THESE-Cazalis-3
35 pages
Slovak

THESE-Cazalis-3

-

Le téléchargement nécessite un accès à la bibliothèque YouScribe
Tout savoir sur nos offres

Description

% Pour evaluer entierment le model il faut juste changer 'types' a 4%---------------------------------------------------------------% user variables defined here - MODELErep = '/images/clinic2/fabienne/SAINS_SPM99/00485';F1 = spm_get('files',[rep '/003-s1-trifac'],'V*.img');F2 = spm_get('files',[rep '/004-s2-tridif'],'V*.img');F3 = spm_get('files',[rep '/005-s3-facdif'],'V*.img');F4 = spm_get('files',[rep '/006-s4-factri'],'V*.img');F5 = spm_get('files',[rep '/007-s5-diftri'],'V*.img');F6 = spm_get('files',[rep '/008-s6-diffac'],'V*.img');files = [F1;F2;F3;F4;F5;F6];calc_onsnscan = 48;%---------------------------------------------------------------% batch variables defined here for analysis 'model'% - basic model structure%---------------------------model = struct( ...'types', 1, ... % 1-'spec'; 2-'review'; 3-'est'; 4-'spec & est''global_effects', {'None'}, ... % 'Scaling|None''burst_mode', 0, ... % 'y/n',[1 0]'HF_fil', 'specify', ... % 'none|specify''HF_cut', [76], ...'LF_fil', 'Gaussian', ... % 'none|Gaussian|hrf''LF_cut', [4], ... % VALUE, 'Gaussian FWHM (secs)''int_corr', 'none', ... % {'none','AR(1)'}'now_later', 1, ... % estimate 'now|later', [1,0],'stop_writing', 0, ... % 0 prevent result to be overwritten, 1 otherwise'trial_fcon', 1, ... % 'yes|no', [1,0], (les fcontrast par ...

