تمرین پردازش تصویر

شرح پروژه

سلام

من یه چندتا تسک متلب دارم

در مورد پردازش تصویر fMRI با SPM و یه تول باکس دیگه

مهلتشم تا پنج‌شنبه می‌خوام

پروژه‌ها سبکن خودم وقت ندارم بزنم سرم شلوغه

لینک دیستاست در openneuro:

https://openneuro.org/datasets/ds000117/versions/1.0.5

فایل سابجکت اول رو براتون فرستادم، اما خوبه که یه نگاهی به دیتاست داشته باشید  و اگر دوست داشتید سابجکت های دیگه رو هم دانلود کنید (اختیاری)

لینک SPM:

https://www.fil.ion.ucl.ac.uk/spm/

تسک جلسه اول:

مراحل 6 گانه پری-پروسسینگ رو روی سابجکت 1 انجام بدید،

از ستینگی که توی هر استپ انتخاب میکنید اسکرین شات بگیرید و توی یک فایل word قرار بدید

آخرین فایل پری-پروسس شده که مربوط به مرحله smoothing باشه (با پیشوند swarsub) رو بهمراه فایل ورد به ایمیل خانم ابولقاضی بفرستید.

لطفا همه این مراحل رو برای ران1 و 2 سابجکت انجام بدید

سلام عزیزان 

وقت همگی بخیر باشه

چند نکته راجع به تسکی که باید انجام بدین: 

1️⃣ دیتایی که در اختیار شما قرار داده میشه شامل شش سابجکت است. تایپ دیتا رست می باشد. 

2️⃣ابتدا تصاویر آناتومیکال و فانکشنال این شش سابجکت را وراد CONN می کنید.  یادتون نره که باید قبل از Pre-Proseccing گروه های خودمون رو تعریف می کردیم. 

3️⃣ تمام مراحل Pre-Proccesing رو بر اساس آنچه دیشب بهتون آموزش داده شد روی دیتا انجام می دهید. یادتون باشه که برخی از مراحل رو باید تغییر می دادید یا حذف می کردید. 

4️⃣ بعد از اینکه بخش های Quality Checking و Denoising رو انجام دادید، وارد بخش 1St-level analysis می شوید. در این مرحله لازم است که Connectivity Measure خودتون رو از نوع Seed-Based Connectivity (SBC) انتخاب کنید.

5️⃣ در ارتباط با Seeds/Sources  یادتون باشه که نواحی(ROIs) که باید انتخاب کنید شامل نواحی ای هستند که در Default Mode Network (DMN) دخیل هستند. این نواحی شامل چهار ناحیه بود که دیشب در موردش صحبت کردیم. 

6️⃣ نهایتا وارد بخش  2nd-level analysis میشد. در این بخش باید گروه های که توی بخش SETUP و قسمت 2nd-  level  covariates تعریف کردید رو مقایسه کیند. یادتون باشه که برای این کار باید Contrast  تعریف می کردید. در آخر هم بعد انجام آنالیز می تونید ریزالت مطلوب خودتون رو ببینید و Glass map  رو استخراج کنید. 

7️⃣ اما تسکی که ما از شما می خواهیم این است که تمام مراحلی که هم در بالا توضیح دادم و هم دیشب باهم کار کردیم رو انجام بدید و از تمام مراحل اسکرین شات بگیرید و به آدرس ایمیل خانم سنقری ارسال کنید. 

8️⃣ بچه ها انتظار من این است که بتونید با توجه به توضیحاتی که داده شده، با توجه به اسلایدها و ویدئویی که در اختیار شما قرار داده شده بتونید به راحتی تسک رو انجام بدید. اما پیش از این انتظار دارم  که تلاش خودتون رو انجام بدید. 

9️⃣هر زمان و هر وقت سوالی داشتید بپرسید، در خدمتتون هستم.

ارادتمند همگی

سلام عزیزان 

امیدوارم خوب باشید و وقتتتون بخیر باشه

چند نکته راجع به تسک دوم: 

1️⃣ دیتایی که در اختیار شما قرار داده میشه شامل شش سابجکت است. تایپ دیتا تسک می باشد.

 همچنین دیتای فانکشنال این شش سابجکت دو Run یا Session می باشد.

