[뉴로이미징] Motion correction

교수님께서 저번 미팅에 motion correction 팀에게 주신 과제는

- fMRI volume의 motion을 보정하는 방법이 무엇인지? (registration과 연관지어서)

- FD, DVARS의 개념과 계산 방법?

- 데이터에서 motion-related effect를 제거하기 위한 regression, despiking, ICA 기법들의 개념과 방법, 장단점이 무엇인지?

이것이었다. 내가 1,2를 준비하고 종영이가 3을 준비하기로 했다.

결론적으로는 준비하면서 나도 이해가 잘 되었고, 이해를 바탕으로 간단하게 설명하여 포인트만 잘 잡아낸 것 같다.

내가 정리한 내용을 공유하고자 한다. 뉴로이미징 공부하는 분들에게 기초 지식이 되는 내용이니 도움이 되었으면 한다.

 

1.      fMRI volume의 motion을 보정하는 방법이 무엇인지? (registration과 연관지어서)

선형변환 중 강체 변환으로 설명할 수 있음.

3D에 3개의 독립적인 이동, 3개의 독립적인 회전이 있으며,

이 6개의 독립적인 구성 요소들의 조합은 어떻게 뇌가 크기나 모양을 바꾸지 않고 3D로 움직일 수 있는지

(why? 같은 사람의 머리를 찍은거 하나에 정합, 바뀌면 내 머리 아님)

 

Rigid-body registration

rigid 변환같은 경우에는 6개의 자유도를 사용하며

3 translations + 3 rotations 이다.

같은 사람의 데이터를 사용할 때(모양, 크기가 변하면 안 됨.) -> motion corretion 할 때 사용한다.

2.    FD

• mm 단위로 나타낸다.
• 6개의 매개변수의 절대 도함수의 합으로 정의.
• 시간 경과에 따른 이동의 전체 추정치를 인덱싱.
• 영상을 찍고 프레임들을 비교할 때 틀어진 정도를 살펴보는 경우 얼마나 움직여야 하는지 측정.
• 이전 프레임에 대한 지정된 프레임의 이동을 측정한다.
• 머리 움직임을 지수화하는 것으로 정확하게 계산하거나 모델링하는 것이 아니다.

<공식>

FD_i = | Δ x_i | + | Δ y_i | + | Δ z_i | + | Δ α_i | + | Δ β_i | + | Δ γ_i |

Δ x_i = x_{i-1} - x_i

x, y and z are the translational realignment parameters (RPs); α, β and γ are the rotational RPs

 

회전의 경우가 각도를 mm로 바꾸는 방법이 필요한데, 그 방법까지 알 필요는 없다고 하셨다.

내가 찾아본 것을 바탕으로 간단하게 설명하자면, 대뇌피질에서 머리 중심까지의 평균거리인 반경 50mm의 구의 표면에서의 변위를 계산하여 mm로 변환하면 된다.

확실히 어린 나이일수록 motion이 많이 나타나기 때문에 이동의 정도를 측정하는 FD 역시 어린아이에게서 크게 나타나는 것을 살펴볼 수 있다.

 

3.     DVARS

• 한 볼륨에서 다음 볼륨으로 신호 강도의 변화를 지수화
• 강도값의 차이를 계산해 움직임이 있을 때 밝기 차이를 나타냄
• 각 데이터 프레임에서 전체 뇌에 볼드 신호 변화율을 인덱싱
• 이전 시점과 비교하여 뇌 이미지의 강도가 얼마나 변화하는지를 측정하는 척도
• 각 시점에서 voxel 신호 시간적 변화의 제곱 평균 제곱근(RMS)

결론적으로 DVARS 또한 움직임의 영향을 받는다. 움직일 경우 이미지의 밝기 변화가 나타나게 되고 그정도를 측정하는게 DVARS이기 때문이다. 사진을 통해 이해할 수 있는 것은 어린 아이일수록 움직임이 많이 나타나기 때문에 FD와 DVARS 모두 성인에 비해 크게 나타나는 것을 알 수 있다.

 

(3.5) RMS란?

한국말로 풀어 얘기하면 제곱 평균 제곱근으로, 값들을 제곱해서 그 값들의 평균을 구하고 그 평균값의 제곱근 값을 RMS라고 한다. 이것을 사용하는 이유는 극성과 같이 +,- 값들이 섞여있는 경우 정확한 평균을 구하기 어렵기 때문에 절대값의 개념처럼 사용하는 것이다. 

이와 같은 교류전기의 평균을 구할 때 RMS를 사용할 수 있다.