40000 ফিগারে
সংবাদটি সত্যই সংবেদনশীল, তবে কাগজটি সত্যই ভাল প্রতিষ্ঠিত। আমার পরীক্ষাগারে বেশ কয়েকদিন ধরে আলোচনার সূত্রপাত ঘটেছিল, সবগুলিই সত্যই প্রয়োজনীয় সমালোচনা যা গবেষকরা তাদের কাজকে অন্তর্দর্শন করে তোলে। আমি "ক্লাস্টার ব্যর্থতা" এর অন্যতম লেখক টমাস নিকোলসের নিম্নলিখিত ভাষ্যটি পড়ার সুপারিশ করছি : কেন স্থানিক পরিমাণে এফএমআরআই সূত্রগুলি মিথ্যা-ইতিবাচক হারগুলি " পেপারে ফুটিয়ে তুলেছে (দীর্ঘ উক্তিটির জন্য দুঃখিত)?
যাইহোক, আমি দুঃখিত একটি সংখ্যা আছে: 40,000। এফএমআরআই শৃঙ্খলার গুরুত্ব উল্লেখ করার চেষ্টা করার জন্য, আমরা আমাদের অনুসন্ধানগুলি দ্বারা জড়িত অধ্যয়ন সংখ্যা হিসাবে পুরো এফএমআরআই সাহিত্যের একটি অনুমান ব্যবহার করেছি। আমাদের প্রতিরক্ষা হিসাবে, আমরা সাধারণত ক্লাস্টার আকারের অনুক্রমের সমস্যাগুলি পেয়েছি (পি = 0.01 সিডিটির জন্য মারাত্মক, পি = 0.001 এর জন্য পক্ষপাতদুষ্ট), প্রভাবশালী অনুমান পদ্ধতি যা সুপারিশ করে যে সংখ্যাগরিষ্ঠ সাহিত্যই প্রভাবিত হয়েছিল। ইফেক্ট স্টেটমেন্টের সংখ্যাটি অবশ্য জনপ্রিয় সংবাদমাধ্যমে তুলে নিয়েছে এবং একটি ছোট্ট টুইটারস্টর্ম খাওয়িয়েছে। সুতরাং, "আমাদের কাজকে কতটি নিবন্ধ প্রভাবিত করে?" এর কমপক্ষে একটি মোটামুটি অনুমান করা আমার দায়িত্ব অনুভব করে। আমি একজন গ্রন্থপ্রেণীবিজ্ঞানী নই, এবং এটি সত্যিই একটি মোটামুটি-প্রস্তুত এবং অনুশীলন, তবে এটি আশাবাদী সমস্যার বিশালতার ক্রমটি উপলব্ধি করে।
বিশ্লেষণের কোডটি (মতলবতে) নীচে দেওয়া হয়েছে, তবে এখানে চর্মসারটি রয়েছে: কিছু যুক্তিসঙ্গত সম্ভাব্য গণনার উপর ভিত্তি করে, তবে সম্ভবত সাহিত্যের ভঙ্গুর নমুনাগুলি, আমি অনুমান করি যে প্রায় 15,000 কাগজপত্র একাধিক পরীক্ষার জন্য সংশোধনের সাথে ক্লাস্টার আকারের সূচনা ব্যবহার করে; এর মধ্যে প্রায় 3,500 পি = 0.01 এর সিডিটি ব্যবহার করে। 3,500 সমগ্র সাহিত্যের প্রায় 9%, বা সম্ভবত আরও দরকারীভাবে, 11% পেপারে আসল তথ্য রয়েছে। (অবশ্যই এই 15,000 বা 3,500 এর মধ্যে কিছু ননপ্যারমেট্রিক ইনফেরেন্স ব্যবহার করতে পারে তবে এটি দুর্ভাগ্যক্রমে এফএমআরআই-এর বিরল, এটি এফএসএল কাঠামোগত ভিবিএম / ডিটিআই বিশ্লেষণের জন্য ডিফল্ট অনুমিত সরঞ্জাম)।
