Made available in DSpace on 2014-06-12T17:39:37Z (GMT). No. of bitstreams: 2 arquivo6925_1.pdf: 2994319 bytes, checksum: fdeaa6794e2982744e5325805b2f482c (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2006 / Estuda-se a dinâmica do sistema cardiorespiratório à luz da Teoria de Shannon. O estudo tem dois suportes metodológicos, um é o estudo de dois osciladores de van der Pol acoplados de diferentes maneiras e o outro é a ferramenta estatística, Informação Mútua, da Teoria da Informação de Shannon. Faz-se, primeiramente, uma revisão da fisiologia dos dois sistemas: o cardiovascular e o respiratório. Explora-se a interação entre a freqüência respiratória e a freqüência cardíaca como um possível marcador de eventuais disfunções fisiológicas. Analisa-se as possíveis formas de acoplamento entre dois osciladores de van der Pol. Os resultados reais, obtidos com o estudo de quatro pacientes do Instituto do Coração da Faculdade de Medicina da Universidade de São Paulo, confirmaram a grande potencialidade da ferramenta Informação Mútua como um indicador fisiológico

Estudos de correlação entre variações de preços de ações e variação de índices de mercado são importantes na compreensão da relação entre o retorno e o risco envolvido na alocação de recursos (investimentos). De acordo com o risco envolvido, deve haver um adequado retorno. Esta questão é abordada pelo modelo CAPM Capital Asset Pricing Model , que parte da premissa de que o risco sistemático de um ativo pode ser mensurado pela sua sensibilidade aos movimentos do mercado, e para isso se supõe que os retornos dos títulos são linearmente relacionados às flutuações de um índice de mercado amplo com um grau conhecido de sensibilidade. No entanto, pode haver relações não lineares entre os retornos dos títulos e as flutuações do índice de mercado. Sendo assim, o presente trabalho analisa uma medida de correlação global vinda da teoria da informação, que mensura qualquer tipo de relação entre duas variáveis, isto é, lineares e não lineares. O objetivo é mostrar a presença de correlações não lineares no mercado de capitais brasileiro. Demonstra-se que a correlação global é expressiva e maior ou igual à correlação linear em toda a amostra constituída de todas as ações que se mantiveram no Índice da Bolsa de Valores de São Paulo (IBOVESPA) de maio de 2001 a abril de 2008, totalizando 84 meses (7 anos). / Correlations among stock price variations and stock market indices variations are important in understanding the relationship between return and risk involved in the allocation of resources (investments). According to the risk involved there exists an appropriate return. This issue is addressed by the CAPM Capital Asset Pricing Model , based on the premise that the systematic risk of an asset can be measured by its sensitivity to market movements and it is assumed that the returns are linearly related to the fluctuations of a market index with a known degree of sensitivity. However, nonlinear relationships may occur. Thus, the present study analyzes a global measure of correlation of information coming from theory, which measures any type of relationship between two variables, i.e. linear and nonlinear. The goal here is to show the presence of nonlinear correlations in the Brazilian capital market. The overall correlation obtained is expressive and greater than the linear correlation across the sample of 33 stock assets from the theoretical portfolio of São Paulo Exchange Index (IBOVESPA), from May 2001 to April 2008, totaling 84 months (7 years).

