Dissertação
Functional Connectivity Measures in Memory Networks Using Independent Component Analysis EVALUATED
Uma das faculdades que frequentemente se mostra alterada em diversas patologias do foro neurológico é a memória. A memória engloba vários mecanismos complexos que são objecto de estudos diversificados em neurociências. Os estudos de Ressonância Magnética funcional (RMf) dispõem de diferentes métodos para análise dos dados, sendo possível, por exemplo, avaliar a conectividade funcional entre regiões do cérebro distintas. Neste trabalho, procurou-se explorar métodos para analisar a conectividade funcional de dados de RMf, nomeadamente decomposição em componentes independentes (ICA). Foram utilizados dados de um estudo anterior (Figueiredo et al. 2008) sobre memória episódica em doentes com epilepsia do lobo temporal e esclerose do hipocampo. Para este efeito, três métodos de ICA para analisar dados de grupo foram comparados: probabilistic-ICA (PICA) com uma abordagem tensorial, PICA com uma abordagem de concatenação temporal dos dados, e ICA com concatenação temporal. Opções diferentes de pré-processamento foram comparadas e desenvolveram-se métodos para ordenar e seleccionar as componentes de interesse. No geral, identificaram-se redes com diferenças significativas entre grupos, não só comparando o grupo de controlo com os doentes, como também comparando grupos com média de idades diferente. Os resultados obtidos com os vários métodos de ICA foram semelhantes, embora a abordagem tensorial tenha detectado diferenças entre grupos mais significativas. Em suma, os resultados das três abordagens de ICA para dados de grupo foram comparados. Foram desenvolvidos métodos para seleccionar as componentes e identificar diferenças significativas entre grupos.
novembro 25, 2009, 11:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
