腦成像數(shù)據(jù)的元分析_ALE原理與操作

1、腦成像元分析的背景簡介腦成像數(shù)據(jù)元分析的發(fā)展元分析元分析 (Glass, 1976)“將現(xiàn)有研究整合并對其結(jié)果進(jìn)行綜合分析的統(tǒng)計(jì)方法統(tǒng)計(jì)方法”腦成像數(shù)據(jù)元分析的發(fā)展(胡傳鵬等, 2015)腦成像研究的數(shù)量腦成像研究的數(shù)量腦成像數(shù)據(jù)元分析的發(fā)展元分析對腦成像研究的意義元分析對腦成像研究的意義 (Wager et al., 2007; Eickhoff et al., 2009)v 單個(gè)腦成像研究的被試數(shù)量普遍較少，結(jié)果不夠穩(wěn)定；v 單個(gè)腦成像的結(jié)果很可能受到特定的實(shí)驗(yàn)操作（如，掃描參數(shù)）的影響；v 單個(gè)腦成像研究對某個(gè)腦區(qū)功能的解釋往往局限于使用的單個(gè)或幾個(gè)任務(wù)。 (e.g., vmPFC=se

2、lf-reflection?)-單個(gè)腦成像研究的局限性單個(gè)腦成像研究的局限性(Wager et al., 2007)腦成像數(shù)據(jù)元分析的發(fā)展腦成像技術(shù)：腦成像技術(shù)：where? (位置信息位置信息) 坐標(biāo)信息 (x, y, z)最大激活點(diǎn)的坐標(biāo)(x, y, z)腦成像數(shù)據(jù)元分析的發(fā)展腦成像的元分析：對不同研究中位置信息的整合腦成像的元分析：對不同研究中位置信息的整合早期腦成像數(shù)據(jù)的早期腦成像數(shù)據(jù)的 “元分析元分析”：對不同研究中報(bào)告的：對不同研究中報(bào)告的位置信息的主觀描繪位置信息的主觀描繪(Peyron, 2000)(Joseph, 2000)Activation likelihood esti

3、mation (激活似然性估計(jì)，激活似然性估計(jì)，ALE, Turkeltaub et al., 2002)目標(biāo)：目標(biāo)：最大化地量化量化研究間位置信息的一致性；盡可能減小分析方法的主觀性。腦成像數(shù)據(jù)元分析的發(fā)展主觀的描述主觀的描述客觀的統(tǒng)計(jì)客觀的統(tǒng)計(jì)ALE的計(jì)算的計(jì)算 (Turkeltaub et al., 2002)概念：概念：把每個(gè)激活點(diǎn)擬合成一個(gè)概率分布 也即這個(gè)激活點(diǎn)落在大腦每個(gè)voxel上的概率大小：與激活點(diǎn)越近的voxel，概率越大。腦成像數(shù)據(jù)元分析的發(fā)展文獻(xiàn)中報(bào)告的激活點(diǎn)一個(gè)激活點(diǎn)落在大腦每個(gè)voxel上的概率。（d為每個(gè)voxel與激活點(diǎn)之間的距離；為分布的方差）ALE的計(jì)算的計(jì)

4、算 (Turkeltaub et al., 2002)腦成像數(shù)據(jù)元分析的發(fā)展ALE：至少有一個(gè)激活點(diǎn)落在某個(gè)voxel內(nèi)的概率。ALE=第i個(gè)激活點(diǎn)落在某個(gè)voxel內(nèi)的概率。一個(gè)激活點(diǎn)落在大腦每個(gè)voxel上的概率。相關(guān)研究中報(bào)告的所有激活點(diǎn)ALE的統(tǒng)計(jì)檢驗(yàn)的統(tǒng)計(jì)檢驗(yàn) (Turkeltaub et al., 2002)Permutation test (置換檢驗(yàn))v 零假設(shè)：激活點(diǎn)沒有重合，所有重合都是隨機(jī)因素導(dǎo)致的v 假設(shè)元分析采集到了100個(gè)坐標(biāo)（激活點(diǎn)）；則產(chǎn)生100個(gè)隨機(jī)坐標(biāo)，然后根據(jù)這些隨機(jī)坐標(biāo)計(jì)算出大腦中每個(gè)voxel在零假設(shè)下的ALE值（如，重復(fù)1000次，然后求均值）產(chǎn)生零假

