めもめも ...〆(。_。)
認知心理学・認知神経科学とかいろいろなはなし。 あるいは科学と空想科学の狭間で微睡む。
×
[PR]上記の広告は3ヶ月以上新規記事投稿のないブログに表示されています。新しい記事を書く事で広告が消えます。
愚痴。
愚痴るのはあまりよろしくないが、発散が目的なのであしからず。
一応スルー推奨
愚痴るのはあまりよろしくないが、発散が目的なのであしからず。
一応スルー推奨
この期に及んでやっぱ解析ちょっとやり直すことにした。
といってもROIの選定をやり直すだけなので、大した手間ではない。
もちょと大きい変更になったらこれを機にBrainVoyagerに乗り換えたけど、時間との兼ね合いでそこはあきらめた。
なんかね、ROIの選定を視認に頼ってたら不安になったの。
はじめてMRIのデータさわったやつが、どこまで正確に視認できんのかなあって。
ちゃんと視認できるようになりなさい、とは先輩に言われてるけども、合ってるかどうか自信ないや。
単にカンファレンスで「そのROI部位的に違うくね？」とつっこまれるのが怖いだけかもしれない。
だからここはPickAtlas頼ろうかなあ、と。
なんで最初からそうしなかったかってーと、平均脳上で定義される部位と、実際の個人脳における部位とでくいちがうことを心配してたから。
まーでも個人脳平均化してるんですけどねー。
溝とか回までは平均化できないから。
ちゃんと視認できてそれがあってたらいいんだろーけどさ。
それともここはあえて視認でいって結果図さらして「まちがってるよ」ってつっこんでもらえたほうがしあわせなのか。
悩む。
だって間違えるの怖いじゃん。
間違えちゃった、てへ☆ですめばいいけどさ。
へたしたら、自分に都合いいデータだけ集めてるデータ改竄的研究になりかねないんじゃね。
ああでもここでちゃんと経験つんどかないでこの先やってけるのか？
そもそもツールにたよりっぱでちゃんと個人脳と対応とれてんのか？
つーかそもそも、PPAとかまだ議論あるじゃんね。
解剖的にきめちゃってていいの？
みたいな根本的な不安もむくむくしてきたり。
とりあえず両方のデータ用意して、どっちがいいんでしょうねって聞くか・・・
他のひとら（特に文系からの参入組）は悩まなかったのかなあ。
機能的ROIやってるのうちの研究室ではわたしだけなのでわからないや。
うむ。
とりあえず愚痴は発散したので、紅茶でも飲んで解析に戻ろう。
この記事にトラックバックする
トラックバックURL：
カレンダー
| 03 | 2024/04 | 05 |
| S | M | T | W | T | F | S |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | |
| 7 | 8 | 9 | 10 | 11 | 12 | 13 |
| 14 | 15 | 16 | 17 | 18 | 19 | 20 |
| 21 | 22 | 23 | 24 | 25 | 26 | 27 |
| 28 | 29 | 30 |
カテゴリ説明
がっつり：論文や研究関連をがっつり。
びっくり：科学ニュースでびっくり。
まったり：空想科学などでまったり。
ばっかり：デザイン系自己満足ばっかり。
ほっこり：お茶を嗜んでほっこり。
最新コメント
※SPAMが多いのでhttpを含むコメントと英語のみのコメントを禁止しました※
最新記事
(05/08)
(04/24)
(04/10)
(02/03)
(11/01)
最新トラックバック
プロフィール
ＨＮ：
az
性別：
非公開
自己紹介：
興味のあるトピックス
分野は視覚認知。視知覚にがて。
あと記憶全般。
カテゴリ (semanticsか?) とかも。
最近デコーディングが気になる。
でも基本なんでもこい。
好奇心は悪食。
好きな作家（敬称略）
川上弘美
小林秀雄
津原泰水
森茉莉
レイ・ブラッドベリ
イタロ・カルヴィーノ
グレッグ・イーガン
シオドア・スタージョン
分野は視覚認知。視知覚にがて。
あと記憶全般。
カテゴリ (semanticsか?) とかも。
最近デコーディングが気になる。
でも基本なんでもこい。
好奇心は悪食。
好きな作家（敬称略）
川上弘美
小林秀雄
津原泰水
森茉莉
レイ・ブラッドベリ
イタロ・カルヴィーノ
グレッグ・イーガン
シオドア・スタージョン
バーコード
ブログ内検索
最古記事
(08/05)
(08/16)
(08/19)
(08/19)
(08/21)
カウンター
フリーエリア
PR
http://www.ncbi.nlm.nih.gov/pubmed/16635578
http://www.mumumu.org/~viking/blog-wp/?p=2058
確かにfunctional localizerの定義を考えると、解剖的なラベルでROIを限定するのはせっかくの「機能」のメリットを活かしきれてない気もします。
