脑成像数据的元分析ALE原理与操作

1、脑成像元分析研究：基于坐标点元分析方法汇报人：封春亮单位：北京师范大学，脑与认知科学研究院第1页脑成像元分析背景介绍第2页脑成像数据元分析发展元分析 (Glass, 1976)“将现有研究整合并对其结果进行综合分析统计方法”第3页脑成像数据元分析发展(胡传鹏等, )脑成像研究数量第4页脑成像数据元分析发展元分析对脑成像研究意义 (Wager et al., ; Eickhoff et al., )单个脑成像研究被试数量普遍较少，结果不够稳定；单个脑成像结果很可能受到特定试验操作（如，扫描参数）影响；单个脑成像研究对某个脑区功效解释往往局限于使用单个或几个任务。 (e.g., vmPFC=sel

2、f-reflection?)-单个脑成像研究不足(Wager et al., )第5页脑成像数据元分析发展脑成像技术：where? (位置信息) 坐标信息 (x, y, z)最大激活点坐标(x, y, z)第6页脑成像数据元分析发展脑成像元分析：对不一样研究中位置信息整合早期脑成像数据 “元分析”：对不一样研究中汇报位置信息主观描绘(Peyron, )(Joseph, )第7页Activation likelihood estimation (激活似然性预计，ALE, Turkeltaub et al., )目标：最大化地量化研究间位置信息一致性；尽可能减小分析方法主观性。脑成像数据元分析发展

3、主观描述客观统计第8页ALE计算 (Turkeltaub et al., )概念：把每个激活点拟合成一个概率分布 也即这个激活点落在大脑每个voxel上概率大小：与激活点越近voxel，概率越大。脑成像数据元分析发展文件中汇报激活点一个激活点落在大脑每个voxel上概率。（d为每个voxel与激活点之间距离；为分布方差）第9页ALE计算 (Turkeltaub et al., )脑成像数据元分析发展ALE：最少有一个激活点落在某个voxel内概率。ALE=第i个激活点落在某个voxel内概率。一个激活点落在大脑每个voxel上概率。相关研究中汇报全部激活点第10页ALE统计检验 (Turkel

4、taub et al., )Permutation test (置换检验)零假设：激活点没有重合，全部重合都是随机原因造成假设元分析采集到了100个坐标（激活点）；则产生100个随机坐标，然后依据这些随机坐标计算出大脑中每个voxel在零假设下ALE值（如，重复1000次，然后求均值）产生零假设分布；经过比较实际ALE值与随机坐标产生ALE值，来确定显著性。脑成像数据元分析发展第11页ALE统计检验 (Turkeltaub et al., )Permutation test (置换检验)在H0分布下，ALE为5.7210-3概率为0.0001。所以，假如设置=0.0001为显著水平，那ALE值

5、大于5.7210-3voxel都视为显著（也即最少有一个激活点落在这个voxel内）。脑成像数据元分析发展第12页ALE优点 (Turkeltaub et al., ) 自动化分析 除了位置信息外，也有对一致性水平量化 (ALE值) 具备显著性检验，得到结论有统计上支持脑成像数据元分析发展第13页早期ALE算法缺点：以激活点为单位，在每个voxel上，求出全部激活点对应概率联合概率（即ALE值）。 忽略了研究间变异，属于固定效应统计推断 (fixed-effects inference): 元分析结论不能推广到该元分析未包含研究 (胡传鹏等, ; Eickhoff et al., )。 汇报了

6、较多激活点研究对元分析影响更大，甚至主导元分析结果 (Wager et al., )。脑成像数据元分析发展第14页ALE改进算法 (Eickhoff et al., )脑成像数据元分析发展ALE/MA=Modeled activation (MA) map某个voxel在特定一个试验中激活可能性第一步：在每个试验内部先做一次整合类比：把每个试验看做一个“被试”；每个voxel看做一个试验条件；每个试验汇报出来激活点看做一个采集到数据点。第一步整合 “” 对每个被试各个条件下全部数据点求和。第一步整合结果：每个试验在每个voxel上，都有只一个MA/ALE值。第15页脑成像数据元分析发展Mode

