عنوان پایان‌نامه
ارزیابی ارتباطات مغزی در صرع با استفاده از الگوریتم ترکیبی آنالیز همبستگی متقابل و آنالیز مولفه های مستقل بر داده های fMRI و DTI
- رشته تحصیلی
- مهندسی برق- مهندسی پزشکی - بیوالکتریک
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2257;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 58254
- تاریخ دفاع
- ۰۱ بهمن ۱۳۹۱
- دانشجو
- امیرحسین ریاضی
- استاد راهنما
- حمید سلطانیان زاده, غلامعلی حسین زاده دهکردی
- چکیده
- در سالیان اخیر تحقیقات بر روی ارتباطات مغزی مورد توجه طیف وسیعی از محققان قرار گرفته است. این ارتباطات شامل ارتباطات کارکردی و ساختاری در مغز است. آنالیز همزمان ارتباطات کارکردی و ساختاری مغز به دو صورت کلی انجام می شود. در رویکرد اول، ارتباطات به صورت کاملا مجزا آنالیز می شود و بر این اساس نتیجه گیری می شود. در رویکرد دوم، داده های ساختاری و کارکردی مغز با هم ترکیب می شود و آنالیز همزمان انجام می شود. روش های مورد بررسی در این پایان نامه بر پایه آنالیز اجزاء مستقل (ICA) و آنالیز اجزاء همبسته کانونی (CCA) است همچنین روش های موجود بهبود داده می شود و ابهامات در مورد صحت نتایج برطرف می شود. برای اطمینان از این بهبود، داده های شبیه سازی برای تست روش های گذشته و روش ها پیشنهادی ایجاد می شود. در ایجاد این داده ها به گونه ای عمل می کنیم که شبیه ترین داده ها را به داده های اصلی داشته باشیم. با استفاده از این داده ها از یک طرف توانایی روش ها در استخراج ارتباطات را مورد بررسی قرار می دهیم و مقایسه ای منطقی بین روش ها انجام می دهیم و از طرف دیگر پایداری روش ها را نسبت به افزایش نویز می سنجیم. مقایسه ی نتایج در این بررسی، با استفاده از معیار شباهت دایس صورت می گیرد. بر اساس نتایج به دست آمده، روش های بر پایه ی ICA در برابر نویز پایدارتر از روش های برپایه ی CCA هستند. به طوری که معیار شباهت دایس در روش های برپایه ی ICA با افزایش نویز حدود 0/2 کاهش می یابد. در صورتی که در روش های برپایه ی CCA معیار شباهت دایس با افزایش همان نویز، بیشتر از 0/8 کاهش می یابد. همچنین، معیار دایس در روش های هم جوشی و آنالیزهای هم زمان بیشتر از 0/9 است. این در حالی است که با آنالیز داده های شبیه سازی شده ی fMRI با روش ICA گروهی، کیفیت اجزاء با معیار شباهت دایس حداکثر 0/8 به دست می آید. در انتها روش های مختلف بر روی داده های واقعی fMRI و DTI در دو گروه سالم و بیمار (صرع) پیاده می کنیم. نتایج به دست آمده حاکی از ارتباطات بیشتر در برخی مناطق مغز (از قبیل کرتکس) در بیماران است. همچنین بر خلاف مطالعات پیشین، کاهش ارتباطات مغزی استخراج شده در برخی مناطق مغز به دلیل صدمه های وارده به ساختار مغز است. از این قبیل مناطق می توان به تالاموس اشاره کرد که بیشترین صدمه به این بخش وارد شده است.
- Abstract
- In recent years, connectivity among different brain regions has been researched by scientists around the world. Brain connectivity includes structural and functional connectivity. Joint analysis of structural and functional connectivity is generally done in two ways. In the first approach, they are evaluated individually and the results are combined. In the second approach, they are evaluated simultaneously using both data. This project proposes methods based on independent component analysis (ICA) and canonical component analysis (CCA) to evaluate brain connectivity using both of the functional Magnetic Resonance Imaging (fMRI) and Diffusion Tensor Imaging (DTI) data. To this end, existing methods are improved and used for joint analysis of fMRI and DTI data. To evaluate and compare the methods, simulation data that are similar to real data, are generated and used. Stability of the methods as a function of the noise level is also evaluated. In comparing the connectivity results, the Dice similarity measure is used. Simulation results show that the ICA-based methods are more stable against noise than the CCA-based methods. Also, if the noise power increases such that in the ICA-based methods, Dice similarity decreases by 0.2, in the CCA-based methods, it decreases by 0.8. Dice similarity of the methods that implement joint (simultaneous) analysis of DTI and fMRI data is greater than 0.9. In contrast, Dice similarity of group ICA analysis using the simulated fMRI data alone is less than 0.8. The methods introduced above are applied to the real fMRI and DTI data of epilepsy patients and healthy subjects and the results compared. The results show that, compared to the normal subjects, there are additional connections among different brain regions (like cortex) of the epileptic patients. Finally, structural damage to the brain due to epilepsy leads to decreases in functional connectivity among brain regions like Thalamus which is impacted the most.
