About iRSFC

  • iRSFC는 intuitive resting-state functional connectivity의 약자 입니다.

  • 가장 간단한 방법으로 휴자상태 뇌기능 연결성을 분석 할 수 있는 Matlab 기반의 툴박스 입니다.

  • 기능 뇌네트워크를 분석할 수 있는 프로그램들을 이미 많이 있습니다. 하지만, 너무 많은 기능이 들어 있어서 사용하기가 쉽지 않고 기존에 Event-related fMRI (ER-fMRI) 연구를 하시던 분들이 사용하시게에 생소한 부분들이 많이 있습니다. iRSFC는 ER-fMRI 연구를 하셨던 분들이 쉽게 사용할 수 있도록 디자인한 프로그램입니다.

  • 메뉴얼은 한국어 버전만 제공할 예정입니다. 한국의 연구자들이 ‘분석 방법’ 자체를 공부하는데 많은 시간을 투자하기 보다는 좋은 연구 아이디어를 생각하는데 더 많은 투자해서 세계의 연구자들 경쟁할 수 있는 좋은 연구를 많이 하기를 희망하기 때문입니다. 하지만, 누군가 제가 작성한 한글 설명서를 영어로 번역해서 배포 하고자 하신다면 저의 허락 없이도 얼마든지 가능합니다.
  • iRSFC toolbox를 구동하기 위해서는 SPM8 툴박스를 미리 다운로드 받고 Matlab에서 Set Path를 설정해야 합니다.

Functionality

  • Seed ROI based functional connectivity analysis: seed로 설정한 뇌영역과 다른 모든 뇌영역간의 functional connectivity를 계산해서 zmap으로 저장하는 기능을 수항햅니다. 이후 분석은 SPM의 [Specify 2nd-level] 메뉴를 통해서 진행하면 됩니다.

  • Network analysis among ROIs: 연구자가 설정한 ROI 영역들간의 기능 연결성을 모두 계산해서 결과를 Comma Separated Values 의 형태로 저장하는 기능을 수행합니다. 이후에 분석은 SPSS 등으로 수행 가능합니다.

Download

  • 아래의 링크에서 간단한 설문에 응답해 주시면 다운로드 링크를 보실 수 있습니다.

  • 어떤 연구자들이 주로 프로그램을 사용하는지 알기 위한 설문이지, 최대한 성의것 응답해 주시면 추후에 프로그램을 업데이트 하는데 큰 도움이 될것 같습니다.

  • 다운로드 링크: http://goo.gl/forms/Wp0uwA8EyX

Hands-on Exercise

  • 아래의 링크에 있는 메뉴얼을 다운로드 받아서 따라해 보세요^^

  • 다운로드 링크: http://goo.gl/7dZ45A

강의 및 분석 의뢰

  • SPM을 이용한 fMRI 데이터 전처리와 iRSFC 사용법에 대한 강의 문의를 받습니다.

  • 그래프 이론을 기반으로 하는 resting state fMRI 데이터 분석 의뢰를 받습니다.

  • iRSFC 사용중 문의사항은 아래의 이메일로 부탁드립니다.

  • E-mail: sunghyon.kyeong@gmail.com



'iRSFC' 카테고리의 다른 글

intuitive resting state functional connectivity (iRSFC) toolbox  (7) 2015/03/03

경규빈 타임라인

국가수리과학연구소에서 병역특례로 근무하는 동안 (2011-2014) 다양한 수학자들을 만나 수 있었습니다. 그 중에서 위상수학(Topology)를 공부하신 박사님과 한 팀에서 일을 할 수 있게 되었는데, 이때 처음으로 토폴로지 데이터 분석 (Topological Data Analysis, TDA)라는 방법을 알게 되었습니다.

토폴로지 데이터 분석의 핵심은 고차원 위상공간의 매니폴드에서 얻은 포인트 클라우드 데이터를 간단하게 추상화 하여 그래프의 형태로 표현하는 것입니다. Filtration에 의해서 샘플된 데이터는 Simplicies를 구성하기 위해 사용되고, 이거한 simplicies들을 선으로 연결하여 매니폴드를 추상화 합니다. 

또한, 대수적 토폴로지(Algebraic Topology)를 이용하면 여러 매니폴드로부터 대수적으로 동일한 해석을 주는 그룹을 찾을 수 있습니다. 가령, 다양한 차원의 매니폴드에서 홀Holes 의 갯수를 알고 있다면 매니폴드의 토폴로지를 특징화 할 수 있습니다. 가령 컵과 도너츠는 홀Hole이 하나라는 점에서 토폴로지가 같다고 할 수 있습니다. 이렇게 토폴로지가 같은 특성을 갖는 것을 호몰로지 그룹이라고 하는데, 고차원 데이터에서 이러한 호몰로지 그룹의 특성을 파악 한다면 다양한 분야의 사람들이 데이터에 대해서 새로운 시각을 얻을 수 있을 것입니다.

지금까지는 대수적 위상수학의 기본에 대한 것만 설명했습니다. 위상수학이 실제 데이터 분석 분야에서 혁명적인 진보를 이를 수 있었던 것은 ‘Persistent Homology’ 때문이 아닐까? 생각해 봅니다. Persistent 호몰로지 알고리즘은 토폴로지적인 불변량을 다양한 스케일에서 볼 수 있게 해 준다. 여기에서는 특정 스케일에서의 Hole의 갯수가 중요하기 보다는 Hole의 갯수가 동일하게 유지되는 스케일의 구간이 어디인지? 가 더 중요한 질문입니다. 

바코드 형태의 그래프는 호몰로지 그룹을 계산함과 동시에 시각화가 가능합니다.바코드 그래프에서 주요한 관심은 x축 선상에서 길게 유지되는 그래프입니다. Bar의 길이가 짧은 것은 대부분 토폴로지 잡음에 해당되는 경우 입니다. Bar의 길이가 길게 유지되는 bit이 데이터의 특징을 설명해 줄 수 있는 호몰로지 그룹입니다. 다음의 코드는 R의 phom packages를 이용하여 iris data의 바코드를 그려줍니다.

install.packages("phom") # phom 설치   library(phom) # phom 설치 확인 data = as.matrix(iris[,-5]) head(data) max_dim = 0 max_f = 1 irisInt0 = pHom(data, dimension=max_dim, # maximum dimension of persistent homology computed max_filtration_value=max_f, # maximum dimension of filtration complex mode="vr", # type of filtration complex metric="eucledian") plotBarcodeDiagram(irisInt0, max_dim, max_f, title="H0 Barcode plot of Iris Data")

위에 그림으로부터 3~4개 정도로 iris 데이터를 클러스터링 할 수 있을 것으로 생각할 수 있을 것이다. Filtration value가 0에서 1로 변하는 동안 계속해서 유지 되는 클러스터가 2개이고 0-0.7 동안 유지되는 바코드는 4개 정도이기 때문이다.