আমি অকপটে ভেবেছিলাম এই সংখ্যাটি আরও বেশি হবে, তবে অধ্যয়নের বৃহত অনুপাতটি বুঝতে পারেনি যা কখনও কখনও একাধিক পরীক্ষার সংশোধন ব্যবহার করে নি used (আপনি সংশোধন না করলে স্ফীত ত্রুটিযুক্ত তাত্পর্য থাকতে পারে না!) । এই গণনাগুলি 13,000 টি কাগজগুলিতে কোনও একাধিক পরীক্ষার সংশোধন ব্যবহার করার পরামর্শ দেয়। অবশ্যই এর মধ্যে কিছু আগ্রহের ক্ষেত্রগুলি বা উপ-ভলিউম বিশ্লেষণগুলি ব্যবহার করা হতে পারে তবে এটি খুব অল্প কিছু (অর্থাত্ ক্লিনিকাল ট্রায়াল শৈলীর ফলাফল) যার একেবারেই কোনও গুণ নেই। আমাদের কাগজটি সরাসরি এই গোষ্ঠী সম্পর্কে নয়, তবে যে প্রকাশনাগুলি লোকজ একাধিক পরীক্ষার সংশোধন, পি <0.001 & কে> 10 ব্যবহার করেছে, আমাদের কাগজ দেখায় যে এই পদ্ধতির পারিবারিকভাবে ত্রুটির হার 50% এরও বেশি ভাল রয়েছে।
তো, আমরা কি 3,500 টি কাগজপত্র "ভুল" বলছি? এটা নির্ভর করে. আমাদের ফলাফল সিডিটি পি = 0.01 ফলাফলগুলিতে পি-মানগুলিকে স্ফীত করেছে বলে প্রমাণিত হয়েছে, তবে প্রতিটি সমীক্ষায় অবশ্যই পরীক্ষা করা উচিত ... যদি প্রভাবগুলি সত্যই শক্তিশালী হয় তবে পি-ভ্যালু পক্ষপাতদুষ্ট কিনা তা বিবেচনাধীন নয় এবং বৈজ্ঞানিক অনুমান অপরিবর্তিত থাকবে। তবে যদি প্রভাবগুলি সত্যিই দুর্বল হয়, তবে ফলাফলগুলি অবশ্যই শব্দের সাথে সামঞ্জস্যপূর্ণ হতে পারে । এবং, পূর্ববর্তী সাহিত্যে বিশেষত প্রচলিত কোনও সংশোধন ছাড়াই সেই 13,000 টি কাগজপত্র সম্পর্কে কী বলা যায়? না, তাদের হাত থেকেও ফেলে দেওয়া উচিত নয়, তবে সেই কাজগুলির জন্য বিশেষত জেড চোখের প্রয়োজন হয়, বিশেষত যখন উন্নত পদ্ধতিগত মানগুলির সাথে নতুন রেফারেন্সগুলির সাথে তাদের তুলনা করা হয়।
তিনি এই টেবিলটি শেষে অন্তর্ভুক্ত করেছেন:
AFNI BV FSL SPM OTHERS
____ __ ___ ___ ______
>.01 9 5 9 8 4
.01 9 4 44 20 3
.005 24 6 1 48 3
.001 13 20 11 206 5
<.001 2 5 3 16 2
মূলত, এসপিএম (পরিসংখ্যানগত প্যারামেট্রিক ম্যাপিং, মতলব জন্য একটি সরঞ্জামবাক্স) এফএমআরআই নিউরোসায়েন্স অধ্যয়নের জন্য সর্বাধিক ব্যবহৃত সরঞ্জাম tool আপনি যদি কাগজটি পরীক্ষা করে দেখেন যে এসপিএমের ক্লাস্টারগুলির জন্য পি = 0.001 (স্ট্যান্ডার্ড) একটি সিডিটি ব্যবহার করে আপনি প্রত্যাশিত পরিবার-ভিত্তিক ত্রুটি হার প্রদান করে।
লেখকরা এমনকি কাগজের শব্দের কারণে একটি ত্রুটি পূর্ণ করেছেন:
