عنوان پایان‌نامه
آنالیز داده های FMRI حالت استراحت با استفاده از روش های زمان - فرکانس
- رشته تحصیلی
- مهندسی برق- مهندسی پزشکی - بیوالکتریک
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2613;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 66942
- تاریخ دفاع
- ۱۸ شهریور ۱۳۹۳
- دانشجو
- محدثه منتجبی
- استاد راهنما
- غلامعلی حسین زاده دهکردی
- چکیده
- یکی از چالش هایی که امروزه علوم اعصاب با آن روبه روست، بررسی ارتباطات مغزی است. ارتباطات کارکردی که یکی از انواع ارتباطات مغزی به شمار می رود، از اهمیت بسیاری در این حوزه برخوردار است. یکی از این مسائل موجود در این باره تخمین صحیح ارتباطات کارکردی بین نواحی مغزی است. هدف این پایان نامه دستیابی به روشی مناسب برای تخمین این ارتباطات در مغز در حال استراحت بوده است. بدین منظور روشی را برای تخمین صحیح این ارتباطات در داده fMRI حالت استراحت پیشنهاد کردیم که بر اساس آن به جای استفاده از روش های رایج که معمولا مدل خاصی را برای نویز در نظر نمی گیرند، پس از حذف نویز در حوزه موجک، از ضریب همبستگی بین ضرایب موجک استفاده کنیم. تبدیل موجکی که برای تخمین ارتباطات کارکردی پیشنهاد می شود، اکتیولت است که طراحی و ساخت آن بر اساس تابع همودینامیک مغز انجام می شود. همچنین در روش پیشنهادی، نویز داده fMRI حالت استراحت با نویز گوسی فرکتالی مدل شده و پارامترهای آن تخمین زده می شوند. برای بررسی عملکرد الگوریتم پیشنهادی، از داده های حالت استراحت پایگاه داده ADNI استفاده شد. بدین ترتیب که ارتباطات کارکردی بین 15 سوژه سالم و 15 سوژه بیمار آلزایمری با انجام آزمون t دو نمونه ای مقایسه شد و ارتباطات مختل شده در ناحیه PCC، یکی ارتباط بین Cingulum_Post_R و Amygdala_L و دیگری ارتباط بین Cingulum_Post_R و Calcarine_L بود. کلمات کلیدی: تبدیل موجک گسسته، اکتیولت، ارتباطات کارکردی، fMRI حالت استراحت، نویز گوسی فرکتالی، بیماری آلزایمر.
- Abstract
- Analysis of brain connectivity is an ongoing challenge in neuroscience. Functional connectivity is a measure with a great impact in this field. However, the problem is still open to find a measure to capture connectivity between brain regions. Here we proposed a method to estimate functional connectivity in resting brain. We used Wavelet Least Square (WLS) estimator, a method to the noise of model rsfMRI time series with fractional Gaussian process. We consider correlation between wavelet coefficients as a measure of functional connectivity. To this end, we used Activelet wavelets which sparsify the activity-related BOLD signal. We applied our method on rsfMRI data from 15 normal control subjects and 15 Alzheimer’s disease subjects. After estimating the pair-wise functional connectivity between brain regions (defined by AAL atlas), we compared the connectivity of each link between control and Alzheimer's group using t-test. Finally, we found disrupted connectivity in Alzheimer’s disease between Cingulum_Post_R and Amygdala_L and between Cingulum_Post_R and Calcarine_L. Keywords: Discrete Wavelet Transform (DWT), Activelets, Functional Connectivity, rsfMRI, Fractional Gaussian Noise, Alzheimer’s disease.