ただ、Epstein & Ward 2009 Cerebral Cortexだとposterior parahippocampal/collateral sulcus region中のボクセルでPPAを決めてます。
Kanwisher自身も、Kanwisher, Tong & Nakayama 1998 CognitionのでEach subject's FFA was identified from the functional localiser scans as the set of all contiguous voxels in the fusiform gyrusというふうに記述しています。
http://www.ncbi.nlm.nih.gov/pubmed/19457939
http://www.ncbi.nlm.nih.gov/pubmed/9775518
完全に解剖的にFFA/PPAを決定することはできないですが、ROIを選定するときに解剖的部位の中で活動を示すボクセルを選ぶ、という方法はFFAやPPAを使って何かしようという論文ではありがちな方法なのではないかと思います。
（それが神経科学全体からはどうみえるは、素人のわたしにはわかりませんが、やはり議論されるべき点だと思います）
しかし、「完全に機能的な定義」というのは可能なのでしょうか？
例えばFFAを定義するコントラストで舌状回や下後頭回とかに活動が出た場合と、中前頭回や下前頭回に活動が出た場合も、おなじように扱うことができるのでしょうか？
機能的ROIの定義のしかただけでも十分恣意的になりそうな気がしてしまいました。
と、ここでむうむう唸りながら気づいたんですが、「ある部位がどういうはたらきをするか」が研究目的の主眼であれば、ROIは解剖的に決定されるべきなんですよね。
でも、「ある機能（顔の情報表現とか）と認知（実験課題）はどういう関係にあるか」というような話がメイン目的になれば、ROIは機能的に決定されるべきですよね。
むむむう。
でも「ある機能にはある部位が関与していて」という話が絡んでくるから、まったく解剖的な話をほっとくわけにもいかないし。
むーん。
ROI analysisとwhole-brain analysisを併用して、whole-brainのときに紡錘回や海馬傍回以外の部位について検討すればいいのかしら。
むしろそこんとこを叩かれてくればいいのか。
基本スキル習得が強化学習なので、ちょっとぶつかってきま～す。
もちろん、FFAはfusiform gyrusの中にあるからこそそう呼ばれるわけですし、PPAはparahippocampal gyrusの中にあるからこそのものです。
ですから、例えばFFAを定義するコントラストでfusiformの中にあるvoxels（できればcluster）を抜き出せば、それはFFAに該当するROIであると言い切って良いと思います。
この辺のスタイルはKanwisherも10年以上前から変えてないはずなんですが、もしかしたら少しブレたりしているかもしれませんので、できるだけ最新の論文でチェックするのをお勧めいたします。
もしかしたら既にお読みかもしれませんが、参考になりそうな論文を2本ほど。
http://www.ncbi.nlm.nih.gov/pubmed/18287004
FFAとPPAがどう「隣接」（グラデーション？を伴って）しているか？についてTootell & Ungerleiderのカップルが論じた研究です。
http://www.ncbi.nlm.nih.gov/pubmed/17164335
FFA以外のface-selective regionについて論じたもの。基本的にtuningの話をし始めるとこういう重箱の隅をつつく話になりがちなので、なればこそある程度業界内でコンセンサスが得られているlocalizerで決め打ちするのが得策だとも僕には思われます。
ともあれ、頑張ってください。気がついたことがあれば、僕の乏しい学識の範囲内でコメント差し上げます。
やはり特定部位の中でローカライザー課題で検出できるボクセルが対象になるわけですね。
となれば、「部位の特定のしかた」が問題になってくるのですね・・・
とりあえず今はPickAtlasに頼ろうかと思いますが、PPAに関する議論で頻出するRetrosplenial CortexはPickAtlasのラベルでは対応してないんですよねー。
視認修行あるのみなのかもしれません。
Kanwisherのほうはあまりおっかけてないんですが、EpsteinのほうはROIとなるボクセルの代表値の決め方に多少ブレがあるみたいです。
そもそも「PPAって“場所”じゃないかも・・・」というのが一番ブレてるところかもしれませんね。