আমাদের কাগজের বিস্তৃত ব্যাখ্যার পরিপ্রেক্ষিতে, একলন্ড এট।
একলন্ড এট আল এর জন্য ত্রুটি, ক্লাস্টার ব্যর্থতা: কেন স্থানিক পরিমাণের জন্য এফএমআরআই সূচনাগুলি মিথ্যা-ইতিবাচক হারকে বাড়িয়ে দিয়েছে। একলুন্ড, আন্ডার্স; নিকোলস, টমাস ই; নটসন, হান্স
দুটি বাক্য দুর্বলভাবে উচ্চারণ করা হয়েছিল এবং সহজেই আমাদের ফলাফলকে অত্যুক্তি হিসাবে ভুল বোঝা যায়।
তাৎপর্য বিবৃতিটির শেষ বাক্যটি পড়তে হবে: "এই ফলাফলগুলি বেশ কয়েকটি এফএমআরআই স্টাডির বৈধতা নিয়ে প্রশ্ন তোলে এবং দুর্বলভাবে উল্লেখযোগ্য নিউরোমাইজিং ফলাফলের ব্যাখ্যায় একটি বড় প্রভাব ফেলতে পারে।"
"এফএমআরআইয়ের ভবিষ্যত" শিরোনামের পরে প্রথম বাক্যটি পড়া উচিত ছিল: "বিলাপযোগ্য আর্কাইভ এবং ডেটা-ভাগ করে নেওয়ার অভ্যাসের কারণে সমস্যাযুক্ত বিশ্লেষণগুলি পুনরায় করা সম্ভব না” "
এগুলি দুটি বাক্যকে প্রতিস্থাপন করে যা ভুলভাবে বোঝায় যে আমাদের কাজটি সমস্ত 40,000 প্রকাশনাকে প্রভাবিত করেছে (সাহিত্যের কতটা সম্ভাব্য প্রভাব রয়েছে তার অনুমানের জন্য ক্লাস্টার ইনফারেন্সির গ্রন্থপঞ্জি দেখুন))
প্রাথমিকভাবে ত্রুটিটি হ্রাস করার পরে, কারণটি ব্যাখ্যাটি সংশোধন করছে এবং সত্য নয়, পিএনএএস আমরা এটি উপরে জমা দেওয়ার সাথে সাথে প্রকাশ করতে সম্মত হয়েছে।
তথাকথিত বাগের উপরে
কিছু সংবাদ অধ্যয়নের অবৈধতার কারণ হিসাবে একটি বাগ উল্লেখ করেছে। নিশ্চয় AFNI সরঞ্জামগুলির মধ্যে একটি undercorrecting মতামতে উপনীত ছিল , এবং পরে উদ্ভাবনের পোস্ট করা হয়েছে এই সমাধান করা হয়েছে arXiv ।
ক্রিয়ামূলক নিউরোমাইজিংয়ে পরিসংখ্যানগত অনুমান ব্যবহৃত হয়
ক্রিয়ামূলক নিউরোইমাইজিংয়ের মধ্যে অনেকগুলি কৌশল রয়েছে যা মস্তিষ্কে নিউরোনাল ক্রিয়াকলাপ পরিমাপ করার লক্ষ্যে থাকে (যেমন এফএমআরআই, ইইজি, এমইজি, এনআইআরএস, পিইটি এবং স্পেকট)। এগুলি বিভিন্ন বিপরীতে ব্যবস্থার উপর ভিত্তি করে। এফএমআরআই রক্ত-অক্সিজেন স্তর নির্ভর (বোল্ড) বিপরীতে তৈরি হয় based টাস্ক-ভিত্তিক এফএমআরআই-তে, একটি উদ্দীপনা দেওয়া হলে, সেই উত্তেজনার সংবর্ধনার জন্য দায়ী মস্তিষ্কের নিউরনগুলি শক্তি গ্রহণ শুরু করে এবং এই নিয়োগকৃত মাইক্রোটির আশেপাশে চৌম্বকীয় অনুরণন সংকেত ( ) পরিবর্তন করে হেমোডায়নামিক প্রতিক্রিয়া সৃষ্টি করে -vascularization।≈5%
