Ressonância magnética funcional com filtragem pela difusão anisotrópica robusta.

Detalhes bibliográficos
Ano de defesa: 2005
Autor(a) principal: Giacomantone, Javier Oscar
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://www.teses.usp.br/teses/disponiveis/3/3142/tde-01112005-200330/
Resumo: Esta dissertação apresenta os principais métodos estatísticos para analisar as séries temporais de fMRI com o objetivo de detectar regiões ativadas e caracterizar o erro envolvido nessa decisão. Na análise de imagens funcionais, devido à baixa razão sinal-ruído, torna-se necessário o uso de técnicas elaboradas de processamento. O resultado da aplicação de técnicas estatísticas sobre as séries temporais obtidas da imagem de fMRI, é um mapa estatístico paramétrico, (Statistical Parametric Map), (SPM), uma imagem 3-D que permite determinar o estado do voxel, ativado ou não ativado, e a significância estatística do resultado. Propomos um novo método baseado na Difusão Anisotrópica Robusta, (Robust Anisotropic Diffusion), (RAD), que explora uma característica fundamental da imagem funcional, a correlação espacial das regiões ativadas do cérebro humano. O método proposto permite obter mapas estatísticos que melhoram a determinação das áreas ativadas a partir de dados fMRI ruidosos. Os novos mapas estatísticos paramétricos, baseados na correlação espacial da imagem fMRI, reduzem os erros do processo de classificação dos voxels, melhorando assim o mapeamento das regiões ativadas no cérebro. Aplicamos a técnica proposta em dados gerados artificialmente, simulando ruído e sinal, e avaliamos o novo método proposto e um método clássico de processamento de fMRI. Apresentamos resultados comparativos entre um método clássico, o método de correlação e o novo método. Calculamos os erros envolvidos e apresentamos a curvas características de operação de um receptor, (Receiver Operating Characteristics), (ROC), para ambos métodos, comparando os parâmetros mais importantes. Também avaliamos o novo método em dados reais de fMRI de um experimento em blocos com estímulo visual.