Optimalizace metod zpracování fMRI dat pro zvýšení validity analýz konektivity /

Úvod. Analýzy konektivity z dat fMRI jsou stále více využívanou metodou pro studium funkcí lidského mozku. Vzhledem k faktu, že fMRI data obsahují velké množství šumu, který výsledky analýz konektivity znehodnocuje, je nutné provádět vhodné filtrace. Pro tyto účely bylo představeno široké množství p...

Celý popis

Uloženo v:
Podrobná bibliografie
Hlavní autor: Bartoň, Marek (Autor práce)
Další autoři: Mikl, Michal, 1978- (Vedoucí práce)
Typ dokumentu: VŠ práce nebo rukopis
Jazyk:Čeština
Vydáno: 2019
Témata:
On-line přístup:http://is.muni.cz/th/ta1lx/
Obálka
LEADER 06041ctm a22009377i 4500
001 MUB01006436608
003 CZ BrMU
005 20200612074151.0
008 190206s2019 xr ||||| |||||||||||cze d
STA |a POSLANO DO SKCR  |b 2020-01-13 
035 |a (ISMU-VSKP)221575 
040 |a BOD114  |b cze  |d BOD002  |e rda 
072 7 |a 616  |x Patologie. Klinická medicína  |2 Konspekt  |9 14 
080 |a 611.8+612.8+616.8  |2 MRF 
080 |a 616.8  |2 MRF 
100 1 |a Bartoň, Marek  |% UČO 396589  |* [absolvent LF MU]  |4 dis 
242 1 0 |a Optimization of fMRI data processing for improvement of connectivity analysis validity  |y eng 
245 1 0 |a Optimalizace metod zpracování fMRI dat pro zvýšení validity analýz konektivity /  |c Marek Bartoň 
264 0 |c 2019 
300 |a 157 listů 
336 |a text  |b txt  |2 rdacontent 
337 |a bez média  |b n  |2 rdamedia 
338 |a svazek  |b nc  |2 rdacarrier 
500 |a Vedoucí práce: Michal Mikl 
502 |a Dizertace (Ph.D.)--Masarykova univerzita, Lékařská fakulta, 2019 
520 2 |a Úvod. Analýzy konektivity z dat fMRI jsou stále více využívanou metodou pro studium funkcí lidského mozku. Vzhledem k faktu, že fMRI data obsahují velké množství šumu, který výsledky analýz konektivity znehodnocuje, je nutné provádět vhodné filtrace. Pro tyto účely bylo představeno široké množství přístupů, které využívají informaci o průbězích šumu z přímo z fMRI dat (data-driven metody) nebo na základě modelování šumu s využitím externí monitorace procesů, které šum způsobují (model-based metody). Na poli analýz fMRI konektivity panuje značná heterogenita ve využívání těchto filtračních strategií. Cílem disertační práce bylo zhodnotit vliv konkrétních variant data-driven metod (v kombinaci s nejrozšířenější model-based metodou RETROICOR) na výsledky analýz efektivní konektivity (psychofyziologické interakce, PPI) a funkční konektivity (seed korelační analýza). Metody. V první studii zahrnující dva soubory subjektů (N1=28; N2=15) byl sledován vliv filtrace pohybových parametrů (MPs), signálů z likvoru (CSF) a bílé hmoty (WM), globálního signálu a RETROICORu na výsledky analýzy PPI. Pomocí simulovaných dat byly hodnoceny efekty těchto filtrací.  |% cze 
520 2 9 |a Introduction. The importance of fMRI connectivity analysis in the study of human brain function is still growing. With respect to the fact that fMRI data contains significant amount of noise that corrupts the conclusions drawn from the analyses, it is necessary to perform proper noise filtering. In order to do such filtering, there was introduced a broad range of approaches, which exploit information about the noise time courses either directly from fMRI data (i.e. data-driven methods) or based on noise modeling (i.e. model-based methods) with usage of the external monitoring of processes which are causing the noise. There is a substantial heterogeneity in the usage of the filtering methods in the fMRI analysis field. The aim of the dissertation is to evaluate an impact of specific variants of data-driven methods (in combination with the mostly used model-based method - RETROICOR) on the results of effective connectivity (psychophysiological interactions, PPI) and functional connectivity (seed correlation analysis).  |9 eng 
