सांख्यिकीय पैरामीट्रिक मानचित्रण: Difference between revisions

From Vigyanwiki
No edit summary
Line 68: Line 68:
[[Category: Machine Translated Page]]
[[Category: Machine Translated Page]]
[[Category:Created On 23/05/2023]]
[[Category:Created On 23/05/2023]]
[[Category:Vigyan Ready]]

Revision as of 11:22, 2 June 2023

सांख्यिकीय प्राचलिक मानचित्रण कार्यात्मक न्यूरोइमेजिंग प्रयोगों के समय लिखी गई मस्तिष्क गतिविधि में अंतर की निरीक्षण के लिए एक सांख्यिकीय प्रक्रिया है। इसे कार्ल फ्रिस्टन ने बनाया था। यह वैकल्पिक रूप से इस तरह के विश्लेषण करने के लिए विश्वविद्यालय केंद्र लंदन में वेलकम विभाग और प्रतिबिंबन तंत्रिकाविज्ञान द्वारा लिखा गया सॉफ्टवेयर है।

दृष्टिकोण

माप की इकाई

कार्यात्मक न्यूरोइमेजिंग एक प्रकार का 'मस्तिष्क रेखाचित्रण' है। इसमें मस्तिष्क गतिविधि माप सम्मलित है। माप तकनीक प्रतिबिंबन तकनीक (जैसे, FMRI और PET) पर निर्भर करती है। स्कैनर उस क्षेत्र का 'मानचित्र' बनाता है जिसे वोक्सल्स के रूप में दर्शाया जाता है। प्रत्येक स्वर त्रि-आयामी अंतरिक्ष में एक विशिष्ट मात्रा की गतिविधि का प्रतिनिधित्व करते है। वोक्सेल का सटीक आकार तकनीक के आधार पर भिन्न होता है। FMRI स्वर सामान्यतः एक समबाहु घनाभ में 27 मिमी 3 की मात्रा का प्रतिनिधित्व करते हैं।

प्रायोगिक डिजाइन

शोधकर्ता एक विशिष्ट मानसिक प्रक्रिया या प्रक्रियाओं से जुड़ी मस्तिष्क गतिविधि की निरीक्षण करते हैं। एक दृष्टिकोण में यह सम्मलित है कि 'कार्य B की तुलना में कार्य A करते समय मस्तिष्क के कौन से क्षेत्र उल्लेखनीय रूप से अधिक सक्रिय हैं?'। यद्यपि कार्यों को समान होने के लिए डिज़ाइन किया जा सकता है, निरीक्षण के तहत व्यवहार को छोड़कर, मस्तिष्क अभी भी कार्य के अंतर के अतिरिक्त अन्य कारकों के कारण कार्यों के बीच गतिविधि में बदलाव दिखा सकता है। इसके अतिरिक्त, सिग्नल में प्रतिबिंबन प्रक्रिया हो सकती है।

इन यादृच्छिक प्रभावों को निस्यंदक (फ़िल्टर) करने के लिए, और विशेष रूप से निरीक्षण की जा रही प्रक्रिया से जुड़े गतिविधि के क्षेत्रों को प्रकट करने के लिए, आँकड़े सबसे महत्वपूर्ण अंतरों की अन्वेषण करते हैं। इसमें डेटा तैयार करने और सामान्य रैखिक मॉडल का उपयोग करके इसका विश्लेषण करने के लिए एक बहु-चरणीय प्रक्रिया सम्मलित है।

छवि पूर्व प्रसंस्करण

प्रतिचयन त्रुटियों को सही करने के लिए स्कैनर से आकृतियों को पूर्व-संसाधित किया जा सकता है।

एक अध्ययन सामान्यतः एक विषय को कई बार स्कैन करता है। स्कैन के बीच मस्तिष्क की गति को ध्यान में रखते हुए, आकृतियों को सामान्यतः समायोजित किया जाता है अतः प्रत्येक आकृति में स्वर मस्तिष्क में एक ही स्थिति के अनुरूप हों। इसे पुनर्संरेखण या गति सुधार के रूप में संदर्भित किया जाता है।

कार्यात्मक न्यूरोइमेजिंग अध्ययन में सामान्यतः कई प्रतिभागियों को सम्मलित किया जाता है, जिनमें से प्रत्येक का मस्तिष्क अलग-अलग आकार का होता है। सभी में समान स्थूल शरीर रचना होने की संभावना है, समग्र मस्तिष्क के आकार में अवयस्क अंतर होते हुए, ग्यारी की स्थलाकृति में व्यक्तिगत भिन्नता और प्रमस्तिष्क प्रांतस्था के सुल्की (न्यूरोएनाटॉमी), और महासंयोजी पिंड जैसी गहरी संरचनाओं में रूपात्मक अंतर की तुलना में सहायता के लिए, प्रत्येक मस्तिष्क की 3D आकृति को रूपांतरित किया जाता है इसलिये स्थानिक सामान्यीकरण के माध्यम से सतही संरचनाएं पंक्तिबद्ध हो जाएं। इस तरह के सामान्यीकरण में सामान्यतः एक मानक सांचा से मिलान करने के लिए अनुवाद, आवर्तन और प्रवर्धन और मस्तिष्क की सतह के गैर-रैखिक बुनी हुई वस्तु सम्मलित होती है। मॉन्ट्रियल न्यूरोलॉजिकल इंस्टीट्यूट (MNI) के तलैराच-टूरनौक्स या टेम्प्लेट जैसे मानक मस्तिष्क मानचित्र दुनिया भर के शोधकर्ताओं को उनके परिणामों की तुलना करने की अनुमति देते हैं।