5、設(shè)分布；v 通過比較實(shí)際ALE值與隨機(jī)坐標(biāo)產(chǎn)生的ALE值，來確定顯著性。腦成像數(shù)據(jù)元分析的發(fā)展ALE的統(tǒng)計(jì)檢驗(yàn)的統(tǒng)計(jì)檢驗(yàn) (Turkeltaub et al., 2002)Permutation test (置換檢驗(yàn))在H0分布下，ALE為5.7210-3的概率為0.0001。因此，如果設(shè)置=0.0001為顯著水平，那ALE值大于5.7210-3的voxel都視為顯著（也即至少有一個(gè)激活點(diǎn)落在這個(gè)voxel內(nèi)）。腦成像數(shù)據(jù)元分析的發(fā)展ALE的優(yōu)點(diǎn)的優(yōu)點(diǎn) (Turkeltaub et al., 2002)v 自動(dòng)化的分析v 除了位置信息外，也有對一致性水平的量化 (ALE值)v 具備顯著性檢驗(yàn)，

6、得到的結(jié)論有統(tǒng)計(jì)上的支持腦成像數(shù)據(jù)元分析的發(fā)展早期早期ALE算法的缺點(diǎn)：算法的缺點(diǎn)：以激活點(diǎn)為單位，在每個(gè)以激活點(diǎn)為單位，在每個(gè)voxel上，求出所有激活點(diǎn)對應(yīng)概率上，求出所有激活點(diǎn)對應(yīng)概率的的聯(lián)合概率（即聯(lián)合概率（即ALE值）。值）。v 忽略了研究間的變異，屬于固定效應(yīng)的統(tǒng)計(jì)推斷 (fixed-effects inference): 元分析的結(jié)論不能推廣到該元分析未包含的研究 (胡傳鵬等, 2015; Eickhoff et al., 2009)。v 報(bào)告了較多激活點(diǎn)的研究對元分析的影響更大，甚至主導(dǎo)元分析的結(jié)果 (Wager et al., 2007)。腦成像數(shù)據(jù)元分析的發(fā)展ALE的改進(jìn)算

7、法的改進(jìn)算法 (Eickhoff et al., 2009)腦成像數(shù)據(jù)元分析的發(fā)展ALE/MA=Modeled activation (MA) map某個(gè)某個(gè)voxel在特定一個(gè)實(shí)驗(yàn)中激活的可能在特定一個(gè)實(shí)驗(yàn)中激活的可能性性第一第一步：在每個(gè)實(shí)驗(yàn)的內(nèi)部先做一次整合步：在每個(gè)實(shí)驗(yàn)的內(nèi)部先做一次整合類比類比：把每個(gè)實(shí)驗(yàn)看做一個(gè)“被試”；每個(gè)voxel看做一個(gè)實(shí)驗(yàn)條件；每個(gè)實(shí)驗(yàn)報(bào)告出來的激活點(diǎn)看做一個(gè)采集到的數(shù)據(jù)點(diǎn)。第一步的整合 “” 對每個(gè)被試各個(gè)條件下的所有數(shù)據(jù)點(diǎn)求和。第一步整合的結(jié)果：每個(gè)實(shí)驗(yàn)在每個(gè)第一步整合的結(jié)果：每個(gè)實(shí)驗(yàn)在每個(gè)voxel上，都有只一個(gè)上，都有只一個(gè)MA/ALE值。值。腦成像