650 0 7 |a bílá hmota  |2 czmesh 
650 0 7 |a connectivity  |2 eCZ-BrMU 
650 0 7 |a filtrace  |2 czmesh 
650 0 7 |a konektivita  |2 CZ-BrMU 
650 0 7 |a korelační analýza  |7 ph317232  |2 czenas 
650 0 7 |a magnetická rezonanční tomografie  |2 czmesh 
650 0 7 |a mozkomíšní mok  |2 czmesh 
650 0 7 |a psychofyziologie  |2 czmesh 
650 0 9 |a correlation analysis  |2 eczenas 
650 0 2 |a Cerebrospinal Fluid 
650 0 2 |a Filtration 
650 0 2 |a Magnetic Resonance Imaging 
650 0 2 |a Psychophysiology 
650 0 2 |a White Matter 
655 7 |a disertace  |7 fd132024  |2 czenas 
655 9 |a dissertations  |2 eczenas 
658 |a Neurovědy (čtyřleté)  |b Neurovědy  |c LF D-NE4 NEUV (NEUV)  |2 CZ-BrMU 
700 1 |a Mikl, Michal,  |d 1978-  |7 xx0115854  |% UČO 133966  |4 ths 
710 2 |a Masarykova univerzita.  |b Neurologická klinika, I.  |7 stk2008421035  |4 dgg 
856 4 1 |u http://is.muni.cz/th/ta1lx/ 
CAT |c 20190206  |l MUB01  |h 0420 
CAT |a POSPEL  |b 02  |c 20190328  |l MUB01  |h 1134 
CAT |a POSPEL  |b 02  |c 20190328  |l MUB01  |h 1205 
CAT |a CECHOVA  |b 02  |c 20191120  |l MUB01  |h 1139 
CAT |a GREGROVA  |b 02  |c 20191126  |l MUB01  |h 0750 
CAT |c 20200113  |l MUB01  |h 1003 
CAT |a POSPEL  |b 02  |c 20200419  |l MUB01  |h 1148 
CAT |a PUTNOVAX  |b 02  |c 20200612  |l MUB01  |h 0741 
CAT |a POSPEL  |b 02  |c 20200616  |l MUB01  |h 1734 
CAT |a POSPEL  |b 02  |c 20201012  |l MUB01  |h 0045 
CAT |a POSPEL  |b 02  |c 20210106  |l MUB01  |h 2320 
CAT |c 20210614  |l MUB01  |h 1032 
CAT |c 20210614  |l MUB01  |h 2018 
CAT |a BATCH  |b 00  |c 20210724  |l MUB01  |h 1308 
CAT |a POSPEL  |b 02  |c 20210929  |l MUB01  |h 1707 
CAT |a POSPEL  |b 02  |c 20211024  |l MUB01  |h 2256 
CAT |a POSPEL  |b 02  |c 20211222  |l MUB01  |h 0013 
CAT |a POSPEL  |b 02  |c 20220316  |l MUB01  |h 2252 
CAT |a POSPEL  |b 02  |c 20220807  |l MUB01  |h 0147 
CAT |a POSPEL  |b 02  |c 20221119  |l MUB01  |h 1151 
CAT |a POSPEL  |b 02  |c 20221119  |l MUB01  |h 1151 
CAT |a POSPEL  |b 02  |c 20221119  |l MUB01  |h 1152 
CAT |a POSPEL  |b 02  |c 20230519  |l MUB01  |h 0048 
CAT |a POSPEL  |b 02  |c 20230808  |l MUB01  |h 2106 
CAT |a POSPEL  |b 02  |c 20230913  |l MUB01  |h 2052 
CAT |a POSPEL  |b 02  |c 20240104  |l MUB01  |h 2246 
CAT |a POSPEL  |b 02  |c 20240104  |l MUB01  |h 2248 
CAT |a POSPEL  |b 02  |c 20240213  |l MUB01  |h 0024 
CAT |a POSPEL  |b 02  |c 20240313  |l MUB01  |h 2315 
CAT |a POSPEL  |b 02  |c 20240713  |l MUB01  |h 0001 
LOW |a POSLANO DO SKCR  |b 2020-01-13 
994 - 1 |l MUB01  |l MUB01  |m VYSPR  |1 KUK  |a Knihovna univ. kampusu  |2 SKLAD  |b KUK - sklad  |3 LF-K-16838  |6 3147081417  |5 3147081417  |8 20191126  |f 71  |f Prezenční SKLAD  |r 20191126  |s převod 
AVA |a MED50  |b KUK  |c KUK - sklad  |d LF-K-16838  |e available  |t K dispozici  |f 1  |g 0  |h N  |i 0  |j SKLAD