論文ご紹介くださりありがとうございます。
知覚の厳密な話が苦手なこともあって、この手の細分化した論文の勉強はついついさぼりがちになるもので・・・。
ではおことばに甘えてひとつ質問を。
もしお時間がありましたらご教示くださると幸いです。
たとえば左半球でFFAに該当するボクセルが２つ出てきた場合、各ボクセルのt値高いほうを代表値にしてそこだけを分析する方法と、どちらもROIとして分析する方法、２つを算術平均などでまるめた値を分析する方法、どれが一番「メジャー」なのでしょうか？
Epsteinたちは2009年の時点では１番目の方法を採用しているようですが、最初に解析を教えてくださった先輩は３番目の方法を推奨していたので。
ど素人の質問で申し訳ないですが、せっかくの機会なのであつかましくもお尋ねしてしまいます。すみません。
違う機関の方にこんな瑣末な質問ができてしまうネット時代すばらしい。
色々考え方はありますが、どれでやっても論文にはなると思います。ただし、「なぜその方法を選んだか」という説明責任を論文中できちんと果たせることが大事ですね。
どの方法を選んでも、当然ながら一長一短あります。1番目なら、「たまたまnoise-inducedにt値が高い方を選んでしまう」というケースが考えられます。この場合、本解析の時にまずい結果になることもあり得ますので、厄介です。
http://www.mumumu.org/~viking/blog-wp/?p=2477
2番目は「ROIが同一領野内にいくつもあるのはおかしいやろー」と突っ込まれる危険はありますし、実際「連続するvoxelsから構成されるROIの機能は一様である」とするROI analysisの前提にも抵触するので、査読で闘う時に難儀する可能性があります。ただし、元のデータをいじらないので一番真実に近い結果が得られると期待できます。
3番目の方法は1番目と問題点が似ていて、どちらか片方にノイズやアーチファクトが乗ったりすると全体に狂ってしまう危険性があります。ただ、逆手にとってノイズやアーチファクトの影響を半分にすることができるともいえます。そもそも「平均」は偏りを防ぐという点で最も簡便かつ最も効果的な指標ですし。
ちなみに、僕個人は2番目の方法を使っております。その分説明責任を果たさなければならず、面倒なのは事実ですが。いずれにせよ、決めるのはazさんご自身です。頑張ってください。
ひゃっほーい。答えてもらってうれしいので若干小躍りです。
>「ボクセルが2つ」というか、「クラスタが2つ」でしょうか？
あ、クラスタですよね。間違えてました。すみません。
>色々考え方はありますが、どれでやっても論文にはなると思います。ただし、「なぜその方法を選んだか」という説明責任を論文中できちんと果たせることが大事ですね。
なるほど。各方法のメリットと、研究目的の対応がだいじなわけですね。
>1番目なら、「たまたまnoise-inducedにt値が高い方を選んでしまう」というケースが考えられます。この場合、本解析の時にまずい結果になることもあり得ますので、厄介です。
ああそういえばこの議論見たときに「自分も気をつけなきゃ」と思ってたことを思い出しました。
のどもと過ぎると忘れてしまう自分の記憶容量の残念さがはがゆいです。
>2番目は「ROIが同一領野内にいくつもあるのはおかしいやろー」と突っ込まれる危険はありますし、実際「連続するvoxelsから構成されるROIの機能は一様である」とするROI analysisの前提にも抵触するので、査読で闘う時に難儀する可能性があります。ただし、元のデータをいじらないので一番真実に近い結果が得られると期待できます。
そうですね。
ただ「同じfROI内の機能は同じ」という前提でいえば、似たようなふるまいをするものの飛び地になってるクラスタがあるという場合も存在するのではないか、という気もします。
レチノトピーなんかもきれいに見えてもよくよく見ると飛び地っぽいのがあったりするようですし。
「飛び地なんかアーチファクトだろ」といわれたらそうなのかもしれませんが・・・
>3番目の方法は1番目と問題点が似ていて、どちらか片方にノイズやアーチファクトが乗ったりすると全体に狂ってしまう危険性があります。ただ、逆手にとってノイズやアーチファクトの影響を半分にすることができるともいえます。そもそも「平均」は偏りを防ぐという点で最も簡便かつ最も効果的な指標ですし。
アーチファクトは悩ましい問題ですね。
もっともアーチファクトに悩まないMRI屋さんは存在しないと思いますが。
わかりやすいアーチファクトをはじいておけば、手堅い方法なのかもしれません。
ご丁寧に教えていただきありがとうございます。
もう一度データと取っ組み合って、今回の研究に合う方法はどれなのか考えます。
・・・あー論文までの道のりは遠いなあ・・・
がんばります。