집단 (자료) 참가자 간 집단(있으면) · 예: sub-01–sub-15 환자군, sub-16–sub-30 대조군 · 기본값: group 열이 있는 participants.tsv 를 첨부했으면 그것
  • 평활·움직임 기준 (처리) 평활 크기와 프레임 변위 기준 · 예: 8 mm FWHM · FD > 0.9 mm · 기본값: 6 mm FWHM · FD > 0.5 mm 볼륨 표시, 20% 넘으면 참가자 제외
  • 대비 (처리) 계산할 비교(사건 이름으로) · 예: faces - houses · faces + houses · 기본값: 조건마다 기저선 대비, 조건이 2–4개면 모든 쌍
  • 주 네트워크 (통계) 조건·집단 비교에 쓸 네트워크 · 예: 디폴트 모드와 전두-두정만 · 기본값: Seitzman 네트워크 13개 전부(한 묶음 Holm), 전뇌는 FDR q < .05
  • 유의수준 (통계) 네트워크 비교의 α · 예: α = .01 · 기본값: α = .05
  • 보고서 언어 (결과 형식) 작성 언어 · 예: 영어로 작성 · 기본값: 요청 언어

이 방법으로 일해요

모델이 숫자를 짐작하지 않아요. 단계마다 분석 스크립트를 실제로 실행하고, 그 코드를 채팅에 상자로 남겨요. 모델은 지침을 파라미터로 바꾸는 일과 결과 해석만 맡아요.

  • 자료 확인 하는 일: BOLD 런·참가자·과제·반복 시간·사건을 표로 정리 · 정할 수 있는 것: TR, 앞 볼륨 버리기, 집단 · 확인할 것: 사건 조건 이름
  • 원자료 품질 점검 하는 일: tSNR, DVARS 이상 볼륨, 볼륨 수로 통과/주의/불가 판정 · 정할 수 있는 것: — · 확인할 것: 주의·불가 런
  • 전처리 하는 일: 움직임 보정(강체), MNI 정합(아핀), 6 mm 평활, FD 높은 볼륨 표시 · 정할 수 있는 것: 평활, FD 기준, 입력 공간 · 확인할 것: 움직임·정합 겹침
  • 개인 단위 분석 하는 일: 과제 GLM 대비, 휴지기 관심 영역 연결, 네트워크 요약 · 정할 수 있는 것: 대비 · 확인할 것: 설계 행렬
  • 집단 분석 하는 일: 전뇌 2수준(FDR·군집), 네트워크 비교(프로 이상) · 정할 수 있는 것: 주 네트워크, 유의수준 · 확인할 것: 군집 위치
  • 그림 하는 일: 품질, 움직임, 설계 행렬, 유리 뇌 지도·연결 행렬, 네트워크 비교 · 정할 수 있는 것: — · 확인할 것: 지도의 분포
  • 해석과 한계 하는 일: 숫자를 바꾸지 않고 해석, 역추론 피하기 · 정할 수 있는 것: — · 확인할 것: 해석의 범위
  • 보고서 하는 일: 보고서·지표 표 저장 · 정할 수 있는 것: 보고서 언어 · 확인할 것: 체크리스트의 기입 항목
  • 전처리는 런 하나에 1–3분쯤 걸려요(볼륨 수에 비례).

수준에 따라 달라지는 것

받는 파일 형식

  • BIDS(ZIP) sub-XX[/ses-YY]/func/_bold.nii(.gz), _events.tsv, *_bold.json(상위 폴더 상속 포함), participants.tsv
  • 4차원 NIfTI .nii·.nii.gz, 사건은 사건 표(participant·run·file 열로 런에 맞춤)
  • fMRIPrep 결과 이름에 space-MNI…가 있으면 정합을 건너뛰고, desc-confounds_timeseries.tsv의 움직임 값을 써요
  • DICOM은 아직 직접 읽지 않아요. dcm2niix 등으로 NIfTI로 바꿔 올려 주세요. 업로드는 파일당 1GB까지예요.

방법에 대해

  • 원자료를 바로 분석하는 방식 움직임 보정(볼륨마다 강체 정합)과 표준 뇌 정합(평균 영상을 MNI152에 아핀 정합)을 한 번의 재표본으로 적용해요. 빠르게 결과를 보기에 충분하지만, fMRIPrep의 비선형 정합·자기장 왜곡 보정·시간 절편 보정보다는 거칠어요. 논문용 최종 분석은 fMRIPrep 결과를 넣어 다시 돌리는 것을 권해요 — 그때는 정합을 건너뛰고 같은 GLM·집단 분석을 해요.
  • 네트워크 지표 전뇌 지도와 함께, 미리 정해 둔 관심 영역 300개(Seitzman 외, 2020)를 13개 네트워크로 묶어 평균 활성이나 연결을 내요. 결과에서 영역을 골라 다시 검정하는 순환 분석(double dipping)을 피하기 위해서예요.
  • 팁 사건 파일의 trial_type 이름을 그대로 써서 대비를 요청하세요(예: "faces - houses").
  • 움직임이 큰 런은 품질 표에서 FD와 표시 볼륨 비율을 확인하세요.
  • 결과를 받은 뒤 채팅으로 이어서 요청할 수 있어요. 예: "평활을 8 mm로 바꿔 줘", "FDR 대신 군집 크기를 키워 줘"

자주 묻는 질문

SPM·FSL로 한 결과와 같나요?
같은 원리(움직임 보정·정합·평활·GLM·2수준 t)를 쓰지만 정합 방식과 기본 설정이 달라 지도가 조금 다를 수 있어요. 모든 설정은 보고서 방법 절과 단계 코드 상자에 있어요.
해부 영상(T1)도 쓰나요?
지금은 쓰지 않아요. 평균 EPI를 표준 뇌에 직접 정합해요.
진단에 쓸 수 있나요?
아니요. 연구용 분석이에요.
얼마나 걸리나요?
런 하나에 1–3분(전처리), 참가자 20명·런 2개면 1시간 안팎이에요. 라이트는 런 1개만 해요.