একটি ব্যবহার সাধারণ রৈখিক মডেল (GLM) আপনাকে শনাক্ত যা ভক্সেল সংকেত timeseries আপনার পরীক্ষা দৃষ্টান্ত নকশা সঙ্গে সম্পর্কিত হয় (সাধারণত একটি বুলিয়ান timeseries একটি ক্যানোনিকাল haemodynamic প্রতিক্রিয়া ফাংশন সংবর্ত কিন্তু বৈচিত্র বিদ্যমান)।
সুতরাং এই জিএলএম আপনাকে জানিয়েছে যে প্রতিটি ভক্সেল সময়-সিরিজটি কাজের সাথে কতটা সাদৃশ্যপূর্ণ। এখন, বলুন আপনার দুটি ব্যক্তির গোষ্ঠী রয়েছে: সাধারণত রোগী এবং নিয়ন্ত্রণগুলি। গোষ্ঠীগুলির মধ্যে জিএলএম স্কোরের তুলনা করা তা দেখানোর জন্য ব্যবহার করা যেতে পারে যে গোষ্ঠীগুলির অবস্থা কীভাবে তাদের মস্তিষ্কের "অ্যাক্টিভেশন" প্যাটার্নকে পরিবর্তন করে।
গ্রুপগুলির মধ্যে ভক্সেল-ভিত্তিক তুলনা করণীয়, তবে সরঞ্জামগুলির অন্তর্নিহিত পয়েন্ট-স্প্রেড কার্যকারিতা এবং একটি স্মুথিং প্রিপ্রোসেসিং পদক্ষেপের কারণে ভক্সেলগুলি পৃথকভাবে সমস্ত তথ্য বহন করে আশা করা যুক্তিসঙ্গত নয়। গ্রুপগুলির মধ্যে ভক্সেলের মধ্যে পার্থক্যটি আসলে প্রতিবেশী ভক্সেলগুলিতে ছড়িয়ে থাকা উচিত।
সুতরাং, ক্লাস্টার-ভিত্তিক তুলনা সম্পাদন করা হয়, অর্থাত্ কেবল ক্লাস্টারগুলিতে গঠিত গ্রুপগুলির মধ্যে পার্থক্য বিবেচনা করা হয়। এই ক্লাস্টার সীমার থ্রোহোল্ডিং এফএমআরআই স্টাডিতে সর্বাধিক জনপ্রিয় একাধিক তুলনা সংশোধন কৌশল । সমস্যা এখানেই আছে।
এসপিএম এবং এফএসএল এফডব্লিউই-সংশোধিত ভক্সেলওয়াইস এবং ক্লাস্টারওয়াইস ইনফারেন্সের জন্য গাউসিয়ান এলোমেলো ক্ষেত্র তত্ত্ব (আরএফটি) এর উপর নির্ভর করে। যাইহোক, আরএফটি ক্লাস্টারওয়াস অনুমান দুটি অতিরিক্ত অনুমানের উপর নির্ভর করে। প্রথম অনুমানটি হ'ল এফএমআরআই সিগন্যালের স্থানিক মসৃণতা মস্তিষ্কের উপরে স্থির থাকে এবং দ্বিতীয় অনুমানটি হয় যে স্থানিক অটোকোরিলেশন ফাংশনটির একটি নির্দিষ্ট আকার থাকে (একটি স্কোয়ার্ড এক্সফেনশিয়াল) (30)
এসপিএম-তে কমপক্ষে আপনাকে একটি নামমাত্র FWE হার এবং একটি ক্লাস্টার-সংজ্ঞায়িত থ্রেশহোল্ড (সিডিটি) সেট করতে হবে। মূলত, এসপিএম ভক্সেলগুলিকে কার্যের সাথে অত্যন্ত সংযুক্ত করে এবং সিডিটির সাহায্যে প্রান্তিক হওয়ার পরে, প্রতিবেশীগুলি ক্লাস্টারে একত্রিত হয়। এই ক্লাস্টারগুলির আকারগুলি এফডাব্লিউআর সেট [ 1 ] দিয়ে র্যান্ডম ফিল্ড থিওরি (আরএফটি) থেকে প্রত্যাশিত ক্লাস্টারের পরিমাণের সাথে তুলনা করা হয় 1
