El mapeo paramétrico estadístico ( en inglés : mapeo paramétrico estadístico o PMS) es un método de análisis estadístico utilizado en imágenes cerebrales .
El término SPM debe evitarse cuando se hace referencia al método general, ya que se refiere al software desarrollado por el Departamento de Neurociencia de Imágenes de Wellcome en el University College de Londres para realizar dichos análisis. Este software prepara las imágenes ( PET , fMRI , TEMP, EEG o MEG ) para análisis estadísticos de cada vóxel de una imagen. Este software asume que un vóxel representaría la misma parte anatómica del mismo cerebro para todas las imágenes analizadas. Sin embargo, esto a menudo es falso porque las imágenes procesadas a menudo se obtuvieron en diferentes momentos y de diferentes personas.
Las etapas esenciales del pretratamiento son:
Les modèles statistiques paramétriques sont appliqués à chaque voxel, en utilisant le modèle général linéaire pour décrire la variabilité des données en termes d'effets expérimentaux (ceux qui nous intéresse), d'effets confondants (sans intérêt) et de variabilité résiduelle (inexpliquée par el modelo).
Por lo tanto, primero debemos construir el modelo ingresando regresores. Los regresores definen los efectos experimentales (por ejemplo A, la aparición de estimulación visual en t = 22 s, t = 50 syt = 120 sy durante 20 s cada vez) y los efectos de confusión (por ejemplo B, el tiempo de reacción para responder a cada estimulación).
El análisis permite definir la implicación de cada regresor en la señal asignándole un parámetro β. Para nuestro ejemplo:
Y = β A + β 'B + ε
o
También se pueden realizar análisis para buscar las diferencias durante las adquisiciones temporales (es decir, las correlaciones entre una variable de tarea y la actividad cerebral) utilizando modelos de convolución que permitan establecer el vínculo entre la señal medida y la estimulación realizada.
Dado que se realizan muchas pruebas estadísticas (1 por vóxel, o más de 10,000 en un cerebro), se deben realizar correcciones para controlar el error de tipo I (falsos positivos). Las correcciones son de varios tipos.
Este software permite representar los resultados estadísticos en tablas (los vóxeles que muestran una diferencia significativa entre las tareas se muestran con sus coordenadas estereotáxicas y el número de vóxeles vecinos que superan el umbral de significancia) o en forma de imágenes donde solo el Significativo Los vóxeles se representan con un valor que corresponde a una probabilidad. Estas imágenes estadísticas se pueden superponer a las imágenes anatómicas para obtener mapas estadísticos paramétricos.