Estudos de correlação entre variações de preços de ações e variação de índices de mercado são importantes na compreensão da relação entre o retorno e o risco envolvido na alocação de recursos (investimentos). De acordo com o risco envolvido, deve haver um adequado retorno. Esta questão é abordada pelo modelo CAPM Capital Asset Pricing Model , que parte da premissa de que o risco sistemático de um ativo pode ser mensurado pela sua sensibilidade aos movimentos do mercado, e para isso se supõe que os retornos dos títulos são linearmente relacionados às flutuações de um índice de mercado amplo com um grau conhecido de sensibilidade. No entanto, pode haver relações não lineares entre os retornos dos títulos e as flutuações do índice de mercado. Sendo assim, o presente trabalho analisa uma medida de correlação global vinda da teoria da informação, que mensura qualquer tipo de relação entre duas variáveis, isto é, lineares e não lineares. O objetivo é mostrar a presença de correlações não lineares no mercado de capitais brasileiro. Demonstra-se que a correlação global é expressiva e maior ou igual à correlação linear em toda a amostra constituída de todas as ações que se mantiveram no Índice da Bolsa de Valores de São Paulo (IBOVESPA) de maio de 2001 a abril de 2008, totalizando 84 meses (7 anos). / Correlations among stock price variations and stock market indices variations are important in understanding the relationship between return and risk involved in the allocation of resources (investments). According to the risk involved there exists an appropriate return. This issue is addressed by the CAPM Capital Asset Pricing Model , based on the premise that the systematic risk of an asset can be measured by its sensitivity to market movements and it is assumed that the returns are linearly related to the fluctuations of a market index with a known degree of sensitivity. However, nonlinear relationships may occur. Thus, the present study analyzes a global measure of correlation of information coming from theory, which measures any type of relationship between two variables, i.e. linear and nonlinear. The goal here is to show the presence of nonlinear correlations in the Brazilian capital market. The overall correlation obtained is expressive and greater than the linear correlation across the sample of 33 stock assets from the theoretical portfolio of São Paulo Exchange Index (IBOVESPA), from May 2001 to April 2008, totaling 84 months (7 years).

A integração de diferentes modalidades de imagens médicas possibilita uma análise mais detalhada de seu conteúdo, visando-se um diagnóstico mais preciso da patologia presente. Este processo, conhecido como corregistro, busca o alinhamento das imagens através da transformação rígida (ou não rígida) das mesmas, por algoritmos matemáticos de distorção, translação, rotação e ajuste de escala. A amplitude de cada transformação é determinada por uma medida de similaridade das imagens. Quanto menor a similaridade, maior será a transformação aplicada. Neste sentido, a métrica de similaridade é uma peça chave do processo de corregistro. No presente trabalho, inicialmente são propostas novas definições para o cálculo dos erros de alinhamento nas transformações de translação, rotação e escala, com o objetivo de se avaliar o desempenho do corregistro. Em seguida, cinco experimentos são realizados. No primeiro, a Informação Mútua Generalizada é avaliada como medida de similaridade para corregistro em imagens fractais e cerebrais. Neste caso, os resultados sugerem a viabilidade do emprego desta métrica, pois em geral conduz a erros de alinhamento muito pequenos, mas sem vantagens aparentes em relação à formulação de Shannon. No segundo experimento, um estudo comparativo entre a Informação Mútua e as métricas clássicas (Coeficiente de Correlação, Média dos Quadrados, Diferença de Gradiente e Cardinalidade) é então realizado. Para as imagens binárias analisadas, as métricas com menores valores de erro de alinhamento para os corregistros de translação e rotação foram a Informação Mútua e a Diferença de Gradiente. Para o corregistro de escala, todas as métricas conduziram a erros de alinhamento próximos de zero. No terceiro experimento, o processo de alinhamento é investigado em termos do número de iterações do algoritmo de corregistro. Considerando-se ambas as variáveis erro de alinhamento e número de iterações, conclui-se que o uso da Informação Mútua Generalizada com q = 1.0 é adequado ao corregistro. No quarto experimento, a influência da dimensão fractal no corregistro de imagens fractais binárias foi estudada. Para algumas métricas, a tendência geral observada é a de uma diminuição do erro de alinhamento em resposta ao aumento da dimensão fractal. Finalmente, no quinto experimento, constatou-se a existência de correlação linear entre os erros de alinhamento de imagens em tons de cinza do córtex cerebral e de fractais do conjunto Julia. / The integration of different modalities of medical images provides a detailed analysis of its contents, aiming at a more accurate diagnosis of the pathology. This process, known as coregistration, seeks to align the images through rigid (or non-rigid) transformations, by mathematical algorithms of distortion, translation, rotation and scaling. The amplitude of each transformation is determined by a similarity measure of the images. The lower the similarity, the greater the transformation applied. In this sense, the similarity metric is the key for the coregistration process. In this work, new definitions are proposed for the calculation of alignment errors in the transformations of translation, rotation and scale, with the objective of evaluating the performance of coregistration. Then, five experiments are performed. In the first one, the Generalized Mutual Information is evaluated as a similarity measure for coregistration of brain images and fractals. In this case, the results suggest the feasibility of using this measure, since it leads to very small alignment errors, although no advantages in relation to Shannon formulation are evident. In the second experiment, a comparative study between Mutual Information and the classical metrics (Correlation Coefficient, Mean Squares, Gradient Difference and Cardinality) is performed. For the binary images analyzed, the metrics with lower alignment errors for translation and rotation are the Mutual Information and Gradient Difference. For scaling transformation, all the metrics lead to alignment errors close to zero. In the third experiment, the alignment process is investigated in terms of number of iterations of the coregistration algorithm. Considering both variables alignment error and number of iterations, it is concluded that the use of Generalized Mutual Information with q =1 is appropriate for coregistration. In the fourth experiment, it is studied the influence of fractal dimension in coregistration of binary fractal images. For some metrics, as a general trend, one observes the decay of the alignment error in response to the increase of the fractal dimension. Finally, in the fifth experiment, the results indicate the existence of a linear correlation between the alignment errors of grayscale images of the cerebral cortex and Julia set fractals.