8、數(shù)據(jù)元分析的發(fā)展Modeled activation (MA) map跨實(shí)驗(yàn)的整合跨實(shí)驗(yàn)的整合第二步：以實(shí)驗(yàn)第二步：以實(shí)驗(yàn) (“被試被試”)為單位，計(jì)算每個(gè)為單位，計(jì)算每個(gè)voxel上的總上的總ALE值，并做統(tǒng)計(jì)檢驗(yàn)。值，并做統(tǒng)計(jì)檢驗(yàn)。結(jié)果：每個(gè)結(jié)果：每個(gè)voxel的總的總ALE值值統(tǒng)計(jì)檢驗(yàn)：統(tǒng)計(jì)檢驗(yàn)：零假設(shè)：元分析中各實(shí)驗(yàn)的零假設(shè)：元分析中各實(shí)驗(yàn)的MA map之間沒有重合，所有重合均之間沒有重合，所有重合均是隨機(jī)因素導(dǎo)致的。是隨機(jī)因素導(dǎo)致的。置換檢驗(yàn)：置換檢驗(yàn)：零零分布分布：從每個(gè)實(shí)驗(yàn)的：從每個(gè)實(shí)驗(yàn)的MA圖中各自隨機(jī)抽一個(gè)坐標(biāo)點(diǎn)和對應(yīng)的圖中各自隨機(jī)抽一個(gè)坐標(biāo)點(diǎn)和對應(yīng)的MA值，根據(jù)這些值，根據(jù)

9、這些MA值算出一個(gè)總值算出一個(gè)總ALE值。值。重復(fù)重復(fù)1011次，每次能得到一個(gè)總次，每次能得到一個(gè)總ALE值。構(gòu)建出零分布。根據(jù)不同值。構(gòu)建出零分布。根據(jù)不同ALE值在零分布中出現(xiàn)的概率，確定顯著性水平。值在零分布中出現(xiàn)的概率，確定顯著性水平。ALE的改進(jìn)算法的改進(jìn)算法 (Eickhoff et al., 2009)ALE算法進(jìn)一步的優(yōu)化：算法進(jìn)一步的優(yōu)化：腦成像數(shù)據(jù)元分析的發(fā)展Eickhoff et al., 2012 (NeuroImage): 以MA值為單位代替以voxel為單位，減少了迭代次數(shù)，加快了運(yùn)算速度；Turkeltaub et al., 2012 (Human Brain

10、Mapping): 取最大值代替求和的方法，進(jìn)一步減少單個(gè)實(shí)驗(yàn)對結(jié)果的影響。 腦成像元分析的步驟腦成像元分析的步驟腦成像元分析的步驟1. GingerALE: /ale/ (鄧沁麗, 2015)腦成像元分析的步驟使用到的軟件：使用到的軟件：腦成像元分析的步驟使用到的軟件：使用到的軟件：2. Mango: /mango用于結(jié)果呈現(xiàn)用于結(jié)果呈現(xiàn)第一步：選好主題，查找和篩選文獻(xiàn)第一步：選好主題，查找和篩選文獻(xiàn)1.1. 選好元分析的主題選好元分析的主題v 工作記憶 (Nee et al., 2013);v Go/No-go 任

11、務(wù) (2008);v 獎(jiǎng)賞加工 (Bartra et al., 2013);v 社會決策 (Feng et al., 2015).v 共情與自身疼痛感受是否 基于共同的神經(jīng)機(jī)制 (Lamm et al., 2011);v 自傳體記憶、展望未來、心理理論以及默認(rèn)網(wǎng)絡(luò)是否基于共同的神經(jīng)機(jī)制 (Spreng et al., 2009);v 初級和次級獎(jiǎng)賞的加工是否基于共同的神經(jīng)機(jī)制 (Sescousse et al., 2013)v 自己接受獎(jiǎng)賞與觀看別人接受獎(jiǎng)賞是否基于共同的神經(jīng)機(jī)制 (Morelli et al., 2015);腦成像元分析的步驟單個(gè)任務(wù)對應(yīng)的神經(jīng)機(jī)制：單個(gè)任務(wù)對應(yīng)的神經(jīng)機(jī)制：多

