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...
Uloženo v:
Hlavní autor: | |
---|---|
Další autoři: | |
Typ dokumentu: | VŠ práce nebo rukopis |
Jazyk: | Čeština |
Vydáno: |
2019
|
Témata: | |
On-line přístup: | http://is.muni.cz/th/ta1lx/ |
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 |