Datenanalyse: Vorverarbeitung, Statistik und Auswertung

Abstract

Die echoplanare Bildgebung (»echo planar imaging«, EPI) bietet die Möglichkeit, den zeitlichen Verlauf des MR-Signals mit einer relativ hohen räumlichen Auflösung zu verfolgen. Für jedes einzelne Raumelement oder Voxel, das in den EPI-Aufnahmen unabhängig aufgelöst werden kann, ist es möglich, diesen Signalverlauf zu verfolgen. fMRT-Datensätze sind daher vierdimensional. Die übliche Fragestellung, die einer fMRT-Studie zugrunde liegt, lautet, in welchem relativen Ausmaß eine gegebene Hirnregion an der Bearbeitung einer interessierenden Aufgabe beteiligt ist. Bei der Analyse des Datensatzes müssen 2 Problematiken bedacht werden. Erstens soll die Auswirkung des experimentellen Paradigmas auf das BOLD-Signal ausgewertet werden, und zweitens soll eine Zuordnung von Positionen in den Messdaten zu anatomischen Lokalisationen erfolgen. Dies alles geschieht auf der Grundlage eines relativ geringen Effekts in einer Größenordnung von wenigen Prozent des gesamten MR-Signals. Die Unterscheidung von tatsächlichem Effekt, der auf der Aufgabenstellung beruht, und dem experimentellen Rauschen muss daher mit den Methoden der Statistik bearbeitet werden. Im Folgenden wird zunächst beschrieben, wie die fMRT-Daten für die anschließende statistische Analyse vorbereitet werden. Im weiteren Verlauf des Kapitels wird die Auswertung mit Hilfe des allgemeinen linearen Modells (ALM; »eneral linear model«, GLM) zunächst für die Daten aus der Messung an einem Probanden eingeführt. Mit dem ALM wird der Einfluss der experimentellen Faktoren auf den Signalverlauf in jedem Voxel mit statistischen Methoden untersucht, die in einem eigenen Abschnitt erläutert werden. Statistische Tests an Gruppen von Probanden und die Inferenz auf Populationen werden in einem weiteren Abschnitt behandelt. Die Vierdimensionalität der fMRT-Datensätze bietet zusätzlich zu den erwähnten Methoden, die die Kenntnis des Ablaufs der vom Probanden bearbeiteten Aufgaben erfordern, auch die Möglichkeit der explorativen Analyse der Daten. Diese alternative Vorgehensweise der Datenauswertung wird in einem gesonderten Abschnitt behandelt. Abschließend werden Herangehensweisen an die anatomische Zuordnung und Darstellung von Aktivierungen beschrieben.