डेटा के नॉइस को कम करने के लिए आकृतियों को सहज किया जा सकता है, जिसके द्वारा स्वरों को उनके सहवासियों के साथ सामान्य किया जाता है, सामान्यतः या सामान्य वितरण फ़िल्टर या तरंग परिवर्तन द्वारा होता है।

सांख्यिकीय तुलना

अवशिष्ट परिवर्तनशीलता के साथ प्रायोगिक और जटिल प्रभावों के संदर्भ में डेटा परिवर्तनशीलता का वर्णन करने के लिए सामान्य रैखिक मॉडल का उपयोग करते हुए, प्रत्येक स्वर में पैरामीट्रिक सांख्यिकीय मॉडल ग्रहण किए जाते हैं। मॉडल मापदंडों के संदर्भ में व्यक्त की गई परिकल्पनाओं का मूल्यांकन प्रत्येक स्वर में एकांगी आंकड़ों के साथ किया जाता है।

विश्लेषण समय के साथ मतभेदों की जांच कर सकते हैं रैखिक घुमाव मॉडल का उपयोग करते हुए कि कैसे मापा संकेत तंत्रिका गतिविधि में अंतर्निहित परिवर्तनों के कारण होता है।

चूंकि कई सांख्यिकीय परीक्षण किए जाते हैं, वर्ग त्रुटियों को नियंत्रित करने के लिए समायोजन करना पड़ता है, जो संभावित रूप से कई स्वरों पर गतिविधि के स्तरों की तुलना के कारण होता है। इस प्रकार त्रुटि के परिणामस्वरूप कार्य से संबंधित पृष्ठभूमि मस्तिष्क गतिविधि का गलत मूल्यांकन होगा। सांख्यिकीय महत्व के लिए एक नया मानदंड निर्धारित करने के लिए छवि में पुनर्विक्रय की संख्या और निरंतर यादृच्छिक क्षेत्रों के सिद्धांत के आधार पर समायोजन किया जाता है जो कई तुलनाओं की समस्या के लिए समायोजित होता है।

चित्रमय निरूपण

मापी गई मस्तिष्क गतिविधि में अंतर को विभिन्न नियमों से दर्शाया जा सकता है।

उन्हें एक तालिका के रूप में प्रस्तुत किया जा सकता है, जो निर्देशांक प्रदर्शित करता है जो कार्यों के बीच गतिविधि में सबसे महत्वपूर्ण अंतर दिखाता है। वैकल्पिक रूप से, मस्तिष्क की गतिविधि में अंतर को मस्तिष्क 'अंश' पर रंग के क्षेत्र के रूप में दिखाया जा सकता है, जिसमें रंग स्थितियों के बीच सांख्यिकीय रूप से महत्वपूर्ण अंतर के साथ स्वरों के स्थान का प्रतिनिधित्व करते हैं। रंग प्रवणता को सांख्यिकीय मानों, जैसे कि t-मान या z-स्कोर, से प्रतिचित्रित किया जाता है। यह किसी दिए गए क्षेत्र की सापेक्ष सांख्यिकीय गुण का सहज और दृष्टिगत रूप से आकर्षक मानचित्र बनाता है।

गतिविधि में अंतर को 'ग्लास ब्रेन' के रूप में दर्शाया जा सकता है, मस्तिष्क के तीन रूपरेखा विचारों का प्रतिनिधित्व जैसे कि यह पारदर्शी हो। छायांकन के क्षेत्रों के रूप में केवल सक्रियण के क्षेत्र दिखाई दे रहे हैं। यह किसी दिए गए सांख्यिकीय तुलना में महत्वपूर्ण परिवर्तन के कुल क्षेत्र को सारांशित करने के साधन के रूप में उपयोगी है।

सॉफ्टवेयर

SPM कार्यात्मक न्यूरोइमेजिंग डेटा के विश्लेषण में सहायता के लिए विश्वविद्यालय संघ लंदन में वेलकम विभाग और प्रतिबिंबन तंत्रिकाविज्ञान द्वारा लिखा गया सॉफ्टवेयर है। यह उद्देश्य का उपयोग करके लिखा गया है और निःशुल्क सॉफ्टवेयर के रूप में वितरित किया गया है।[1]


यह भी देखें

संदर्भ

  1. "एसपीएम - सांख्यिकीय पैरामीट्रिक मैपिंग". www.fil.ion.ucl.ac.uk. Retrieved 2019-10-03.


बाहरी संबंध