2️⃣با توجه به اینکه دیتا تسک می باشد. Condition داریم، بنابراین باید کاندیشن ها رو وارد کنیم. نحوه وارد کردن کاندیشن ها به دو صورت آموزش داده شد. مطلوب این است که از روش دوم استفاده کنید. 

3️⃣ مراحل پیش پردازش همانند تسک قبلی می باشد، اما یک مرحله از مراحل پیش پردازش یعنی Slice Timing Order  به این تسک اضافه شده که نیاز به وارد کردن دستی اطلاعات مربوط به "SliceTiming" است. 

4️⃣ بعد از اینکه بخش های Quality Checking و Denoising رو انجام دادید، وارد بخش 1St-level analysis می شوید. در این مرحله لازم است که Connectivity Measure خودتون رو از نوع ROI-to-ROI Connectivity (RRC) انتخاب کنید.

5️⃣ در ارتباط با Seeds/Sources  یادتون باشه که نواحی(ROIs) که باید انتخاب کنید شامل نواحی ای هستند که در پردازش های مربوط به ادراک و شناسایی صورت دخیل هستند. این نواحی شامل موارد زیر هستند: 

Visual Networks (4)

Temporal Fusiform Cortex (4)

Temporal Occipital Fusiform Cortex (2)

Occipital Fusiform Gyrus (2)

Inferior Frontal Gyrus (4)

Inferior Temporal Gyrus (6)

*اعداد داخل پرانتز تعداد موجود نواحی می باشد که باید انتخاب بشه. 

6️⃣ نهایتا بخش  2nd-level analysis. در این بخش باید کاندیشن هایی که قبلا تعریف کردیم رو باهم مقایسه کنیم . یادتومون باشه که برای این کار باید Contrast  تعریف می کردیم.

7️⃣  از لینک زیر می تونید که دیتا رو دانلود کنید: 

https://drive.google.com/file/d/1Ys17RzJb06b2kCeOZc0Ihh-YyITLs62t/view?usp=drive_link

8️⃣ ددلاین تسک: چهارشنبه -11 مهر ماه

عزیزان شما می تونید که تسک جلسه قبل رو با تسک این جلسه همزمان ارسال کنید. یعنی اگر تسک جلسه اول CONN رو هنوز ارسال نکردید می تونید که با تسک این جلسه ارسال کنید. 

9️⃣ هر زمان و هر وقت سوالی داشتید بپرسید، با کمال میل در خدمتتون هستم.

سلام عزیزان

وقت همگی بخیر و امیدوارم خوب باشید

به زودی تمرین جلسه سوم رو براتون با شرح و توصیف قرار می دم.

برای شروع می تونید که پکیج WFU_Pickatlas  رو از لینک زیر دانلود کنید: 

https://www.nitrc.org/frs/download.php/10866/WFU_PickAtlas_3.zip

بعد از دانلود، از حالت فشرده خارج کنید و به متلب اضافه یا setpath کنید.

🔴لطفا همه عزیزان توجه کنند🔴

  شرح تمرین های جلسه اول و دوم و سوم به قرار زیر است: 

❇️تمرین جلسه اول: 

🔶بر اساس دیتایی که در اختیارتون قرار گرفته و طبق مطالب و نکاتی که گفته شده پیش پردازش و آنالیز رو برای این شش سابجکت انجام بدید. 

🔶نکات گفته شده برای تمرین جلسه اول: https://t.me/c/2165329933/521

🔶دیتای تمرین جلسه اول: https://t.me/c/2165329933/524

🔶ویدئو جلسه اول:  https://t.me/c/2165329933/517

❇️تمرین جلسه دوم: 

🔶بر اساس دیتایی که خدمت شما ارسال شده بوده  پیش پردازش و آنالیز رو برای شش سابجکت انجام بدید. 

🔶لینک دانلود دیتا: https://drive.google.com/file/d/1Ys17RzJb06b2kCeOZc0Ihh-YyITLs62t/view?usp=drive_link

🔶نکات لازم برای انجام تمرین دوم: https://t.me/c/2165329933/565

🔶ویدئو جلسه دوم: https://t.me/c/2165329933/566

🔺توجه:  دیتا شامل شش سابجکت است. هر سابجکت دو session  یا run دارد. می تونید برای پرهیز از ارور سابجکت شماره شش، این سابجکت رو کلا از آنالیز کنار بذارید.