A integração de diferentes modalidades de imagens médicas possibilita uma análise mais detalhada de seu conteúdo, visando-se um diagnóstico mais preciso da patologia presente. Este processo, conhecido como corregistro, busca o alinhamento das imagens através da transformação rígida (ou não rígida) das mesmas, por algoritmos matemáticos de distorção, translação, rotação e ajuste de escala. A amplitude de cada transformação é determinada por uma medida de similaridade das imagens. Quanto menor a similaridade, maior será a transformação aplicada. Neste sentido, a métrica de similaridade é uma peça chave do processo de corregistro. No presente trabalho, inicialmente são propostas novas definições para o cálculo dos erros de alinhamento nas transformações de translação, rotação e escala, com o objetivo de se avaliar o desempenho do corregistro. Em seguida, cinco experimentos são realizados. No primeiro, a Informação Mútua Generalizada é avaliada como medida de similaridade para corregistro em imagens fractais e cerebrais. Neste caso, os resultados sugerem a viabilidade do emprego desta métrica, pois em geral conduz a erros de alinhamento muito pequenos, mas sem vantagens aparentes em relação à formulação de Shannon. No segundo experimento, um estudo comparativo entre a Informação Mútua e as métricas clássicas (Coeficiente de Correlação, Média dos Quadrados, Diferença de Gradiente e Cardinalidade) é então realizado. Para as imagens binárias analisadas, as métricas com menores valores de erro de alinhamento para os corregistros de translação e rotação foram a Informação Mútua e a Diferença de Gradiente. Para o corregistro de escala, todas as métricas conduziram a erros de alinhamento próximos de zero. No terceiro experimento, o processo de alinhamento é investigado em termos do número de iterações do algoritmo de corregistro. Considerando-se ambas as variáveis erro de alinhamento e número de iterações, conclui-se que o uso da Informação Mútua Generalizada com q = 1.0 é adequado ao corregistro. No quarto experimento, a influência da dimensão fractal no corregistro de imagens fractais binárias foi estudada. Para algumas métricas, a tendência geral observada é a de uma diminuição do erro de alinhamento em resposta ao aumento da dimensão fractal. Finalmente, no quinto experimento, constatou-se a existência de correlação linear entre os erros de alinhamento de imagens em tons de cinza do córtex cerebral e de fractais do conjunto Julia. / The integration of different modalities of medical images provides a detailed analysis of its contents, aiming at a more accurate diagnosis of the pathology. This process, known as coregistration, seeks to align the images through rigid (or non-rigid) transformations, by mathematical algorithms of distortion, translation, rotation and scaling. The amplitude of each transformation is determined by a similarity measure of the images. The lower the similarity, the greater the transformation applied. In this sense, the similarity metric is the key for the coregistration process. In this work, new definitions are proposed for the calculation of alignment errors in the transformations of translation, rotation and scale, with the objective of evaluating the performance of coregistration. Then, five experiments are performed. In the first one, the Generalized Mutual Information is evaluated as a similarity measure for coregistration of brain images and fractals. In this case, the results suggest the feasibility of using this measure, since it leads to very small alignment errors, although no advantages in relation to Shannon formulation are evident. In the second experiment, a comparative study between Mutual Information and the classical metrics (Correlation Coefficient, Mean Squares, Gradient Difference and Cardinality) is performed. For the binary images analyzed, the metrics with lower alignment errors for translation and rotation are the Mutual Information and Gradient Difference. For scaling transformation, all the metrics lead to alignment errors close to zero. In the third experiment, the alignment process is investigated in terms of number of iterations of the coregistration algorithm. Considering both variables alignment error and number of iterations, it is concluded that the use of Generalized Mutual Information with q =1 is appropriate for coregistration. In the fourth experiment, it is studied the influence of fractal dimension in coregistration of binary fractal images. For some metrics, as a general trend, one observes the decay of the alignment error in response to the increase of the fractal dimension. Finally, in the fifth experiment, the results indicate the existence of a linear correlation between the alignment errors of grayscale images of the cerebral cortex and Julia set fractals.

