Loading...
Brain Connectivity Analysis Using Multiple Partial Least Square on fMRI Signals
Hosseini Naghavi, Nader | 2020
1060
Viewed
- Type of Document: M.Sc. Thesis
- Language: Farsi
- Document No: 52699 (05)
- University: Sharif University of Technology
- Department: Electrical Engineering
- Advisor(s): Fatemizadeh, Emad
- Abstract:
- Nowadays studying the brain's function in different Mental States like Resting-State or performing cognitive tasks is a very important component of research areas such as Biomedical Engineering, Neuroscience and Cognitive Sciences. The applications of studying the brain's function can be divided into two principal groups. In the first group of applications, the goal is understanding how the brain processes and response to external stimuli (like visual or audio stimuli) and internal states (like emotions). In these kinds of applications, particularly healthy subjects participate since the goal of these studies is finding healthy brain function in different states and stimuli. However, in the second group of applications, the goal is finding how different mental (like Depression) or brain (like Epilepsy) disorders alter the brain's function. In these kinds of studies, the researchers compare the function of healthy and patient's brains in the same conditions in order to find the difference between their brain's function. The results of such researches could be useful for finding the Biomarkers of mental or brain disorders and monitoring the effectiveness of treatment strategies. Functional MRI is one of the best modalities used for analyzing the brain's function because it can map the function of different brain areas with fairly good resolution. In this project, we used fMRI modality for analyzing the brain's function and we pursued two different goals. First of all, we wanted to find the effects of emotional states on patterns of Spatio-Temporal activities and Functional Connectivity. Secondly, we wanted to study the effect of Depression in the ways that the brain handles emotional states. For achieving our goals, we used a public dataset which was comprised of a healthy control group and a group of patients with Major Depression Disorder. Subjects in both groups were listening to Positive and Negative Emotional Kinds of music and also a non-music audio stimulus. Our goal was to analyzing the fMRI data of these two groups of subjects to find the effects of positive and negative emotions on the patterns of brian activation and functional connectivity and also compare these patterns among two groups. In this project, for analyzing the Spatio-temporal activation patterns within the brain we used Spatio-Temporal PLS, for analyzing the patterns of functional connectivity we used Seed-pls and finally, with by the means of Multiple Correlation method we analyzed the patterns of clusters formed between brain regions in different states and groups.Our results showed that in the contrast between listening to music (positive or negative) and to non-music stimuli primary areas of Auditory Cortex get activated and patterns of activation are not significantly different between two groups. However, by analyzing the patterns of functional connectivity, we realized that the connectivity patterns of Default Mode Network's primary areas (like Frontal areas) and Amygdala and also the internal connectivity patterns of the DMN network are significantly different in two groups particularly in the states of processing negative emotions
- Keywords:
- Functional Connectivity ; Cognitive Science ; Major Depressive ; Partial Least Squares (PLS) ; Functional Magnetic Resonance Imaging (FMRI) ; Brain Networks ; Mental Disorder ; Spatio-Temporal Activities
-
محتواي کتاب
- view
- 021
- 0263
- thesis-nader hosseini naghavi
- 1_ فصل 1 : مقدمه:
- 1_1_ اهداف کلی پروژه:
- 1_2_ اصول کلی مدالیته fMRI:
- 1_3_ پاسخ همودینامیک BOLD :
- 1_3_1_ رزولوشن مکانی:
- 1_3_2_ رزولوشن زمانی:
- 1_3_3_ ترکیب خطی تحریکهای مختلف:
- 1_4_ ارتباط سیگنال BOLD و فعالیتهای نورنی:
- 1_5_ استفاده پزشکی:
- 1_6_ پردازش دادهها:
- 1_6_1_ منابع نویز:
- 1_6_2_ پیش پردازش:
- 1_6_3_ پردازشهای آماری:
- 1_7_ مطالعات مربوط به بررسی الگوهای مغزی در فعالیتهای ذهنی افراد سالم:
- 1_7_1_ بررسی عملکرد مغز در حین فعالیتهای حسی:
- 1_7_2_ بررسی عملکرد مغز در فعالیتهای حرکتی (Motor Tasks):
- 1_7_3_ بررسی عملکرد مغز در فعالیتهای شناختی (Cognitive Tasks) :
- 1_8_ مطالعات مربوط به بررسی فعالیتهای مغزی در افراد بیمار:
- 1_9_ خلاصه فصل:
- 2_ فصل 2: مرور ادبیات:
- 2_1_ روشهای تک متغیره:
- 2_2_ روشهای چند متغیره:
- 2_2_1_ روش ICA :
- 2_2_2_ روش حداقل مربعات جزئی (PLS12F ):
- 2_3_ روشهای بررسی و ساخت شبکههای مغزی توسط دادههای fMRI:
- 2_3_1_ بررسی شبکههای مغزی توسط روش Correlation:
- 2_3_2_ استفاده از روش ICA برای بررسی شبکههای مغزی:
- 2_3_3_ استفاده از روش Multiple Correlation:
- 2_4_ خلاصه فصل:
- 3_ فصل 3 : ابزارهای ریاضی مورد استفاده:
- 3_1_ طراحی مدل آماری:
- 3_1_1_ مدلسازی سیگنال:
- 3_1_2_ مدل نویز:
- 3_2_ مدلهای خطی پردازش یک اجرا (single subject analysis):
- 3_2_1_ تخمین پارامترهای سیگنال:
- 3_2_2_ تخمین پارامترهای نویز:
- 3_3_ پردازش دادههای fMRI گروهی (fMRI group analysis):
- 3_3_1_ مدل GLM چند مرحلهای:
- 3_3_2_ تخمین پارامترها:
- 3_4_ بررسی دادههای fMRI در حالت استراحت (Resting State):
- 3_5_ روشهای ساخت شبکههای مغزی و بررسی آنها:
- 3_5_1_ نحوه ساخت شبکههای مغزی بر مبنا دادههایfMRI:
- 3_5_1_1_ روشهای وابسته به مدل(روشهای برمبنا هسته):
- 3_5_1_2_ روشهای مستقل از مدل (Model Free):
- 3_5_2_ اصول کلی شبکههای مغزی:
- 3_5_2_1_ طبیعت گرهها:
- 3_5_2_2_ طبیعت لینکها:
- 3_5_3_ محاسبات شبکههای مغزی:
- 3_5_3_1_ اندازهگیری گسستگی شبکه (Segregation):
- 3_5_3_2_ اندازه گیری پیوستگی شبکه (Integration):
- شبکههای جهان کوچک در مغز :
- 3_5_1_ نحوه ساخت شبکههای مغزی بر مبنا دادههایfMRI:
- 3_6_ روشهای آماری بررسی نتایج:
- 3_6_1_ روش آماری T-TEST:
- 3_6_2_ روش آماری Permutation Test:
- 3_7_ خلاصه فصل:
- 3_1_ طراحی مدل آماری:
- 4_ فصل 4 : روش پیشنهادی و تکینکهای پردازش داده:
- 4_1_ کاربرد روش Partial Least Squares (PLS) در پردازش سیگنالهای fMRI:
- 4_1_1_ ساختار داده در روش PLS :
- 4_1_2_ توصیف ریاضیاتی روش PLS:
- 4_1_2_1_ تجزیه به مولفههای اصلی (PCA):
- 4_1_2_2_ روش چندمتغیره PLS:
- 4_1_3_ روش Spatio-Temporal PLS:
- 4_1_3_1_ الگوریتم Contrast PLS :
- 4_1_3_2_ الگوریتم Mean-Centered PLS:
- 4_1_4_ روش Seed-PLS:
- 4_2_ اصول روش Multiple Correlation:
- 4_3_ خلاصه فصل:
- 4_1_ کاربرد روش Partial Least Squares (PLS) در پردازش سیگنالهای fMRI:
- 5_ فصل 5 : پردازش دادههای شبیه سازی:
- 5_1_ مدل مبتنی بر نویز گوسی برای شبیه سازی دادههای fMRI:
- 5_1_1_ روش مورد استفاده برای شبیه سازی دادهها و پارامترهای مدل:
- 5_1_2_ بررسی الگوهای فعالیت توسط روش Spatio-Temporal PLS:
- 5_1_3_ بررسی الگوهای ارتباطی (Connectivity) توسط روش Seed-PLS:
- 5_1_4_ تشخیص خوشههای تشکیل شده بین نواحی مغز توسط روش Multiple Correlation:
- 5_2_ استفاده از جعبهابزارSimTb برای شبیه سازی دادهها:
- 5_2_1_ بررسی الگوهای فعالیت توسط روش Spatio-Temporal PLS:
- 5_2_2_ بررسی الگوهای ارتباطی کارکردی توسط روش Seed-PLS:
- 5_2_3_ تشخیص خوشههای تشکیل شده بین نواحی مغز توسط روش Multiple Correlation:
- 5_3_ خلاصه فصل:
- 5_1_ مدل مبتنی بر نویز گوسی برای شبیه سازی دادههای fMRI:
- 6_ فصل6 : پردازش دادههای fMRI حقیقی:
- 6_1_ مراحل مختلف پیش پردازش دادههای fMRI:
- 6_2_ منبع داده مورد استفاده در پروژه:
- 6_3_ الگوهای فعالیت ایجاد شده در حالات گوش دادن به موسیقی:
- 6_4_ الگوهای Connectivity ایجاد شده در حالت گوش دادن به موسیقی:
- 6_5_ تشخیص خوشههای تشکیل شده بین نواحی مغز در حالت گوش دادن به موسیقی:
- 6_6_ خلاصه فصل:
- 7_ فصل 7 : جمع بندی و نتیجه گیری:
- 7_1_ روشهای پردازشی و نتایج بر روی دادههای شبیه سازی:
- 7_2_ منبع داده به کار رفته در مرحله اصلی پروژه:
- 7_3_ سایر پژوهشهای انجام گرفته بر روی منبع داده:
- 7_4_ بررسی الگوهای فعالیت مغزی در حالت گوش دادن به موسیقی:
- 7_5_ بررسی الگوهای ارتباطی کارکردی در موسیقی:
- 7_6_ بررسی شبکههای مغزی در حالت گوش دادن به موسیقی منفی:
- 7_7_ نتیجه گیری نهایی:
- 7_8_ اهداف اینده:
- 8_ مراجع و منابع:
- 9_ پیوست:
- 9_1_ نرم افزارهای پردازش دادههای fMRI:
- 9_1_1_ جعبه ابزارSPM:
- 9_1_1_1_ پیش پردازش:
- مقایسههای آماری :
- نمایش گرافیکی نتایج :
- 9_1_2_ نرم افزار FSL:
- 9_1_3_ جعبه ابزارSimTb:
- 9_1_1_ جعبه ابزارSPM:
- 9_2_ نتایج روش GLM:
- 9_2_1_ نتایج مربوط به گذر بین نویز صوتی و موسیقی (مثبت یا منفی):
- 9_2_2_ نتایج مربوط به گذر بین موسیقی مثبت و منفی:
- 9_1_ نرم افزارهای پردازش دادههای fMRI:
- 1_ فصل 1 : مقدمه:
