화소 기반 형태법으로 회백질 차이 측정: 음악 두뇌

1. 40 명의 뮤지션과 40 명의 비 뮤지션을 모집하십시오.

1. 음악가는 적어도 10 년 동안 공식적인 음악 훈련을 받아야합니다. 모든 악기와 함께 훈련하는 것은 허용됩니다. 뮤지션은 또한 적어도 한 시간 / 일 동안 적극적으로 악기를 연습해야합니다.
2. 제어 주제는 악기를 연주에 거의 공식적인 훈련이 있어야합니다.
3. 모든 참가자는 오른손잡이여야 합니다.
4. 모든 참가자는 신경학상, 정신의학, 또는 심장 무질서의 역사가 없어야 합니다.
5. 모든 참가자는 MRI가 안전한지 확인하기 위해 제거할 수 없는 금속이 몸에 없어야 합니다.

2. 사전 스캔 절차

1. 사전 스캔 서류를 작성합니다.
2. 참가자가 fMRI 스캔을 위해 들어올 때, 먼저 MRI에 대한 반대 표시가 없는지 확인하기 위해 금속 스크린 양식을 작성하도록 하고, 방사선 전문의가 스캔에 동의하는 부수적인 연구 결과 양식, 연구의 위험과 이점을 자세히 설명하는 동의서를 작성하도록 합니다.
3. 벨트, 지갑, 휴대폰, 헤어 클립, 동전 및 모든 보석을 포함하여 몸에서 모든 금속을 제거하여 참가자가 스캐너에 들어갈 준비를하십시오.

3. 참가자를 스캐너에 넣습니다.

1. 참가자에게 스캐너와 이어폰의 소음으로부터 귀를 보호하여 스캔 중에 실험자의 소리를 들을 수 있도록 하고 코일에 머리를 대고 침대에 눕히도록 하십시오.
2. 참가자에게 비상 압착 공을 주고 스캔 중에 비상 시 압박하도록 지시하십시오.
3. 폼 패드를 사용하여 코일에 참가자가 머리를 고정하여 스캔 중에 과도한 움직임을 피하고, 가장 작은 움직임조차도 이미지를 흐리게하기 때문에 스캔 중에 가능한 한 가만히 있는 것이 매우 중요하다는 것을 참가자에게 상기시킵니다.

4. 데이터 수집

1. 전체 뇌의 고해상도 해부학 검사를 수집합니다. 이 검사는 자화 준비 된 급속 그라데이션 에코 (MP-RAGE)와 같은 T1 가중 시퀀스여야한다(MP-RAGE) 와 이소트로픽 1 mm 복셀.

5. 데이터 분석

1. 자동화된 소프트웨어를 사용하여 각 해부학 적 뇌 스캔에서 두개골을 제거합니다. 품질을 위해 두개골 제거를 확인합니다.
2. 선형 및 비선형 등록의 반복 프로세스를 사용하여 스터디별 회색 물질 템플릿을만듭니다(그림 1).
   1. 자동화된 소프트웨어를 사용하여 각 피사체의 뇌를 각 복셀의 강도에 따라 흰색 물질, 회색 물질 및 CSF로 분할합니다.
   2. MNI152 아틀라스와 같은 표준 아틀라스 공간에 각 피사체의 뇌를 등록할 수 있는 자유도가 12도인 선형 affine 변환을 수행합니다.
   3. 각 피사체의 회색 물질 이미지를 이 공간으로 왜곡하고 모두 함께 평균합니다.
   4. 이 이미지를 왼쪽에서 오른쪽으로 미러한 다음 미러 이미지를 함께 평균하여 회색 물질 템플릿 뇌를 생성합니다.
   5. 비선형 변환을 사용하여 각 피사체의 뇌를 이 템플릿에 다시 등록합니다.
   6. 새로 변형 된 모든 두뇌를 함께 평균.
   7. 이 새 템플릿의 미러 이미지를 만들고 두 미러 이미지를 함께 평균하여 이 스터디에 대한 최종 회색 물질 템플릿을 생성합니다.

그림 1: 스터디별 회색 물질 템플릿 만들기. 반복적 인 선형 및 비선형 변환을 사용하여 각 뇌는 공통 공간에 등록되어 연구 별 회색 물질 템플릿 뇌를 만들기 위해 함께 평균됩니다.

3. 각 피사체의 회색 물질 이미지를 템플릿 및 사전 처리에 등록합니다.
   1. 비선형 변환을 사용하여 각 피사체의 뇌를 스터디 별 템플릿에 등록합니다.
   2. 각 뇌 구조가 템플릿 공간에 맞게 늘어나는 양을 보정하기 위해 워핑이 얼마나 많은지 측정하여 곱합니다. 이 측정값은 워프 필드의 야코비안이라고 합니다. 이 단계는 비선형 등록 프로세스에 의해 더 확장되었기 때문에 구조가 더 회색 문제가 있는 것처럼 보일 수 있다는 사실을 설명하는 것입니다.
   3. 10mm의 전체 폭 절반 최대 (FWHM)와 가우시안 커널을 사용하여 데이터를 부드럽게.
   4. 정렬되고 매끄러운 두뇌는 복셀 기반 분석을 위한 최종 데이터 역할을 합니다.
4. 일반 선형 모델을 사용하여 모든 복셀의 그룹 간의 차이를 분석합니다.
   1. 각 뇌 그룹을 별도의 회귀로 모델링하고 두 그룹을 비교하는 대비를 계산하여 각 복셀의 차이 가능성을 정량화하는 통계 맵을 생성합니다.
   2. 통계 맵을 임계값으로 임계값을 설정하여 통계적으로 유의한 클러스터를 식별합니다.
      1. 거짓 검색 률(FDR)과 같은 여러 비교 보정 기술을 사용하여 수천 개의 동시 통계 테스트를 수행하고 있다는 사실을 제어합니다. FDR의 q 값은 0.01로 임계값보다 높은 거짓 긍정의 비율을 1%로 추정합니다.