Institutional Repository
Technical University of Crete
Technical University of Crete
EN
|
EL
| URI | http://purl.tuc.gr/dl/dias/475183F5-56D0-4B0F-A949-B3A560A760AA | - |
| Identifier | https://doi.org/10.26233/heallink.tuc.89769 | - |
| Language | en | - |
| Extent | 676 σελίδες | el |
| Title | Multi-subject fMRI processing via clustering techniques | en |
| Title | Επεξεργασία fMRI με τεχνικές κατηγοριοποίησης | el |
| Creator | Psychountaki Margarita-Antonia | en |
| Creator | Ψυχουντακη Μαργαριτα-Αντωνια | el |
| Contributor [Thesis Supervisor] | Liavas Athanasios | en |
| Contributor [Thesis Supervisor] | Λιαβας Αθανασιος | el |
| Contributor [Committee Member] | Karystinos Georgios | en |
| Contributor [Committee Member] | Καρυστινος Γεωργιος | el |
| Contributor [Committee Member] | Zervakis Michail | en |
| Contributor [Committee Member] | Ζερβακης Μιχαηλ | el |
| Publisher | Πολυτεχνείο Κρήτης | el |
| Publisher | Technical University of Crete | en |
| Academic Unit | Technical University of Crete::School of Electrical and Computer Engineering | en |
| Academic Unit | Πολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών | el |
| Content Summary | Η λειτουργική απεικόνιση μαγνητικού συντονισμού (fMRI) είναι μια μη επεμβατική μέθοδος η οποία απεικονίζει τη νευρωνική δραστηριότητα του εγκεφάλου, παρέχοντας σημαντική γνώση για την λειτουργικότητά του. Η πιο κοινή μορφή της μετράει το σήμα blood-oxygen-level dependent (BOLD) το οποίο δημιουργείται από τις αλλαγές στην ροή του αίματος στον εγκέφαλο. Καθώς υπάρχει εγκεφαλική δραστηριότητα ακόμα και σε κατάσταση ηρεμίας, οποιαδήποτε περιοχή του εγκεφάλου θα παρουσιάζει απότομες διακυμάνσεις στο σήμα BOLD. Επομένως, ακόμα και σε ηρεμία, το σήμα BOLD αποτυπώνει συστηματικές διακυμάνσεις στην τοπική εγκεφαλική δραστηριότητα. Αιτία αυτών των συστηματικών διακυμάνσεων θεωρούνται τα δίκτυα κατάστασης ηρεμίας. Πολλές μελέτες θεωρούν ότι τα δίκτυα κατάστασης ηρεμίας είναι κοινά, χωρικά, μεταξύ υποκειμένων, και δεν αλληλοεπικαλύπτονται. Συνεπώς, υπάρχει μια κοινή (για όλα τα υποκείμενα) κατάτμηση του εγκεφάλου, με βάση την λειτουργικότητά του. Σε αυτή τη διπλωματική εργασία, μελετήσαμε μια μεθοδολογία στην οποία οι συγγραφείς υπολογίζουν μια κοινή (πάνω σε πολλά υποκείμενα) κατάτμηση του εγκεφάλου, χωρίς να χρησιμοποιούν προηγούμενη γνώση για τις ιδιότητες των διαφορετικών τμημάτων. Αρχικά, η μέθοδος, χρησιμοποιώντας fMRI δεδομένα σε κατάσταση ηρεμίας, υπολογίζει μια ορθοκανονική βάση του κοινού χωρικού υποχώρου των υποκειμένων, μέσω Γενικευμένης Ανάλυσης Κανονικής Συσχέτισης (gCCA). Στη συνέχεια, γίνεται η εκτίμηση της κατάτμησης του εγκεφάλου, μέσω της επίλυσης ενός προβλήματος παραγοντοποίησης πίνακα, όπου ο ένας παράγοντας έχει ορθοκανονικές στήλες και μη αρνητικά στοιχεία. Εφαρμόζουμε την παραπάνω μεθοδολογία σε πραγματικά και συνθετικά δεδομένα. Επιπλέον, μελετάμε τα βήματα προ-επεξεργασίας που εφαρμόζονται στα αρχικά fMRI δεδομένα, προκείμενου να διασφαλίσουμε ότι δεν παραβιάζονται οι βασικές θεωρήσεις του παραπάνω μοντέλου. | el |
| Content Summary | Functional magnetic resonance imaging (fMRI) is a noninvasive method which provides significant insight into brain functionality. It measures brain activity by detecting changes associated with blood flow. The most common form of fMRI measures the blood-oxygen-level dependent (BOLD) signal, which is created by changes in blood flow in the brain. Since brain activity is intrinsic, any brain region will have spontaneous fluctuations in BOLD signal. Thus, even at rest, the BOLD signal reflects systematic fluctuations in the regional brain activity. It is widely believed that resting-state networks are the cause of these systematic fluctuations. Many studies acclaim that these networks are common, spatially, across subjects, and do not overlap each other. That is, there is a common brain parcellation across subjects, based on functionality. In this Diploma thesis, we study a method where the authors compute a common (over many subjects) brain parcellation, with no prior knowledge on the properties of the parcels. At first, the proposed method uses the subjects' resting state fMRI data and computes an orthonormal basis for the subjects' common spatial subspace via Generalized Canonical Correlation Analysis (gCCA). Then, an estimate of the common whole-brain parcellation is obtained as the solution of a semi-orthogonal nonnegative matrix factorization problem. We test this approach on synthetic and real data. Further, we study the preprocessing steps which are applied to raw fMRI data, in order to ensure that they do not violate the basic assumptions of the model. | en |
| Type of Item | Διπλωματική Εργασία | el |
| Type of Item | Diploma Work | en |
| License | http://creativecommons.org/licenses/by/4.0/ | en |
| Date of Item | 2021-07-22 | - |
| Date of Publication | 2021 | - |
| Subject | Restig state fMRI | en |
| Subject | Brain parcellation | en |
| Subject | Clustering | en |
| Bibliographic Citation | Margarita-Antonia Psychountaki, "Multi-subject fMRI processing via clustering techniques", Diploma Work, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2021 | en |
| Bibliographic Citation | Μαργαρίτα-Αντωνία Ψυχουντάκη, "Επεξεργασία fMRI με τεχνικές κατηγοριοποίησης", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2021 | el |
Copyright © DIAS 2013
