Suite

Utilisation de l'analyse de cluster SAGA pour la projection de grilles


J'ai un problème avec l'outil d'analyse de cluster SAGA pour les grilles dans QGIS 2.4. Je suis en train de suivre ce cours en ligne via Del Mar et nous passons en revue les classifications supervisées et non supervisées de l'imagerie aérienne.

J'ai mon CRS défini comme EPSG 32616 pour le fichier de formes que je veux classer, cependant, lors de l'utilisation de l'outil, j'obtiens toujours une erreur indiquant que le CRS n'est pas défini et qu'il est par défaut 4326.

En plus de cela, la sortie résultante est à l'envers. Lorsque vous recherchez dans les propriétés de la couche, le CRS est 32616 pour les clusters, mais la table Statistics est définie comme 4326. Mes propriétés de projet sont définies à la volée et j'ai défini le CRS sur 32616. J'ai également joint une image du problème.

Quelqu'un sait ce qui peut provoquer cela ?

Je suis passé par là 3 ou 4 fois avec le même résultat.


SAGA est un outil externe, il ne sait donc pas ce que vous avez défini pour la couche ou le projet CRS dans QGIS.

Vous devez appliquer le CRS aux fichiers raster en utilisantRaster -> Projections -> Assing projectionutilisantgdalwarp -t_srsou alorsRaster -> Conversion -> Traduireen utilisantgdal_translate -a_srsà un autre nom de fichier et exécutez SAGA dessus.


Introduction

La plupart des types de démence sont associés à l'accumulation de sous-produits métaboliques dans le cerveau. Contrairement au reste du corps, le cerveau n'a pas de système lymphatique pour éliminer ces sous-produits. En 2012, une nouvelle voie, appelée voie paravasculaire, a été proposée 1 , qui permet une circulation et une clairance efficaces dans tout le cerveau. Le réseau de voies paravasculaires dans le cerveau a été nommé système glymphatique car il ressemble au système lymphatique du reste du corps, tandis que le «g» dans glymphatique souligne l'importance des cellules gliales de soutien. Les voies paravasculaires sont constituées de liquide céphalo-rachidien circulant parallèlement au système vasculaire dans les espaces paravasculaires. Ces voies ont le potentiel de faciliter les échanges entre le liquide céphalo-rachidien (LCR) et le liquide extracellulaire au plus profond du cerveau.

Dans quelle mesure et à quelle échelle le système glymphatique accélère le transport par rapport à la diffusion extracellulaire est encore controversé, et plusieurs études de modélisation informatique ont rejeté des parties du système à micro-échelle. Par exemple, les études précédentes 2,3 suggèrent que la diffusion domine dans l'interstitium. En outre 4,5,6, ont constaté que la dispersion dans les espaces paravasculaires ajoute moins d'un facteur deux à la diffusion pour le transport de soluté. Cependant, plusieurs résultats expérimentaux et d'imagerie au niveau micro indiquent que le transport est différent et plus rapide que la diffusion 1,7,8.

Une étude du transport paravasculaire à macro-échelle a été proposée et testée dans le cerveau d'un rat 9 . La procédure impliquait l'injection d'un agent de contraste IRM dans le LCR et par la suite l'imagerie du transport de l'agent de contraste IRM à plusieurs moments pendant quelques heures après l'injection. L'agent de contraste IRM a fonctionné comme un traceur du LCR et a atteint l'ensemble du cerveau du rat après quelques heures. La procédure a été testée chez l'homme pour la première fois en 2017 10 avec l'acquisition d'images IRM à plusieurs reprises pendant 48 heures après l'injection et plus tard quantifiée de manière spécifique à la région en 2018 11 chez les personnes atteintes de démence et les témoins. Dans l'ensemble, le transport de l'agent de contraste IRM a montré un schéma centripète chez tous les participants, mais l'agent de contraste IRM était plus prolongé chez les personnes atteintes de démence que chez les témoins 11 . Il a également été noté que le transport CSF-traceur est apparu significativement plus rapide que ce que l'on peut attendre de la diffusion dans des géométries planaires simplifiées.

Dans ce contexte, notre objectif dans cet article est d'explorer si la distribution du traceur CSF vue dans 11 peut être expliquée par la diffusion seule, comme prédit par les travaux fondateurs de Syková et Nicholson 12 . Nous étudierons cette hypothèse avec des simulations par éléments finis du processus de diffusion combinées à une procédure d'identification des paramètres pour les coefficients apparents de diffusion (ADC). Ainsi, nous visons à déterminer si nous pouvons évaluer l'ADC sur de longues échelles de temps (heures ou jours), en adaptant un modèle de diffusion aux données d'IRM obtenues à plusieurs moments lorsque le traceur du LCR se propage dans le cerveau. Cela inclut la prise en compte de la complexité de la surface cérébrale pliante en construisant des géométries spécifiques au patient. Notre approche pour l'identification des paramètres est de résoudre un problème d'optimisation contraint par une équation de diffusion avec des coefficients inconnus, où l'optimisation cible les concentrations observées de traceur dans le LCR à 5 à 6 acquisitions disponibles pendant 24 heures après l'injection du traceur dans le LCR. Nous remarquons que le flux paravasculaire est un phénomène à micro-échelle avec des vitesses aux alentours de 20 je suis/s dans les espaces paravasculaires d'une largeur d'environ 20 je suis 7 . Par conséquent, tout écoulement en vrac paravasculaire ne sera pas directement visible avec les techniques d'IRM actuelles, mais peut être indirectement mesurable grâce à l'estimation du coefficient de diffusion apparent à de longues échelles de temps.

Voici un aperçu de l'article : Dans la section 1, nous présentons la méthodologie de l'article. Nous commençons dans la section 1.3 avec une description détaillée des méthodes d'imagerie médicale pertinentes pour cette étude. La section 1.4 décrit les modèles mathématiques et la méthodologie de calcul pour cet article. Dans la section 2, nous présenterons les résultats de l'étude, en commençant par l'analyse IRM de la section 2.1. Nous poursuivons dans la section 2.2 avec un cas test synthétique, qui consiste à trouver des paramètres de régularisation robustes avec un bruit distribué uniforme ajouté aux images. La construction du cas de test synthétique et l'estimation de la concentration peuvent être trouvées dans le Supplément. Dans la section 2.3, nous présentons l'ADC calculé à l'aide des images IRM et comparons les valeurs avec l'ADC estimée avec le DTI. Dans la section 2.3.1, nous présentons les résultats de différentes méthodes pour diminuer le bruit aux limites. Les résultats faciliteront la discussion générale de la section 3.


Voir la vidéo: Quest-ce que lAnalyse Cluster? Exemple avec la méthode K-MEANS (Octobre 2021).