بوتکمپ جامع تحلیل داده تصویربرداری تشدید مغناطیسی عملکردی مغز fMRI با نرمافزار AFNI
دسترسی سریع
زمان
مکان
NBML
وضعیت ثبتنام
فعال
دبیر علمی
دکتر پیمان قبادی
مدیر برنامه ریزی و تدوین محتوای آموزشی
دکتر مهدی هادی جعفری
مسئول اجرا
تیم ترویج و آموزش
سطح دوره
مقدماتی
دستاوردهای دوره
– مهارت در یونیکس: با محیط یونیکس آشنا شوند، دستورات پایه را اجرا نمایند و اسکریپتهای Bash/Shell را برای اتوماتیک کردن فرآیندهای پیچیده تحلیل بنویسند و اجرا کنند.
2- آمادهسازی دادهها: ساختار و فرمتهای دادههای fMRI را درک کرده، دادهها را دانلود و با استفاده از رابط گرافیکی (GUI) و دستورات خط فرمان AFNI نمایش دهند.
3- اجرای پیشپردازش: تمامی مراحل ضروری پیشپردازش (تصحیح اسلایس-زمان، هموارسازی، کنترل حرکت و مقیاسگذاری) را به صورت دستی و خودکار انجام داده و کیفیت آنها را ارزیابی کنند.
4- تحلیل مدل خطی عمومی GLM: بر اساس تئوریهای سری زمانی و تابع پاسخ همودینامیک HRF، مدل خطی عمومی (GLM) را برای دادههای هر آزمودنی طراحی و پیادهسازی کنند و نتایج آماری بهدستآمده را نمایش دهند.
5- انجام تحلیل گروهی: تحلیلهای آماری سطح دوم را برای استنتاج گروهی با استفاده از ابزارهای AFNI (مانند uber_subject.py و 3dttest++ اجرا نمایند.
6- تحلیل پیشرفته: اصول کار با اطلسهای عملکردی، تحلیل ROI و همچنین تحلیلهای اتصال عملکردی (Functional Connectivity) را برای طرحهای پژوهشی پیچیدهتر به کار گیرند.
اهداف دوره/رویداد
هدف اصلی: توانمندسازی پژوهشگران و دانشجویان تحصیلات تکمیلی برای تبدیل شدن به تحلیلگران دادههای fMRI، با کسب تسلط عملی بر تمامی مراحل کار با نرمافزار AFNI: از مدیریت دادههای خام تا تولید نقشههای آماری قابل انتشار.
اهداف فرعی: (1) آشنایی با اصول و مفاهیم بنیادین تصویربرداری fMRI و نرمافزار AFNI. (2) تسلط بر مراحل مختلف پیشپردازش (Preprocessing) دادههای fMRI. (3) آموزش تکنیکهای مدلسازی آماری (Statistical Modeling) و (4) تحلیلهای گروهی پیشرفته.
توضیحات دیگر
کد رویداد
workshop-xxxxxx
آزمایشگاه ملی نقشهبرداری مغز ایران برگزار میکند:
بوتکمپ جامع تحلیل داده تصویربرداری تشدید مغناطیسی عملکردی مغز fMRI با نرمافزار AFNI
مدت دوره (۱۶ ساعت)
سرفصل مطالب:
یونیکس برای تصویربرداری عصبی
مفاهیم پایه در یونیکس
راهبری درخت با دایرکتوری
ویرایش فایلها
دستورات پایه
حلقههای For
اسکریپت نویسی در Bash ، Shell-T
مقدمهای بر fMRI ، AFNI
معرفی و مفاهیم اصلی برای تصویربرداریعملکردی
نصب و پیکربندی در نرم افزار AFNI
دادههای fMRI
فرمت دادهها
ساختار دادههای fMRI در پکیجهای نرمافزاری و پردازش تصویر
نمایش داده و رابط گرافیکی در AFNI
دانلود کردن دادههای تصویربرداری عملکردی
رابط کاربری گرافیکی GUI در AFNI
دستورات پیشپردازش داده در fMRI
استفاده از رابط گرافیکیpy ، برای پیشپردازش داده
تصحیح زمان اسلایس با (Slice Timing Correction)
انطباق، استانداردسازی با (Registration and Standardization)
تصحیح حرکت سر با (Motion Correction)
هموارسازی با (Smoothing)
ایجاد ماسک با (Mask Creation)
مقیاسگذاری با (Scaling)
و کنترل کیفی مرحله پیشپردازش با (QC)
تحلیل سطح اول در (First-Level Analysis)
سری زمانی با (Time Series)
تاریخچه سیگنال با BOLD
تابع پاسخ همودینامیک (HRF)
و مدل خطی عمومی با (GLM)
ایجاد فایلهای زمانبندی محرک در (Stimulus Timing Files)
اجرای تحلیل در سطح اول
استفاده از رابط کاربری گرافیکیpy ، برای مدل کردن دادهها
بررسی با استفاده از نتایج آماری
اتوماتیک کردن تحلیلها
ایجاد الگو با استفاده از اسکریپت
تحلیل گروهی با استفاده از (Group Analysis)
به کاربردن رابط کاربری گرافیکیpy برای تحلیل گروهی دادهها
و بهرهگیری از 3dttest++
و استفاده از 3dMEMA
تحلیلهای پیشرفته
و استفاده از اطلسهای عملکردی
و تحلیل با استفاده از الگوی فعالیت در سطح کل مغز و ناحیه موردنظر، با استفاده از (ROI)
تحلیل اتصال عملکردی با (Functional Connectivity)
مخاطبین:
کلیه دانشجویان و پژوهشگران تحصیلات تکمیلی در رشتههای:
علوماعصاب، علومشناختی، مهندسیپزشکی، تصویربرداریعصبی، روانشناسی، روانپزشکی
و سایر رشتههای مرتبط
برای دیدن این رویداد روی موبایل خودتان این کد را اسکن کنید
