Chapitre A. Pr´ esentation du logiciel R
23
Nous calculons les corr´ elations entre le signal temporel observ´ e dans chaque
voxel et le signal du stimulus.
> corMat <- matrix(NA,nrow=128,ncol=128)
> for (i in 1:128) {
+
for (j in 1:128) {
+
corMat[i,j] <- cor(func.slice[i,j,],stimulus)
+
}
+ }
Nous pouvons maintenant calculer les coordonn´ ees du voxel le plus corr´ el´ e
au stimulus :
> which(abs(corMat)==max(abs(corMat),na.rm=TRUE),arr.ind=TRUE)
row col
[1,] 67 117
ainsi que la valeur de corr´ elation obtenue pour ce voxel :
> corMat[67,117]
[1] -0.6675017
Nous pouvons alors tracer le signal temporel observ´ e dans ce voxel.
> par(mfrow=c(2,1))
> plot(stimulus,type="l")
> plot(func.slice[67,117,],type="l",ylab="Intensité")
0
2 0
4 0
6 0
8 0
1 0 0
1 2 0
0.0
0.8
Index
stimulus
0
2 0
4 0
6 0
8 0
1 0 0
1 2 0
17800
Index
Intensité
Nous pouvons maintenant identifier sur l’image anatomique du cerveau le
voxel le plus actif en ce qui concerne le stimulus visuel.
> image(as.matrix(rev(as.data.frame(t(anat.slice)))),
+
col = gray((0:32)/32))
> points(117/128,67/128,col="yellow",cex=2,pch=19)