Sujets

Informations

Publié par
Nombre de lectures 24
Langue Slovak
% Pour evaluer entierment le model il faut juste changer 'types' a 4 %---------------------------------------------------------------% user variables defined here - MODELE %---------------------------------------------------------------rep = '/images/clinic2/fabienne/SAINS_SPM99/00485'; F1 = spm_get('files',[rep '/003-s1-trifac'],'V*.img'); F2 = spm_get('files',[rep '/004-s2-tridif'],'V*.img');  F3 = spm_get('files',[rep '/005-s3-facdif'],'V*.img'); F4 = spm_get('files',[rep '/006-s4-factri'],'V*.img'); F5 = spm_get('files',[rep '/007-s5-diftri'],'V*.img'); F6 = spm_get('files',[rep '/008-s6-diffac'],'V*.img');  files = [F1;F2;F3;F4;F5;F6];
calc ons _ nscan = 48; %---------------------------------------------------------------% batch variables defined here for analysis 'model' %---------------------------------------------------------------% - basic model structure %---------------------------model = struct( ... 'types', 1, ... % 1 'spec'; 2-'review'; 3-'est'; 4-'spec & est' -'global_effects', {'None'}, ... % 'Scaling|None' 'burst_mode', 0, ... % 'y/n',[1 0] 'HF fil', f ', .. _ 'speci y . % 'none|specify' _ [76], ... 'HF cut', 'LF_fil', 'Gaussian', . % 'none|Gaussian|hrf' .. _ [4], .. % VALUE, 'Gaussian FWHM (secs)' 'LF cut', . 'int_corr', 'none', ... % {'none','AR(1)'} 'now later', 1, ... % estimate 'now|later', [1,0], _ 'stop_writing', 0, ... % 0 prevent result to be overwritten, 1 otherwise _ on', 1, ... % 'yes|no', [1,0], (les fcontrast par defau ) 'trial fc t RT', 3, ... ' 'replicated', 1, ... % session 'yes|no',[1 0] 'same_time_param',1, ... % 'yes|no',[1 0] 'nsess', 1, ... 'nscans', [nscan*6], ... 'files', {{files}}, ... 'conditions_nb', [3], ... % condition number for each session 'conditions', [1], ... % indice de la structure condition defini ci apres 'regressors_nb', [0], ... % nombre de user specific regresseurs for each session 'regressors' [0], ... % leur indice , 'parametrics_type', {{'none'}}, ... % STRINGS, {'none','time','other'}, 'parametrics', [], ... % indice 'stochastics_flag', [0], ... % INTEGER_ARRAY, 'yes|no',[1 0], 'stochastics', [] ... );
p. 205
% - model using the realignment params as regressors %---------------------------------------------------% pour le deuxieme model, je rajoute des conditions % qui sont definies dan conditions(2) % il y en a 9 (je rajoute des constantes pour l effet scan model(2) = model(1); model(2).conditions_nb = [9]; % condition number for each session model(2).conditions = [2]; % indice de la structure condition defini ci apres model(3) = model(1); model(3).condition_nb = [3]; model(3).conditions = [3]; model(4) = model(1); model(4).condit _ [9]; ion nb = model(4).conditions = [4]; %======================================================================= % [CONDITIONS] -> [BF_EV] [BF_EP]% conditions : STRUCT % [CONDITIONS] %----------------------------------------%---------------------%modelisation en event chaque stimulus donne un onset conditions(1) = struct( ... 'names', {{'c1ev','c2ev','c3ev'}}, ... 'onsets', {{onset_c1, onset_c2, onset_c3}}, ... 'types', {{'events','events','events'}}, ... 'durations', {{duration_c1, duration_c2, duration_c3}}, ... 'bf_ev', [1 1 1 ], ... 'bf_ep', [0], ... 'volterra', 0, ... _ 'variable dur', 1 ... ); %idem + ajout de 6 regresseur pour les sessions effect conditions(2) struct( ... = 'names', {{'c1ev ,'c3ev','effet_s _ _ _ _ _ ','c2ev' ession1','effet session2','effet session3','effet session4','effet session5','effet sessio n6'}}, ... 'onsets', {{onset_c1, onset_c2, onset_c3,0,nscan,nscan*2,nscan*3,nscan*4,nscan*5}}, ... 'types , {{'events','events','events','epochs','epochs','epochs','epochs','epochs','epochs'}}, ... ' 'durations',{{duration_c1, duration c2, duration_c3}},... _ 'bf ev', [1 1 1 0 0 0 0 0 0], ... _ 'bf_ep', [0 0 0 1 1 1 1 1 1], ... 'volterra', 0, ... _ 'variable dur', 1 ... );
p. 206
%modelisation en bloc conditions(3) = struct( ... 'names', {{'c1box','c2box','c3box'}}, ... 'onsets', {{bloc{1},bloc{2}, bloc{3}}}, ... 'types', {{'epochs','epochs','epochs'}}, ... 'durations',{{dur_bloc{1}, dur_bloc{2}, dur bloc{3} }},... _ 'bf ev', [0], ... _ 'bf_ep', [2 2 2], ... 'volterra', 0, ... 'variable dur', 1 ... _ ); %modelisation en bloc + 6 regresseur pour les sessions effec %c'est ce model qui devrait etre le plus proche de sofia (a verifier) %(avec les contrastes 1 0 0 0 0 0 0 0 0 (et 0 1 0 ... 0 0 1 ...)
conditions(2) = struct( ... 'names', {{'c1box','c2box',' _ _ ession2','effet_session3','effet_session4','effet_session5','effet_se c3box','effet session1','effet s ssion6'}}, ... 'onsets', {{bloc{1},bloc{2}, bloc{3},0,nscan,nscan*2,nscan*3,nscan*4,nscan*5}}, ... 'types', {{'epochs','epochs','epochs','epochs','epochs','epochs','epochs','epochs','epochs'}}, ... 'durations',{{dur_bloc{1}, dur_bloc{2}, dur_bloc{3} }},... 'bf_ev', [0 0 0 0 0 0 0 0 0], ... 'bf_ep', [2 2 2 1 1 1 1 1 1], ... 'volterra', 0, ... 'variable dur', 1 ... _ );
% Basis functions for epoch-related %----------------------------------bf ev(1) = struct( ... _ 'ev type', 1,... _ 'win len', [] ... _ );
%regresseur bloc for session effect bf ep(1) = struct( ... _ 'ep_type', 4, ... % 'fixed response (Box-car)' 'conv', 0, ... % 'yes|no', [1 0] 'deriv', 0, ... % 'yes|no', [1 0] 'length', nscan ... % VALUE, 'epoch length {scans} for condition' );
%regresseur bloc for bloc condition (d'appres moi le champ length n'est pas lu)
bf_ep(2) = struct( ... 'ep_type', 4, ... % 'fixed response (Box-car)'
p. 207
'conv', 0, ... % 'yes|no', [1 0]
'deriv', 0, ... % 'yes|no', [1 0]
'length , 5 ... % VALUE, 'epoch length {scans} for condition' '
);
p. 208
Annexes méthodologiques
Determination
du seuil individuel
p. 209
DE
ETMRINATION DU SEUIL INDIVIDUEL
La figure suivante a servi à élaborer le protocole d'analyse individuelle des données
d'IRMf dans une étude longitudinale sur la récupération motrice chez les patients victimes
d'un accident vasculaire cérébrale (AVC) (Feydyet al, 2002). Elles montrent la variations du
nombre de voxels activés en fonction du seuil, alors que les constantes individuelles (le ratio
d'activation hémisphérique) ne varient pas.
p. 210
Les illustrations suivantes, réalisées par Mélanie Pelegrini-Issaac, montrent, pour les
patients TCS, l'importance du choix du seuil p pour chaque sujet. Ces graphiques, réalisésa
posteriori, montrent le nombre de voxels activés pour un p donné, pour chaque sujet. La ligne
brisée indique le p choisi dans notre étude.
p. 211
p. 212
p. 213
p. 214
p. 215