SPM est une boîte à outils MATLAB permettant de réaliser (entre autres) des études de groupe en neuro-imagerie.
Décompressez le fichier spm12.zip. Lancez MATLAB, lancer spm, choisissez PET & VBM. Pour plus de lisibilité, laissez la fenêtre Menu ouverte, mais fermez les deux autres.
Décompressez le fichier samples.zip, contenant des images de quelques sujets.
Affichez l'image IXI002-Guys-0828-T1.nii (bouton Display). Le volume étant nativement tri-dimensionnel, chacun des trois plans de coupes habituels (transverse, coronal, sagittal) est affiché ; le curseur (en bleu) peut être déplacé avec le bouton gauche de la souris afin d'explorer le volume.
Repérez les directions avant-arrière et haut-bas du sujet. Pouvez-vous déterminer la gauche et la droite ?
À l'aide des boutons Origin et World Space / Voxel Space ainsi que des champs mm et vx dans la boite Crosshair Position, expliquez la relation entre ces deux champs et les entrées Vox size, Origin et Dir Cos (partie droite de la fenêtre).
À l'aide du bouton Check Reg, déterminez si les images IXI002-Guys-0828-T1.nii, IXI012-HH-1211-T1.nii et IXI035-IOP-0873-T1.nii sont recalées entre elles.
Dans la fenêtre de menu, le bouton Batch permet d'avoir accès aux outils de traitement d'images de SPM. Les outils sont situés dans le menu de la fenêtre Batch Editor et peuvent être combinés pour former des pipelines de traitement complexes. Les différentes étapes du pipeline sont affichées dans la partie gauche de la fenêtre, et chaque étape peut être supprimée en faisant un clic droit puis Delete module.
SPM propose deux méthodes de recalage -- Coregister et Normalize -- dans le menu SPM → Spatial. Dans les deux cas, trois options sont proposées Estimate, Reslice et Estimate & Reslice. À quoi correspondent ces trois options ?
Lancez Coregister sur les images IXI002-Guys-0828-T1.nii (Reference Image) et IXI012-HH-1211-T1.nii (Source Image). Comparez le résultat du recalage (rIXI012-HH-1211-T1.nii) avec l'image de référence : le recalage est-il meilleur ? Est-il suffisant ?
Le fichier IXI012-HH-1211-T1.nii a été modifié par Coregister : quelles différences y a-t-il entre IXI012-HH-1211-T1.nii et rIXI012-HH-1211-T1.nii ?
Lancez Normalize sur IXI002-Guys-0828-T1.nii et IXI035-IOP-0873-T1.nii. Les deux images résultantes (wIXI002-Guys-0828-T1.nii et wIXI035-IOP-0873-T1.nii) sont-elles bien recalées ?
Quelle sont les différences entre Coregister et Normalize, notamment en termes de transformations appliquées ?
À quoi correspondent les fichiers commençant par y ?
En raison des différents contrastes obtenus par les machines de différents centres d'acquisition, les analyses statistiques d'une étude de groupe se basent rarement sur les images d'origine, mais sur des segmentations de tissus spécifiques. Dans le cadre du cerveau, il s'agira en général de la substance blanche et de la substance grise. Lancez la segmentation (SPM → Spatial → Segment) sur une des images (entrée Data / Channel / Volumes) : à quoi correspondent les fichiers obtenus ? Quelle image correspond à la substance blanche ? Quelle image correspond à la substance grise ?
Cette dernière étape consiste à étudier l'évolution de la quantité de substance grise en fonction de l'age sur un ensemble de sujets. Afin de s'abstraire d'un éventuel effet du sexe, le modèle prendre cette covariable en compte, mais ne l'incluera pas dans les contrastes. Décompressez le fichier smoothed.zip et visualisez une des images : à quoi correspondent ces images ?
Dans le menu principal, choisissez Basic models, créez un répertoire pour stocker les résultats de l'analyse et renseignez le champ Directory. Changez le mode d'analyse (Design) en Multiple regression, entrez toutes les images du dossier smoothed dans Scans.
Créez deux covariables (dans la partie Design), une pour l'age et une pour le sexe. Le fichier infos.txt contient les valeurs des différentes covariables : la première colonne contient l'identifiant du sujet, la second son sexe (0 : femme, 1 : homme) et la troisième son age. Chargez de fichier dans une variable MATLAB à l'aide de la fonction csvread et renseignez les valeurs des covariables de SPM à l'aide de cette variable. Conservez les valeurs par défaut des autres options et lancez le traitement.
Cliquez ensuite sur Estimate (fenêtre Menu), choisissez le fichier SPM.mat dans le dossier précédemment créé et lancez le processus. Cliquez enfin sur Results, sélectionnez le même fichier et créez deux T-contrastes pour observer respectivement les zones où la quantité de substance grise augmente avec l'age et les zones où cette quantité diminue avec l'age.
Affichez d'abord le contraste montrant l'augmentation de la quantité de substance grise : dans les options, ne spécifiez pas de masque, une correction d'erreur en FWE, et le reste des paramètres par défaut. Comment interprétez-vous les résultats ?
Affichez ensuite le contraste montrant la diminution de la quantité de substance grise (même paramètres). Pour plus de lisibilité, cliquez sur Overlays puis Sections et choisissez le fichier canonical/single_subj_T1.nii du répertoire d'installation de SPM. La partie supérieure de la fenêtre (appelé glass brain) des résultats présente trois vues en MIP (maximum intensity projection) des données ; sachant ceci, expliquez les différences de visualisation entre le glass brain et la partie Sections.