Confounding factors in functional connectivity decoding

López Moreno, José Antonio
Van de Ville, Dimitri (dir.)

Olmos Gassó, Salvador (ponente)

Universidad de Zaragoza, CPS, 2011
Departamento de Ingeniería Electrónica y Comunicaciones, Área de Teoría de la Señal y Comunicaciones

Máster Universitario en Ingeniería Biomédica

Resumen: Functional magnetic resonance imaging (fMRI) es una reciente técnica no invasiva ni radiactiva que permite estudiar la actividad funcional del cerebro. Esta técnica consiste en la adquisición de una secuencia de volúmenes cerebrales y basándose en la respuesta hemodinámica del mismo permite mapear las regiones donde hay actividad. Una de las posibilidades que permite fMRI es analizar las conexiones funcionales entre las distintas regiones del cerebro tanto cuando el sujeto está en estado de reposo como durante la ejecución de una tarea. A partir de la correlación de los diferentes volúmenes adquiridos en una prueba fMRI se puede averiguar el grado de interacción que existe entre dos regiones cerebrales. Recientemente, la teoría de reconocimiento de patrones está ganado un notable interés en el campo de la neuroimagen y permite diferenciar entre estado funcional de sujetos enfermos y controles. Algunos atlas catalogan el cerebro en 90 regiones por hemisferio y con fMRI se está estudiando cómo el patrón de conectividad que posee un cerebro enfermo, en reposo o durante cualquier actividad para desarrollar su matriz de conectividad cerebral. El objetivo del proyecto fue estudiar si existen factores de confusión dificultan la tarea del conocer adecuadamente como es la matriz de conectividad durante el estado de reposo. Esto se fundamente en que previamente fue creada una matriz de conectividad para el estado de reposo pero los resultados conseguidos no fueron los esperados. Para ello se ha analizado si estos factores de confusión son debidos al escáner, la edad, el género del sujeto o simplemente a los métodos usados en la clasificación de las matrices de conectividad. Para buscar la existencia de estos factores de confusión se ejecutado dos procedimientos de estudio. Por un lado, se ha implementado un método que permite analizar las cabeceras de los archivos DICOM. Estas contienen información (tiempo de eco, tiempo de repetición, etc.) acerca de la configuración de los diferentes parámetros del escáner. Así, el objetivo fue determinar si los parámetros de dos escáneres diferentes estaban configurados de manera similar o si por el contrario había grandes diferencias entre ellos. El segundo procedimiento trata de analizar la información de intensidad sobre las imágenes de fMRI para determinar si existen cambios significativos entres éstas tanto espacial como temporalmente. Para ello se han implementado varios algoritmos basados en machine learning con el objetivo de chequear si realmente existían diferencias notables de intensidad entre las distintas imágenes.

Palabra(s) clave (del autor): confounding factors ; scanners ; brain decoding ; classification ; functional mri

Tipo de Trabajo Académico: Trabajo Fin de Master