O mapeamento paramétrico estatístico ( em inglês : mapeamento paramétrico estatístico ou PMS) é um método de análise estatística usado em imagens cerebrais .
O termo SPM deve ser evitado ao se referir ao método geral, pois se refere ao software desenvolvido pelo Wellcome Department of Imaging Neuroscience da University College London para realizar tais análises. Este software prepara as imagens ( PET , fMRI , TEMP, EEG ou MEG ) para análises estatísticas de cada voxel de uma imagem. Este software assume que um voxel representaria a mesma parte anatômica do mesmo cérebro para todas as imagens analisadas. No entanto, muitas vezes isso é falso porque as imagens processadas costumam ser obtidas em momentos diferentes e de pessoas diferentes.
As etapas essenciais do pré-tratamento são:
Modelos estatísticos paramétricos são aplicados a cada voxel, usando o modelo linear geral para descrever a variabilidade dos dados em termos de efeitos experimentais (aqueles de nosso interesse), efeitos de confusão (sem interesse) e variabilidade residual (inexplicada pelo modelo )
Devemos, portanto, primeiro construir o modelo inserindo regressores. Os regressores definem os efeitos experimentais (por exemplo A, o aparecimento de estimulação visual em t = 22 s, t = 50 s e t = 120 s e por 20 s cada vez) e os efeitos de confusão (por exemplo B, o tempo de reação para responder a cada estimulação).
A análise permite definir o envolvimento de cada regressor no sinal atribuindo-lhe um parâmetro β. Para nosso exemplo:
Y = β A + β 'B + ε
ou
Também podem ser realizadas análises para procurar as diferenças durante as aquisições temporais (ou seja, as correlações entre uma variável de tarefa e atividade cerebral) usando modelos de convolução que permitem fazer a ligação entre o sinal medido e a estimulação realizada.
Uma vez que muitos testes estatísticos são feitos (1 por voxel, ou mais de 10.000 em um cérebro), as correções devem ser feitas para controlar o erro tipo I (falsos positivos). As correções são de vários tipos.
Este software torna possível representar os resultados estatísticos em tabelas (os voxels que mostram uma diferença significativa entre as tarefas são exibidos com suas coordenadas estereotáxicas e o número de voxels vizinhos excedendo o limite de significância) ou na forma de imagens onde apenas o Significativo voxels são representados com um valor que corresponde a uma probabilidade. Essas imagens estatísticas podem ser sobrepostas às imagens anatômicas para a obtenção de mapas estatísticos paramétricos.