এলোমেলো ক্ষেত্র তত্ত্বটির ক্রিয়াকলাপের মানচিত্রটি মসৃণ হওয়া, এলোমেলো ক্ষেত্রগুলির জন্য একটি ভাল জালির সমীকরণ হতে হবে। এটি ভলিউমে প্রয়োগ করা পরিমাণে স্মুথ করার পরিমাণের সাথে সম্পর্কিত। স্মুথিং এ অনুমানকেও প্রভাবিত করে যে অবশিষ্টাংশগুলি সাধারণত বন্টিত হয়, কেন্দ্রীয় সীমাবদ্ধ তত্ত্ব দ্বারা স্মুথিং হিসাবে তথ্য আরও গাউসিয়ান করে তুলবে।
লেখকরা [ 1 ] এ দেখিয়েছেন যে আরএফটি থেকে প্রত্যাশিত ক্লাস্টারের আকারগুলি এলোমেলোভাবে পেরেউমেন্ট টেস্টিং (আরপিটি) থেকে প্রাপ্ত ক্লাস্টার সীমার প্রান্তিক স্তরের সাথে তুলনা করার সময় সত্যিই ছোট।
তাদের সাম্প্রতিক গবেষণাপত্রে, বিশ্রামের অবস্থা (এফএমআরআইয়ের আরও একটি পদ্ধতি, যেখানে অংশগ্রহনকারীদের বিশেষভাবে কিছু মনে না করার জন্য নির্দেশ দেওয়া হয়েছে) তথ্য ব্যবহার করা হয়েছিল যেন লোকেরা চিত্র অধিগ্রহণের সময় কোনও কাজ সম্পাদন করে, এবং গ্রুপের তুলনাটি ভক্সেল- এবং ক্লাস্টার সম্পাদিত হয় -wise। পর্যবেক্ষণ করা মিথ্যা ধনাত্মক ত্রুটি (যেমন আপনি যখন গ্রুপগুলির মধ্যে ভার্চুয়াল টাস্কের সংকেত প্রতিক্রিয়াগুলির মধ্যে পার্থক্য লক্ষ্য করেন) হারটি pha নির্ধারিত FWE হারের তুলনায় যথাযথভাবে কম হওয়া উচিত । বিভিন্ন দৃষ্টান্তের সাথে এলোমেলোভাবে নমুনাযুক্ত গোষ্ঠীগুলিতে এই বিশ্লেষণটি কয়েক মিলিয়ন বার পুনরায় করা বেশিরভাগ পর্যবেক্ষণ FWE হারগুলি গ্রহণযোগ্যতার চেয়ে বেশি বলে দেখায়।α=0.05
@ আমেবা মন্তব্যগুলিতে এই দুটি অত্যন্ত প্রাসঙ্গিক প্রশ্ন উত্থাপন করেছেন:
(1) একলুন্ড এট। পিএনএএস পেপারে সমস্ত পরীক্ষার "নামমাত্র 5% স্তর" সম্পর্কে কথা বলা হয়েছে (উদাহরণস্বরূপ চিত্র 1 এ অনুভূমিক কালো রেখা দেখুন)। তবে একই চিত্রের সিডিটি ভিন্ন হয় এবং এটি 0.01 এবং 0.001 হতে পারে। সিডিটি থ্রেশহোল্ড নামমাত্র টাইপ আই ত্রুটির হারের সাথে কীভাবে সম্পর্কযুক্ত? আমি এতে বিভ্রান্ত হয়ে পড়েছি। (২) আপনি কি কার্ল ফ্রিস্টনের উত্তর http://arxiv.org/abs/1606.08199 দেখেছেন
? আমি এটি পড়েছি, তবে তারা কী বলছে তা সম্পর্কে আমি পুরোপুরি নিশ্চিত নই: আমি কী সঠিকভাবে দেখতে পাচ্ছি যে তারা একলুন্ড এট আল এর সাথে একমত হয়। তবে বলুন যে এটি একটি "সুপরিচিত" সমস্যা?