🔺توجه_توجه_توجه: تغییرهایی که برای فایل های tsv تمام سابجکت ها و session ها باید انجام شود شامل تغییر ستون stim_type به trial_type  می باشد. 

🔺توجه: حتما  تمام دیتاها رو  از حالت فشرده خارج کنید. 

❇️تمرین جلسه سوم: 

🔶دیتای تمرین جلسه سوم: همان دیتای جلسه دوم می باشد. یعنی شما اگر دیتای جلسه دوم رو پیش پردازش کرده باشید دیگه نیازی نیست که از اول دیتا رو ایمپورت کنید یا از اول بذارید پیش پردازش بشه.  اما اگر پیش پردازش رو انجام ندادید برای انجام تمرین سوم لازم است که دیتا حتما پیش پردازش و denoise شود. 

🔶ویدئو جلسه سوم: https://t.me/c/2165329933/698

🔶دیتای جلسه سوم: https://drive.google.com/file/d/1Ys17RzJb06b2kCeOZc0Ihh-YyITLs62t/view?usp=drive_link

 🔶نکات تمرین جلسه سوم: 

1️⃣ قبل از هر چیزی لازم است که پکیج WFU_Pickatlas رو دانلود و setpath کنید. 

2️⃣ با استفاده از پکیج WFU_Pickatlas ماسک سه ناحیه رو استخراج کنید: 

ناحیه اول:

 Fusiform_L

 Fusiform_R

ناحیه دوم:

 Temporal_Inf_L  

 Temporal_Inf_R

ناحیه سوم:

Frontal_Inf_Oper_L 

Frontal_Inf_Oper_R

Frontal_Inf_Tri_L 

Frontal_Inf_Tri_R

Frontal_Inf_Orb_L

Frontal_Inf_Orb_R

3️⃣پس از استخراج ماسک ها و save کردن آنها در یک دایرکتوری مشخص، لازم است که آنها رو وارد (import) CONN کنید.

4️⃣ فایل های ماسک ها از جنس فایل های NIFTI می باشد، یعنی باید پیش پردازش و denoise شوند.

 5️⃣ برای پیش پردازش و denoise کردن فایل ماسک ها لازم است که بر روی گزینه Done کلیک کنید سپس گزینه DO NOT OVERWRITE را انتخاب کنید. 

6️⃣ گزینه DO NOT OVERWRITE را هم در مرحله پیش پردازش و هم در مرحله denoising  باید انجام بدید. یعنی اینکار رو دو بار انجام خواهید داد. 

7️⃣ ریزالت نهایی از سه آنالیز RRC، SBC و ICA  رو از شما می خواهیم. 

🔺توجه_توجه_توجه: عزیزانی که تمرین شماره دو رو انجام داده اند، مجاز هستند که طبق گفته های بالا پیش بروند، اما دوستانی که تمرین شماره دو رو انجام نداده اند نیازی به انتخاب گزینه DO NOT OVERWRITE ندارند. این دسته از دوستان از اول دیتاها های structural و functional و ماسک ها رو همزمان برای پیش پردازش import کنند. 

🔺توجه: در صورتی که تمرین شماره دو رو انجام نداید، تغییرات فایلهای tsv برای ستون stim_type  لازم است. 

🔺توجه: همانطور که گفتم اگر تمرین جلسه دوم رو انجام بدید دیگه نیازی به طی کردن فرایندهای import، pre-processing، denoising برای تمرین سوم نخواهید داشت. 

❇️ددلاین و فرصت ارسال تمرین ها: 

🔶 19 مهر ماه. 

❇️ عزیزانی که تمرین های شماره یک یا دو رو انجام نداده اند فرصت دارند تا 19 مهرماه هر سه تمرین رو ارسال کنند، بعد از این تاریخ به هیچ وجه، هیچ تمرینی پذیرفته نخواهد شد. 

این پروژه شامل 3 فایل مهم است، لطفا قبل از ارسال پیشنهاد حتما نسبت به بررسی این فایل اقدام فرمایید.

مهارت ها و تخصص های مورد نیاز

درباره کارفرما

فاطمه اولادی

عضویت یک سال پیش

2214 پروژه ثبت شده ،

36 پروژه در حال انجام ،

12 پروژه آماده دریافت پیشنهاد ،

نرخ پذیرش پیشنهاد 40%