Sledování rozsahu filtrace fMRI dat pomocí data-driven signálů
V této bakalářské práci se věnujeme sledování rozsahu filtrace fMRI dat pomocí data-driven signálů. V teoretické části jsme popsali základní principy zobrazování pomocí funkční magnetické rezonance a uvedli stručné informace o anatomii a fyziologii mozku. Dále jsme vysvětlili vliv fyziologického šum...
Uloženo v:
| Hlavní autor: | |
|---|---|
| Další autoři: | |
| Typ dokumentu: | VŠ práce nebo rukopis |
| Jazyk: | Slovenština |
| Vydáno: |
2014
|
| Témata: | |
| On-line přístup: | http://is.muni.cz/th/394415/prif_b/ |
| Shrnutí: | V této bakalářské práci se věnujeme sledování rozsahu filtrace fMRI dat pomocí data-driven signálů. V teoretické části jsme popsali základní principy zobrazování pomocí funkční magnetické rezonance a uvedli stručné informace o anatomii a fyziologii mozku. Dále jsme vysvětlili vliv fyziologického šumu na fMRI data a vysvětlili důležitost jeho filtrace. V praktické části byla použita data od 20 zdravých dobrovolníků. Nadefinovali jsme 10 ROI mimo šedé hmoty (6 v mozkomíšním moku a 4 v bílé hmotě). Následně byly z těchto voxelů vyextrahované signály a vložené do GLM jako regresory. Pomocí statistických parametrických map jsme pozorovali rozsah projevu těchto signálů v mozku. Nakonec byly vypočteny matice korelací daných signálů, pomocí kterých jsme hodnotili míru obsažené společné informace v signálech z různých ROI. In this thesis, we study the extent of fMRI data filtration with usage of data-driven signals. In the theoretical section, we described basic principles of functional magnetic resonance imaging and stated brief information about brain anatomy and physiology. Furthermore, we explained the impact of physiological noise on fMRI data and explained the importance of its filtration. In the practical part datasets from 20 healthy volunteers were used. We predefined 10 ROIs excluding grey matter (6 in cerebrospinal fluid and 4 in white matter). Subsequently, we extracted signals from these voxels and inserted them into the GLM as regressors. Using statistical parametric maps, we observed the extent of expression of these signals throughout the brain. Finally, the correlation matrices of defined signals were calculated. Using these matrices we evaluated the degree of common information carried by signals from different ROIs. |
|---|---|
| Popis jednotky: | Vedoucí práce: Marek Bartoň |
| Fyzický popis: | 64 l. |