7、led activation (MA) map跨试验整合第二步：以试验 (“被试”)为单位，计算每个voxel上总ALE值，并做统计检验。结果：每个voxel总ALE值统计检验：零假设：元分析中各试验MA map之间没有重合，全部重合均是随机原因造成。置换检验：零分布：从每个试验MA图中各自随机抽一个坐标点和对应MA值，依据这些MA值算出一个总ALE值。重复1011次，每次能得到一个总ALE值。构建出零分布。依据不一样ALE值在零分布中出现概率，确定显著性水平。ALE改进算法 (Eickhoff et al., )第16页ALE算法深入优化：脑成像数据元分析发展Eickhoff et al.,

8、 (NeuroImage): 以MA值为单位代替以voxel为单位，降低了迭代次数，加紧了运算速度；Turkeltaub et al., (Human Brain Mapping): 取最大值代替求和方法，深入降低单个试验对结果影响。 第17页脑成像元分析步骤脑成像元分析步骤第18页脑成像元分析步骤第19页1. GingerALE: https:/ale/ (邓沁丽, )脑成像元分析步骤使用到软件：第20页脑成像元分析步骤使用到软件：2. Mango: /mango用于结果展现第21页第一步：选好主题，查找和筛选文件1.1. 选好元分析主题工作记忆 (Nee et al., );Go/No-g

9、o 任务 ();奖赏加工 (Bartra et al., );社会决议 (Feng et al., ).共情与本身疼痛感受是否 基于共同神经机制 (Lamm et al., );自传体记忆、展望未来、心理理论以及默认网络是否基于共同神经机制 (Spreng et al., );初级和次级奖赏加工是否基于共同神经机制 (Sescousse et al., )自己接收奖赏与观看他人接收奖赏是否基于共同神经机制 (Morelli et al., );“共性”脑成像元分析步骤单个任务对应神经机制：多个任务共同神经机制：第22页第一步：选好主题，查找和筛选文件1.2. 查找和筛选文件查找路径： 谷歌学术

10、 (https:/scholar.谷歌.com/; /) PubMed (/pubmed/) ISI Web of Science (/) 已查找文件引用列表 相关领域综述引用列表文件筛选： 被试群体：如，正常成人被试； 是否使用fMRI技术； 使用是全脑(whole-brain)分析，而不是感兴趣区(ROI)分析； 汇报了感兴趣统计结果； 激活坐标汇报在标准空间里 (如MNI，Talairach).脑成像元分析步骤查找内容： 与主题相关几个关键词 fMRI/functional fairness/fair/ultimatum game第23页第二步：采集坐标点需要提供信息（要求格式）： 标准

11、空间类型（第一行）：MNI或者Talairach; 文件信息： / 作者名，年份等； / Subjects=N (被试量信息) 坐标点。每个点一行 不一样文件之间需要有一个空行； 注意MNI与Talairach空间之间转换。脑成像元分析步骤第24页第三步：使用GingerALE进行元分析3.1. 计算ALE (activation-likelihood-estimation)脑成像元分析步骤Eickhoff et al., (NeuroImage): Turkeltaub et al., (Human Brain Mapping): 内置在GingerALE软件里算法第25页第三步：使用Gin

12、gerALE进行元分析3.2. 矫正结果： Settings脑成像元分析步骤第26页第三步：使用GingerALE进行元分析3.2. 矫正结果关于FDRbug (在2.3.3以后版本中更正)FDR矫正原理： 假设有N个比较，对应有N个p值。 i). 全部p值从小到大排序：p(1), p(2), p(3).p(N)；ii). 若想控制FDR不能超出q，则只需找到最大正整数i，使得 p(i) 公平对待 信任游戏 (trust game)被投资者: 返还决定时脑活动第39页文件查找： Google学术, PubMed等基于坐标元分析关键词：normative decision making, fair, altruistic punishment, ultimatum game, trust, trust game, investment game, trustor, investor, trustee, trustworthiness, reciprocity, fMRI, magnetic resonance imaging, neu