(1) ভাল প্রশ্ন। আমি আসলে আমার উল্লেখগুলি পর্যালোচনা করেছি, আসুন এখনই আরও স্পষ্ট করে তুলতে পারি কিনা তা দেখুন। ক্লাস্টার-ভিত্তিক অনুমিতি প্রাথমিক থ্রোসোল্ড ( সিডিটি, যা স্বেচ্ছাসেবী ) প্রয়োগ করা হয় তার পরে যে ক্লাস্টারগুলি গঠন করে তার উপর ভিত্তি করে । ইন মাধ্যমিক বিশ্লেষণ একটি ক্লাস্টার প্রতি voxels সংখ্যার উপর থ্রেশহোল্ড প্রয়োগ করা হয়। এই প্রান্তিকতা নাল ক্লাস্টার এক্সেটেন্টগুলির প্রত্যাশিত বিতরণের উপর ভিত্তি করে তৈরি করা হয়েছে, যা তত্ত্ব (উদাহরণস্বরূপ আরএফটি) থেকে অনুমান করা যায়, এবং নামমাত্র FWER সেট করে। একটি ভাল রেফারেন্স হয় [ 2 ]।
(২) এই রেফারেন্সের জন্য ধন্যবাদ, এটি আগে দেখেনি। ফ্ল্যান্ডিন এবং ফ্রাইস্টন একলুন্ড এট-এর তর্ক করে। সংশ্লেষিত আরএফটি অনুমিতি কারণ তারা মূলত দেখিয়েছিল যে এর অনুমানগুলি (সিডিটি এবং স্মুথিং সম্পর্কিত) সম্মান করে ফলাফল নিরপেক্ষ হয়। এই আলোকে, নতুন ফলাফলগুলি সাহিত্যের বিভিন্ন অনুশীলনগুলি দেখায় যে এটি আরএফটির অনুমানকে ভেঙে দেয় বলে অনুমানকে পক্ষপাত করে।
একাধিক তুলনা
এটি সর্বাধিক পরিচিত স্নায়ুবিজ্ঞানের অনেক গবেষণায় একাধিক তুলনার জন্য সঠিক হয় না, অনুমান 10% থেকে 40% সাহিত্যের মধ্যে রয়েছে। তবে এগুলি দাবির দ্বারা হিসাবরক্ষণ করা হয় না, সকলেই জানেন এই কাগজগুলির ভঙ্গুর বৈধতা এবং সম্ভবত বিশাল ভুয়া ইতিবাচক হার রয়েছে।
70% এর বেশি FWER এ
লেখকরা এমন একটি প্রক্রিয়াও রিপোর্ট করেছিলেন যা 70% এরও বেশি FWER উত্পাদন করে। এই "লোক" -প্রক্রিয়াটি কেবলমাত্র অত্যন্ত তাত্পর্যপূর্ণ ক্লাস্টারগুলি রাখার জন্য সিডিটি প্রয়োগ এবং তারপরে আরেকটি নির্বিচারে নির্বাচিত ক্লাস্টার-এক্সপ্রেড থ্রোসোল্ড (ভক্সেলের সংখ্যায়) প্রয়োগ করে। এটি, কখনও কখনও "সেট-ইনফারেন্স" নামে পরিচিত, এর দুর্বল পরিসংখ্যান ভিত্তি রয়েছে এবং সম্ভবত সর্বনিম্ন বিশ্বাসযোগ্য ফলাফল উত্পন্ন করে।
পূর্ববর্তী রিপোর্ট
একই লেখকরা পৃথক বিশ্লেষণে এসপিএম [ 1 ] এর বৈধতা নিয়ে সমস্যা সম্পর্কে ইতিমধ্যে রিপোর্ট করেছিলেন । এই অঞ্চলে অন্যান্য উদ্ধৃত কাজগুলিও রয়েছে।
