해마체 연구, Group GLM

이번 글은 Group GLM 분석에 대한 결과에 대해 써보고자 합니다.

GLM Study

GLM은 fMRI study에서 기본적으로 사용하는 연구 방법입니다. GLM은 Generalized Linear Model의 약자인데요, fMRI Study에서 brain activity를 반응 변수로 놓고 어떠한 자극을 주었는지를 설명 변수로 놓아서 그 설명변수가 response variable을 얼마나 잘 설명하는지 파악하는 방법입니다. 제 연구에서는 여러가지 Sequence(숫자의 나열)을 자극으로 주었기 때문에 그 숫자의 나열을 설명 변수로 사용하였습니다. 이런 방식을 통해서 Sequence가 brain activity에 얼마나 영향을 미치는지 알 수 있죠. GLM을 통해 설명 변수가 반응 변수를 얼마나 잘 설명하는지의 정도를 얻을 수 있습니다. 이를 beta 값이라고 합니다.

Quality Check

기본적인 GLM 분석은 데이터의 Quality check 용도로 사용할 수 있습니다. 저의 실험 같은 경우에는 실험 과제를 크게 움직임과 휴식 두가지로 나눌 수 있는데요, 움직일 때와 휴식할 때의 brain activity의 차이를 비교하여 움직일 때 우세한 voxel과 휴식할 때 우세한 voxel을 시각화 할 수 있습니다. 이를 Contrast라고 합니다. 같은 위치의 voxel에 대해서 condition 별로 다르게 뽑은 beta 값을 빼주는 방법이죠. 예를 들어 Condition A, B가 있다면 A - B를 하는 것입니다. 이때 값이 +가 나온다면 그 Voxel의 activity는 condition A에 더 잘 반응하는 것이고 -가 나오면 condtition B에 더 잘 반응한다고 해석합니다. 또한 0 근처의 값이 나오면 그 voxel은 condition A, B에 관여하지 않는 것이고 0에서 많이 떨어져 있는 값이 나타날 수록 특정한 condition에 더 크게 반응한다고 할 수 있습니다.

다음 그림은 저의 실험 분석 결과를 시각화한 것입니다. Sequence를 누르는 동할을 할 때(움직일때) 우세한 voxel을 표현한 것이며, 보통 움직일 때 우세하게 나오는 Motor cortex와 Cerebellum에서의 활성화가 큰 것을 볼 수 있으며, 시각 자극을 주었기 때문에 visual cortex 쪽의 활성화도 조금 보입니다.

다음 그림은 휴식을 취할 때 우세한 voxel을 표현한 것입니다. Default mode network에 속하는 medial frontal cortex와 Precuneus 부근의 화렁화가 두드러집니다. 또한 Hippocampus에서의 활성화도 보이네요.

이렇게 이전 연구의 결과들(prior)과 현재 데이터의 분석 결과를 비교해보면서 data quality check를 할 수 있으며 내가 지금 분석을 잘 하고 있는지 체크해 볼 수 있습니다.

Default Mode network

Default mode network는 주요하게 medial prefrontal cortex, posterior cingulate cortex, precuneus 그리고 angular gyrus로 이루어진 부분을 말합니다. 이 network는 깨어있는 휴식상태(wakeful rest)일 때 활성화 된다고 알려져 있으며, Daydreaming, mind-wandering, 자기 자신을 생각하거나 타인을 생각할 때 그리고 과거에 대해 생각하거나 미래에 대한 계획을 할 때도 활성화 된다고 알려져 있습니다. Default mode network는 task negative network라고도 하는데, 그 이유는 위에서 본 바와 같이 task 도 중에는 활성화 되지 않고 쉴 때 활성화가 되기 때문이지요. 그러나 최근에는 이 network가 task performance와 연관이 있다는 논문들이 발표되며 흥미를 불러일으키고 있습니다.