몽발개발

마지막 과정인 Smoothing을 알아보자. Smoothing은 한 voxel의 값을 이웃 복셀의 값을 평균하여 보정하는 절차이다. SNR(신호 대 잡음 비율)을 높이기 위해 사용하는데, 일반적으로 Gaussian Full Width Half Maximum(FWHM) 필터를 사용해 진행한다. Smooth를 클릭하면 batch editor가 열린다. Images to smooth에 우리가 normalise까지 진행한 war~파일 351개를 선택하면 된다. 옵션의 FWHM의 [8 8 8]은 쉽게 말해 smooth 필터의 세기인데, 요즘은 8mm로 잘 안 한다고 한다. 나중에 실제로 내가 얻은 데이터를 처리할 때에는 수정이 필요할 것 같다. 어쨌든 이번 연습에서는 건드리지 말고 [8 8 8]을 그대로 쓰자. ..

이제까지 처리한 데이터는 개인의 데이터이다. 사람마다 다른 뇌구조를 가지고 있으니 이들을 비교해서 활용하기 위해서는 공통점이 필요하다. 그렇기 때문에 개개인의 fMRI 영상을 표준화된 템플릿에 맞추는 과정이 필요한데, 이것이 normalise이다. spm 초록창에서 Normalise(Write)을 클릭하면 batch editor가 뜬다. Data를 누르고 아래 New: Subject를 클릭하면 두 개의 입력값이 추가된다. Deformation Field와 Images to Write인데, Deformation field에는 전 과정인 segment에서 만들어진 deformation이 씌워진 파일 y_sM03953_0007을 선택하고, Images to Write에는 slice_timing까지 처리했던 f..

다음은 뇌 이미지 정보를 백질(White mattter), 회백질(Grey matter), CSF 세 가지로 분리하는 segment를 진행해본다. Segment를 클릭하면 batch editor가 뜬다. 우선 volume에 structural image인 sM03953_0007 파일을 넣는다. 그 후 메뉴얼에 따라 save bias corrected 항목의 save nothing을 save bias corrected로 바꾸고, 맨 아래 있는 Deformation fields의 옵션을 Forward로 바꾼 후, segment라는 이름으로 batch를 jobs에 저장 후 실행시킨다. 이 과정을 실행시켰을 때 완료되기까지 시간이 꽤나 걸렸다. 이 Segment가 완료되면 기존에 있던 Structural폴더에 ..

다음 과정은 functional images를 structural anatomy에 맞춰주는 coregistration이다. 사람 머리는 다 다르게 생겼으니까, 머리의 구조에 맞게 functional 정보를 맞추는 것이다. 이 과정은 이 다음과정인 normalization을 더 정교하게 진행할 수 있게 해준다고 한다. Coregister(Estimate)를 클릭하면 batch editor가 뜬다. 이번에는 두 가지 정보를 입력할 것이다. functional 이미지와 structural 이미지. 먼저 reference image를 클릭하고 specify를 눌러 functional image를 넣어준다. 아까 Realignment하고 난 후 만들어진 functional image인 mean~파일을 RawEPI..

fMRI를 찍을 때, 한 번에 모든 뇌 부분을 다 찍는 것이 아니다. 한 층(slice)찍 찍기 때문에, 전체적으로 본다면 각 층을 찍는데 시간이 걸린 만큼 정보의 차이가 나게 된다. 이를 보정하는 것이 slice timing이다. spm 초록 창의 slice timing을 클릭하면 batch editor가 나온다. Realignment 때와는 다르게 다 X로 텅텅 비어있다. 메뉴얼을 보며 하나하나 값을 채운다. 여기에 넣을 데이터는 앞의 realign된 이미지인 rsM~이름을 가진 351개의 데이터이다. TR(repetition time: 개별 volume 획득시간)이 2초이고, 24개의 층(slice)을 가진 데이터인가보다. Reference slice는 기준이 되는 slice인데, 보통 전체 층의 ..

시작하기에 앞서, preprocessing을 진행하는 전체적인 과정을 짚어보면, 우선 1) 머리의 움직임을 보정하는 Realignment(Motion correction) 2) 각 slice가 찍힌 시간을 같게 보정시키는 slice timing 3) functional data를 structural anatomy에 맞춰 보여주는 coregistration 4) Gray matter, White matter, CSF를 나눠 저장하는 segment 5) 여러 사람의 데이터를 표준화된 규격에 맞춰주는 normalization 6) SNR(신호-잡음 ratio)를 높여주는 smoothing 이렇게 여섯 가지 과정을 거쳐 완성된다. 모든 과정은 기본적이지만 자료에 따라 스킵할 수 있는 과정도 있다. 이번에 사용하..

fMRI를 통해 얻은 사람의 뇌 정보는 아쉽게도 바로 사용할 수 없다. 이 raw data를 유의미한 데이터로 만들어 사용하기 위해서는 전처리 과정을 거쳐야 한다. 마치 귤을 먹기 전에 껍질을 까듯 말이다. 이 과정을 pre-processing이라고 한다. 이러한 preprocessing 과정에 사용되는 툴 중 대표적인 하나의 툴이 바로 SPM(Statistical Parametric Mapping)이다. 이번 주에는 매트랩 기반 툴인 SPM을 이용하여 데이터를 처리하는 법을 알아보았다. 우선 spm을 깔아야 한다. 공식 홈페이지에서 깔 수 있는데, 내가 시도했을 때는 알수 없는 오류로 인해 홈페이지에 들어갈 수가 없어서 그냥 깃허브에서 받았다. 현재 2020.07월 기준 최신 버전인 spm12를 다운로..

프로그래밍 언어라고는 올해 초 처음 접한 파이썬밖에 안해봤는데, 이번 방학을 맞아서 MATLAB이라는 또 다른 언어를 배우게 되었다. 코딩하는 친구 말로는 그게 언어냐 걍 공학용계산프로그램이지 이러던데... 매트랩은 공대생들에게는 필수적인 프로그램이라는데, 나는 공대생은 아니지만 이번에 인턴으로 들어가게 된 뇌신호처리연구실에서 파이썬과 함께 필수적으로 다뤄야 하는 프로그램이라 이번 기회에 배우기로 마음먹은 것이다. 파이썬과 비슷한 점도 많고, 무엇보다 매트랩의 주요 기능들을 사용하며 배울 수 있는 교육과정이 잘 되어있어 그것만 따라가니 기본은 할 수 있게 되었다. 매트랩을 처음 접하는 분들은 한 번쯤 꼭 들으면 좋을 것 같다. https://matlabacademy.mathworks.com/kr MATL..