12、個(gè)任務(wù)共同的神經(jīng)機(jī)制：多個(gè)任務(wù)共同的神經(jīng)機(jī)制：第一步：選好主題，查找和篩選文獻(xiàn)第一步：選好主題，查找和篩選文獻(xiàn)1.2. 查找和篩選文獻(xiàn)查找和篩選文獻(xiàn)v 查找途徑：查找途徑： google學(xué)術(shù) (https:/ /) PubMed (/pubmed/) ISI Web of Science (http:/ 已查找文獻(xiàn)的引用列表 相關(guān)領(lǐng)域綜述的引用列表v 文獻(xiàn)篩選：文獻(xiàn)篩選： 被試群體：如，正常成人被試； 是否使用fMRI技術(shù)； 使用的是全腦(whole-brain)分析，而不是感興趣區(qū)(ROI)分析

13、； 報(bào)告了感興趣的統(tǒng)計(jì)結(jié)果； 激活坐標(biāo)報(bào)告在標(biāo)準(zhǔn)空間里 (如MNI，Talairach).腦成像元分析的步驟v 查找查找內(nèi)容內(nèi)容： 與主題相關(guān)的幾個(gè)關(guān)鍵詞 fMRI/functional fairness/fair/ultimatum game第二步：采集坐標(biāo)點(diǎn)第二步：采集坐標(biāo)點(diǎn)v 需要提供的信息（規(guī)定的格式）：需要提供的信息（規(guī)定的格式）： 標(biāo)準(zhǔn)空間的類型（第一行）：MNI或者Talairach; 文獻(xiàn)信息： / 作者名，年份等； / Subjects=N (被試量的信息) 坐標(biāo)點(diǎn)。每個(gè)點(diǎn)一行 不同文獻(xiàn)之間需要有一個(gè)空行； 注意MNI與Talairach空間之間的轉(zhuǎn)換。腦成像元分析的步驟第三

14、步：使用第三步：使用GingerALE進(jìn)行元分析進(jìn)行元分析3.1. 計(jì)算計(jì)算ALE (activation-likelihood-estimation)腦成像元分析的步驟v Eickhoff et al., 2012 (NeuroImage): v Turkeltaub et al., 2012 (Human Brain Mapping): 內(nèi)置在GingerALE軟件里的算法第三步：使用第三步：使用GingerALE進(jìn)行元分析進(jìn)行元分析3.2. 矯正結(jié)果：矯正結(jié)果： Settings腦成像元分析的步驟第三步：使用第三步：使用GingerALE進(jìn)行元分析進(jìn)行元分析3.2. 矯正結(jié)果矯正結(jié)果關(guān)于

15、FDR的bug (在2.3.3以后的版本中更正)FDR矯正的原理：矯正的原理： 假設(shè)有N個(gè)比較，對應(yīng)有N個(gè)p值。 i). 所有p值從小到大排序：p(1), p(2), p(3).p(N)；ii). 若想控制FDR不能超過q，則只需找到最大的正整數(shù)i，使得 p(i) 公平對待公平對待 信任游戲信任游戲 (trust game)的被投資者的被投資者: 返還決定時(shí)的腦活動(dòng)返還決定時(shí)的腦活動(dòng)文獻(xiàn)查找：文獻(xiàn)查找： Google學(xué)術(shù)學(xué)術(shù), PubMed等等基于坐標(biāo)的元分析關(guān)鍵詞：關(guān)鍵詞：normative decision making, fair, altruistic punishment, ultimatum game, trust, trust game, investment game, trustor, investor, trustee, trustworthiness, reciprocity, fMRI