কৌতূহলজনকভাবে, গ্রুপ-এবং একক স্তরের বিশ্লেষণ সিমুলেটেড তথ্যের ভিত্তিতে একাধিক রিপোর্টগুলি উপস্থাপন করেছে যে আরএফটি প্রান্তিকতা আসলে ছিল রক্ষণশীল। প্রসেসিং পাওয়ারে সাম্প্রতিক অগ্রগতি সহ যদিও আরপিটি আরএফটি-র সাথে দুর্দান্ত তাত্পর্য প্রদর্শন করে রিয়েল ডেটাতে আরও সহজে সম্পাদন করা যায়।
আপডেট: 18 ই অক্টোবর, 2017
"ক্লাস্টার ব্যর্থতা" সম্পর্কে একটি মন্তব্য গত জুনে প্রকাশিত হয়েছে [ 3 ]। সেখানে মুয়েলার এট আল। একলন্ড এট-এ উপস্থাপিত ফলাফলগুলি তাদের গবেষণায় ব্যবহৃত নির্দিষ্ট ইমেজিং প্রিপ্রোসেসিং প্রযুক্তির কারণে হতে পারে gue মূলত, তারা ধূমপানের আগে কার্যকরী চিত্রগুলি একটি উচ্চতর রেজোলিউশনে পুনরায় মডেল করেছিলেন (যদিও সম্ভবত প্রতিটি গবেষকই এটি করেননি, বেশিরভাগ এফএমআরআই বিশ্লেষণ সফ্টওয়্যারটিতে এটি একটি নিয়মিত প্রক্রিয়া)। তারা আরও নোট করে যে ফ্ল্যান্ডিন ও ফ্রিস্টন তা করেনি। ভ্যাঙ্কুবারে অর্গানাইজেশন ফর হিউম্যান ব্রেইন ম্যাপিংয়ের (ওএইচবিএম) বার্ষিক বৈঠকে আমি একই মাসে একলন্ডের বক্তব্য দেখতে পেয়েছি, তবে এই বিষয়ে আমার কোনও মন্তব্য মনে নেই, তবুও এটি প্রশ্নের পক্ষে গুরুত্বপূর্ণ বলে মনে হচ্ছে।
[1] একলন্ড, এ।, অ্যান্ডারসন, এম।, জোসেফসন, সি, জোহানসন, এম।, এবং নটসন, এইচ। (2012)) এসপিএম সহ প্যারামেট্রিক এফএমআরআই বিশ্লেষণের কি কার্যকর ফলাফল পাওয়া যায়? 14 1484 বাকী ডেটাসেটের গবেষণামূলক গবেষণায় n নিউরো আইমেজ, 61 (3), 565-578।
[২] উ, সিডাব্লু, কৃষ্ণান, এ।, এবং বাজি, টিডি (২০১৪)। এফএমআরআই বিশ্লেষণে ক্লাস্টার-ব্যাপ্তি ভিত্তিক থ্রোসোল্ডিং: ক্ষতি এবং সুপারিশ। নিউরোইমেজ, 91, 412-419।
[3] মুলার, কে।, লেপসিয়েন, জে।, মুলার, এইচ, এবং লোহমান, জি। (2017)। ভাষ্য: ক্লাস্টার ব্যর্থতা: কেন এফএমআরআই স্থানিক স্থিতির জন্য অনুসন্ধানগুলি মিথ্যা-ইতিবাচক হারগুলিকে বাড়িয়ে দিয়েছে। হিউম্যান নিউরোসায়েন্সে ফ্রন্টিয়ার্স, 11।