Please use this identifier to cite or link to this item: https://hdl.handle.net/10316/27099
Title: Methods for Multivariate Analyses in Neuroimaging
Authors: Ferreira, Fábio Daniel Santos 
Orientador: Pereira, João M.
Keywords: Neuroimagem; Imagem por ressonância magnética
Issue Date: 30-Jul-2014
Citation: Ferreira, Fábio Daniel Santos /Methods for Multivariate Analyses in Neuroimaging
Place of publication or event: Coimbra
Abstract: A neuroimagem é uma vasta área que inclui uma ampla gama de técnicas de mapeamento cerebral, cada uma com informações específicas sobre o cérebro. Como cada técnica tem os seus pontos fortes e fracos, é desejável o uso de estudos multimodais para possivelmente obter informação mais relevante. Atualmente, a estratégia típica na análise de dados de neuroimagem consiste numa abordagem univariada em massa, utilizando o Modelo Linear Geral (GLM, em inglês) no VBM (Voxel Based Morphometry). Contudo, esta abordagem pode não ser suficiente para se obter uma análise realista devido à complexidade da estrutura cerebral. Por isto surge a necessidade do uso de métodos multivariados, através dos quais é possível integrar informação de diferentes modalidades. As máquinas de vetores de suporte (SVMs, em inglês) e outras ferramentas relacionadas são amplamente usadas, no entanto estas não usam testes de inferência estatística ou fornecem valores p para cada voxel de uma imagem, o que leva a dificuldades de interpretação e generalização. Portanto, esta tese foca-se na implementação de métodos multivariados inferenciais que são uma extensão natural dos métodos univariados já usados e, para além disto, permitem a integração de diferentes modalidades de imagem. Com as limitações de tempo e de dados, o foco desta tese recaiu sobre dois contrastes de Imagem por Ressonância Magnética (MRI, em inglês): T1 (scans de 'Anatomia') e T2 (scans de ‘patologia’), obtidos de 42 controlos e de 34 pacientes com diabetes tipo 2. A análise simultânea destes dois contrastes poderá possibilitar uma melhor compreensão desta patologia, uma vez que se sabe que a diabetes tipo 2 contribui para a atrofia da massa cinzenta e vasopatias que predispõem o cérebro a isquemia e enfartes lacunares subcorticais. Todos os métodos inferenciais foram implementados em Matlab e comparados com os realizados no software SPM8. O método de classificação (SVM) foi realizado na toolbox PRoNTo. Os resultados, tanto das análises univariadas como das multivariadas, revelaram atrofia da massa cinzenta e possíveis alterações vasculares no lobo límbico, sub-lobar, áreas insulares e temporais do cérebro de doentes com diabetes tipo 2. Para além disto, os resultados indicam que os métodos multivariados podem levar a resultados mais específicos do que os univariados. Foi ainda preparada uma toolbox para ser usada no pacote de software SPM8, onde os métodos desenvolvidos podem ser disponibilizados publicamente. Apesar de algumas limitações, nomeadamente que xvi alguns dos pré-requisitos para a realização de testes estatísticos multivariados não foram testados, esta prova de conceito apresenta-se promissora. O trabalho futuro focar-se-á em superar estas limitações e preparar estes métodos para outros estudos multimodais (PET, fMRI). Palavras-chave: MRI, VBM, Diabetes tipo 2, GLM multivariado
Description: Dissertação de Mestrado Integrado em Engenharia Biomédica apresentada à Faculdade de Ciências e Tecnologia da Universidade de Coimbra.
URI: https://hdl.handle.net/10316/27099
Rights: openAccess
Appears in Collections:UC - Dissertações de Mestrado
FCTUC Física - Teses de Mestrado

Files in This Item:
Show full item record

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.