Brain Anatomy 기본 콘텐츠로 건너뛰기

Brain Anatomy

 Brain volumetry를 위해서 사용하는 Tool들은 여러 가지가 있는데, Freesurfer라는 툴은 가장 유명한 tool이다. Brain volumetry를 이용해서 abnormalities 등을 detect할 수 있는데, volumetry를 위해서 freesurfer 다루는 방법들을 배우고 있는데 Brain에 대한 기본적인 function과 anatomy를 모르면 분석에 굉장히 큰 한계점이 될 것이라 생각해서 틈틈히 Brain function과 anatomy를 다뤄보고자 한다.


모든 Image의 출처는 hopkinsmedicine 임을 밝혀 둔다.

일단 위 이미지는 high level에서 brain을 나눌 때의 모습으로, cerebrum, cerebellum, brainstem으로 나뉜다.


❓먼저 Cerebrum (우리 말로는 대뇌)에 대해 살펴보자.

Cerebrum은 gray matter(바깥쪽)와 white matter(안쪽)로 구성되어 있고, 뇌의 가장 큰 파트를 차지한다.


cerebrum은 우리 뇌의 가장 큰 파트를 차지하고 있을 정도로 참 많은, 살아가면서 필수적인 기능들을 가지고 있다. 움직임, 온도조절, 말하기, 판단, 생각하기, 문제해결, 감정, 학습 등등 그 기능은 수도 없이 많다.

Gray matter와 White matter는 Central Nervous System의 regions인데, gray matter는 바깥쪽에 위치하고, white matter는 안쪽에 위치한다. 그러나 위 그림을 살펴보면 Spinal Cord에서는 바깥쪽이 White matter, 안쪽이 Gray matter이다.


1) Gray matter는 neuron somas(the round central cell bodies)로 구성 되어 있고, information processing & interpreting을 담당한다.

2) White matter는 주로 myelin에 덮여 있는 axons(the long stems that connects neurons together) 으로 구성되어 있으며, 정보를 nervous system의 다른 파트로 전달하는 역할을 한다.



❓ 이번에는 Cerebellum (우리 말로는 소뇌) 에 대해 살펴보자.
Cerebellum은 cerebrum 밑에 위치하고, 주 기능은 ①coordinate muscle movements, ②maintain posture, ③balance 이다.


❓ brain을 구성하는 마지막 세 번째 Brainstem (우리 말로는 뇌간)은 무엇일까?

 Brainstem은 cerebrum과 cerebellum을 spinal cord에 연결하는 relay center의 역할을 한다.

 주로 많은 automatic functions를 담당하는데, 숨쉬기, 심장박동, 체온, 수면사이클, 소화, 기침, 구토 등이 있다.

댓글

이 블로그의 인기 게시물

민감도와 특이도 - 예측력 측도

민감도와 특이도   Predicted Total Pos Neg Actual Pos a b a+b Neg c d c+d 민감도 sensitivity 는 조건부확률로 실제 양성일 때, 양성으로 판정할 확률이다. $$ Sensitivity = P(Y=1|X=1) , Specificity = P(Y=0|X=0) $$ 이를 위 표에 적용해보면 민감도는 $$ \frac{a}{a+b} $$ 특이도 specificity 는 실제 음성일 때 음성으로 판정할 확률이다. 위 표로부터 구한 특이도는 다음과 같다. $$ \frac{c}{c+d} $$ 따라서 민감도와 특이도가 높을수록 예측력이 좋다고 할 수 있다.

범주형 변수 ; Categorical Variables

 범주형 변수 (categorical variables)의 정의와 예시에 대해 살펴보고 다음 글부터 범주형 변수의 분석 방법에 대해 다루고자 한다. ✅범주형 변수 의 정의: 측정 단위가 여러 범주들의 집합으로 구성되어 있는 변수 범주형 변수는 질적 변수 (qualitative variables) 라고도 일컬어 진다. 📋범주형 변수의 예시 ex 1) 영화장르: 액션 - 로코 - 코미디 - 드라마 ex 2) 백신 접종 여부: 예 - 아니오 ex 3) 최종 학력: 중졸 - 고졸 - 전문대졸 - 대졸 - 대학원졸 ex 4) 행복 수준: 없음 - 가끔 - 꽤 행복 - 항상 행복 범주형 변수는 하위 세 가지 타입의 변수를 갖는다. 1. 이항변수 (Binary variables)        ⇨ 위 예시 2번이 해당       ⇨ [예 or 아니오] 혹은 [찬성 or 반대] 두 가지의 범주만을 갖는 변수들 2. 명목형변수 (Nominal variables)        ⇨ 위 예시 1번이 해당      ⇨ 3개 이상의 범주를 갖고 변수들 사이에 순서에 대한 의미가 없는 변수들 3. 순서형변수 (Ordinal variable)        ⇨ 위 예시 3번과 4번이 해당     ⇨ 범주들이 일정한 순서를 갖는 변수들 (순서에 의미가 있음)  범주형 변수들을 어떻게 분석할 것인가?     ⇨ GLM (Generalised Linear Model) 일반화 선형모형 이용함. 자세한 분석 방법들은 다음 글들에서 다루고자 한다.

Odds Ratio and Relative Risk ; 오즈비와 상대위험도 part. 2

 지난 글에서 2X2 분할표에서 많이 사용되는 오즈비와 상대위험도의 개념에 대해서 살펴보았다. 그 중에서도 지난 글에서는 오즈비를 사용할 수밖에 없는 경우에 대해 살펴보았다.  상대위험도가 직관적으로 이해하기 쉽고 위험비에 대한 쉬운 해석을 가능하게 하지만, 그럼에도 불구하고 보건 or 의학 계열에서 오즈비를 많이 사용 할 수밖에 없는 이유에 대해 살펴보았다. 또한 오즈비와 상대위험도는 가끔 동일하게 해석되기도 한다. (자세한 내용은 이전 글로..) 그럼 이번 글에서는 오즈비와 상대위험도를 동일하게 해석할 수 있는 경우 에 대해 살펴보도록 하겠다. 먼저 다음과 같은 오즈비의 특성을 이해해야 한다. 오즈비의 중요 특성: 상대적인 위험도를 과장하는 측면 이 있다. 이는 굉장히 중요한 오즈비의 특성인데, Relative Risk 값보다 항상 큰 값을 가진다. 그리고 이는 해당 Event가 흔하게 일어날 수록 더욱 더 과장 된다. 📋예를 들어 보자. 따듯한 차를 마셨을 때와 방안 온도의 차를 마셨을 때 체온이 상승하는지 아니면 그대로 유지되는지에 대해 조사하고 다음과 같은 분할표를 얻었다.   체온 상승 유지 Total Warm tea 90 10 100 Normal temp 20 180 200 먼저 Relative Risk 상대위험도 를 구해보자. $$ \frac{90/100}{20/200} = 9 $$ 이번엔 Odds Ratio 오즈비 를 구해보자. (유도과정은 이전 글 참고) $$ \frac{90 * 180}{20 * 10} = 81 $$ 이번엔 방금 구한 상대위험도와 오즈비를 해석해보자. 📉 RR : 상대위험도는 9로, 이는 따듯한 차를 마신다면 체온이 상승할 확률이 방안 온도의 차를 마셨을 때보다 체온이 상승할 확률...