FenixEdu™

Dissertação

{en=Brain Functional Assessment With fMRI: Joint Bayesian Activity Detection and Hemodynamic Response Estimation in Brain function} {en=Joint Bayesian Activity Detection and Hemodynamic Response Estimation in Brain function} EVALUATED

Detalhes: {pt=A ressonância magnética funcional (fMRI), é uma nova ferramenta imagiológica que permite estudar e avaliar processos neurais. O sinal BOLD (dependente do nível de oxigenação do sangue) é actualmente usado para detectar regiões de actividade cerebral causadas pela aplicação de estimulo(s). O delineamento do paradigma de estimulação é normalmente efectuado de forma a maximizar a certeza dessa detecção. No entanto esta é uma tarefa difícil devido às diversas formas de ruído e à actividade cerebral normal não correlacionada com o estímulo. O método standard de detecção de actividade em dados de fMRI, aqui intitulado SPM-GLM, faz uso de uma metodologia de regressão linear aos dados com inferência estatística clássica baseada em testes t, assumindo uma resposta hemodinâmica (HRF) com fortes restrições de forma. Com o objectivo de estender o estado da arte na detecção de actividade neural com fMRI, é apresentada uma nova metodologia Bayesiana, intitulada SPM-MAP, que estima conjuntamente a HRF subjacente aos dados e as áreas de actividade cerebral. Esta abordagem apresenta duas principais vantagens: 1) A detecção de actividade beneficia da natureza adaptativa do método em relação à forma da HRF; 2) fornece uma estimativa local da HRF que poderá ser útil para considerações fisiológicas vasculares e neuronais. O modelo da HRF incorporado no algoritmo proposto é uma nova abordagem, onde uma função linear simples é desenvolvida a partir de assunções fisiológicas razoáveis. O método SPM-MAP é validado em dados experimentais e sintéticos com testes de Monte Carlo e, quando possível, comparado com o algoritmo SPM-MAP., en=Functional Magnetic Resonance Imaging (fMRI), is a new imaging tool to study and evaluate the brain neural processes. The Blood-Oxygenation-Level-Dependent (BOLD) signal is currently used to detect the activated brain regions due to a stimulus application. The stimuli (called paradigm in the fMRI scope) are designed to enhance this detection with maximized certainty. However, corrupting noise in MRI volumes acquisition, subject motion, image "ghostings" and the normal brain activity interference makes this detection a difficult task. The standard activation detection fMRI data analysis, here called SPM-GLM, uses a linear regression methodology with a conventional statistical inference based on the t-statistics, and assumes a rather rigid shape on the BOLD Hemodynamic Response Function (HRF). With the purpose of extending the state-of-the-art in fMRI brain activity detection analysis, a different approach is presented in this thesis; a new Bayesian method, here called SPM-MAP, for the joint detection of brain activated regions and estimation of the underlying HRF. This approach presents two main advantages: 1) The activity detection benefits from the adaptative nature of the HRF shape estimation; 2) It provides local, space variant, HRF estimation which could be valuable for possible behavioral, neural and/or vascular local considerations. Furthermore, the HRF model incorporated in the proposed algorithm is a novel approach where a simple linear function is developed from reasonable physiological. The new SPM-MAP method is throughout validated on experimental and synthetic data based on Monte Carlo tests and, when possible, compared against the standard SPM-MAP algorithm.}
Keywords: {pt=Resonancia Magnetica Funcional, Neurologia, Bayesiano, Resposta Hemodinâmica, Detecção de Actividade, Processamento Adaptativo de Sinal, en=functional Magnetic Resonance, Neurology, Bayesian, Hemodynamic Response Function, Activity Detection, Adaptive Signal Processing}

Discussão: novembro 15, 2007, 14:30