Detail publikace

Dynamické kauzální modelování: extrakce vhodných hemodynamických signálů z fMRI dat

LAMOŠ, M. KLÍMOVÁ, J. MIKL, M. GAJDOŠ, M. JAN, J.

Originální název

Dynamické kauzální modelování: extrakce vhodných hemodynamických signálů z fMRI dat

Český název

Dynamické kauzální modelování: extrakce vhodných hemodynamických signálů z fMRI dat

Typ

článek ve sborníku ve WoS nebo Scopus

Jazyk

cs

Originální abstrakt

Dynamické kauzální modelování (DCM), jako jedna z metod pro analýzu efektivní mozkové konektivity nám umožňuje vyvozovat závěry o neurálních procesech na základě naměřených dat z funkční magnetické rezonance (fMRI). Hlavním cílem je odhadnout parametry modelu neuronálního systému, jehož výstupy co nejpřesněji odpovídají pozorované hemodynamické odezvě. Jelikož DCM nepatří mezi explorativní techniky, je vždy nutné definovat hypotézu, která obsahuje informace o vstupech, vazbách a oblastech mozku. Tato práce se zabývá způsobem extrakce hemodynamických signálů z definovaných mozkových oblastí a vlivem nepřesnosti získání vhodného reprezentanta oblasti na výsledek odhadu modelu DCM. Pro kvantitativní vyhodnocení vlivu nepřesné extrakce jsme navrhli a implementovali simulátor dat založený na DCM modelu. Hlavní zájem spočívá v počtu správně odhadnutých vazeb mezi vybranými částmi mozku definovaného modelu, jehož chování je vyšetřováno pomocí Monte Carlo simulací. Vliv nepřesnosti získání reprezentativních signálů oblastí na výsledek DCM je rovněž prokázán na naměřených datech vizuálního oddball experimentu. Na základě výsledků simulací a analýz naměřených dat můžeme říci, že nepřesná extrakce výrazně ovlivňuje počet správně odhadnutých vazeb a je tedy nutné brát tento jev v potaz při skupinových analýzách vyšetřování efektivní mozkové konektivity.

Český abstrakt

Dynamické kauzální modelování (DCM), jako jedna z metod pro analýzu efektivní mozkové konektivity nám umožňuje vyvozovat závěry o neurálních procesech na základě naměřených dat z funkční magnetické rezonance (fMRI). Hlavním cílem je odhadnout parametry modelu neuronálního systému, jehož výstupy co nejpřesněji odpovídají pozorované hemodynamické odezvě. Jelikož DCM nepatří mezi explorativní techniky, je vždy nutné definovat hypotézu, která obsahuje informace o vstupech, vazbách a oblastech mozku. Tato práce se zabývá způsobem extrakce hemodynamických signálů z definovaných mozkových oblastí a vlivem nepřesnosti získání vhodného reprezentanta oblasti na výsledek odhadu modelu DCM. Pro kvantitativní vyhodnocení vlivu nepřesné extrakce jsme navrhli a implementovali simulátor dat založený na DCM modelu. Hlavní zájem spočívá v počtu správně odhadnutých vazeb mezi vybranými částmi mozku definovaného modelu, jehož chování je vyšetřováno pomocí Monte Carlo simulací. Vliv nepřesnosti získání reprezentativních signálů oblastí na výsledek DCM je rovněž prokázán na naměřených datech vizuálního oddball experimentu. Na základě výsledků simulací a analýz naměřených dat můžeme říci, že nepřesná extrakce výrazně ovlivňuje počet správně odhadnutých vazeb a je tedy nutné brát tento jev v potaz při skupinových analýzách vyšetřování efektivní mozkové konektivity.

Klíčová slova

Efektivní mozková konektivita, dynamické kauzální modelování, extrakce reprezentanta, simulace, vizuální oddball, fMRI, MATLAB

Rok RIV

2013

Vydáno

20.11.2013

ISBN

978-80-214-4814-8

Kniha

Sborník příspěvků workshopu Nové směry v biomedicínském inženýrství

Strany od

53

Strany do

62

Strany počet

10

BibTex


@inproceedings{BUT103621,
  author="Martin {Lamoš} and Jana {Klímová} and Michal {Mikl} and Martin {Gajdoš} and Jiří {Jan}",
  title="Dynamické kauzální modelování: extrakce vhodných hemodynamických signálů z fMRI dat",
  annote="Dynamické kauzální modelování (DCM), jako jedna z metod pro analýzu efektivní mozkové konektivity nám umožňuje vyvozovat závěry o neurálních procesech na základě naměřených dat z funkční magnetické rezonance (fMRI). Hlavním cílem je odhadnout parametry modelu neuronálního systému, jehož výstupy co nejpřesněji odpovídají pozorované hemodynamické odezvě. Jelikož DCM nepatří mezi explorativní techniky, je vždy nutné definovat hypotézu, která obsahuje informace o vstupech, vazbách a oblastech mozku. Tato práce se zabývá způsobem extrakce hemodynamických signálů z definovaných mozkových oblastí a vlivem nepřesnosti získání vhodného reprezentanta oblasti na výsledek odhadu modelu DCM. Pro kvantitativní vyhodnocení vlivu nepřesné extrakce jsme navrhli a implementovali simulátor dat založený na DCM modelu. Hlavní zájem spočívá v počtu správně odhadnutých vazeb mezi vybranými částmi mozku definovaného modelu, jehož chování je vyšetřováno pomocí Monte Carlo simulací. Vliv nepřesnosti získání reprezentativních signálů oblastí na výsledek DCM je rovněž prokázán na naměřených datech vizuálního oddball experimentu. Na základě výsledků simulací a analýz naměřených dat můžeme říci, že nepřesná extrakce výrazně ovlivňuje počet správně odhadnutých vazeb a je tedy nutné brát tento jev v potaz při skupinových analýzách vyšetřování efektivní mozkové konektivity.",
  booktitle="Sborník příspěvků workshopu Nové směry v biomedicínském inženýrství",
  chapter="103621",
  howpublished="print",
  year="2013",
  month="november",
  pages="53--62",
  type="conference paper"
}