Sabe-se biologicamente que o nível de expressão dos genes está entre os fatores podem indicar o quanto estes estão em atividade em determinado momento. Avanços na tecnologia de microarray têm possibilitado medir os níveis de expressão de milhares de genes ao mesmo tempo. Esses dados podem ser medidos de maneira a formarem uma série temporal, que pode ser tratada estatisticamente para serem obtidas informações sobre as relações entre os genes. Já foram propostos vários modelos para tratar redes gênicas matematicamente. Esses modelos têm evoluído de forma a agregarem cada vez mais características das redes reais. Neste trabalho, será feita uma revisão de modelos discretos para redes de regulação gênica, primeiramente com as redes Booleanas, modelo determinístico, e depois as redes Booleanas probabilísticas e as redes genéticas probabilísticas, modelos que tratam o problema estocasticamente. Usando o último modelo citado, serão mostrados dois métodos para estimar o nível de predição entre os genes, coeficiente de determinação e informação mútua. Além de se estimar essas relações, foram desenvolvidas algumas técnicas para construir redes a partir de genes específicos, que são chamados sementes. Também serão apresentados dois desses métodos de crescimento de redes e, baseado neles, um terceiro método que foi desenvolvido neste trabalho. Foi criado um algoritmo que realiza o crescimento da rede mudando as sementes a cada iteração, agrupando estes genes em grupos com diferentes níveis de confiança, chamados camadas. O algoritmo também usa outros critérios para agregar novos genes à rede. Após a explanação desses métodos, será mostrado um software que, a partir de dados temporais de expressão gênica, estima as dependências entre os genes e executa o crescimento da rede em torno de genes que se deseje estudar. Também serão mostradas as melhorias feitas no programa. Ao final, serão apresentados alguns testes feitos com dados do Plasmodium falciparum, parasita causador da malária. / It\'s known that gene expression levels are among the factors that can show how genes are active in certain moment. Advances in microarray technology have given the possibility to measure expression levels of thousands of genes in a certain instant of time. These data constitute time series that we can treat statistically in order to get information genes relationships. Many models were proposed to treat gene networks mathematically. These models have evolved to aggregate more and more real networks features. In this work, it is made a brief review of discrete models of regulatory genetic networks, initially Boolean networks, a deterministic model, and then probabilistic Boolean networks and probabilistic genetic networks, models that treat the problem stochastically. Using the last model cited, two methods to estimate the prediction level among genes are shown, coefficient of determination and mutual information. Besides estimating these relations, some techniques have been developed to construct networks from specific genes, that are called seeds. It will be also shown two methods of network growth and, based on these, a third method that was developed during this work. An algorithm was created, such that it grows the network changing the seeds in each iteration, grouping these genes in groups with different level of confidence, called layers. The algorithm also uses other criteria to add new genes to the network. After studying these methods, it will be shown a software that, using time series gene expression data, estimates dependences among genes and runs the network growing process around chosen genes. It is also presented the improvements made in the program. Finally, some tests using data of Plasmodium falciparum, malaria parasite, are shown.

O presente trabalho propõe uma metodologia para agrupamento de textos que possa ser utilizada tanto em busca textual em geral como mais especificamente na distribuição de processos jurídicos para fins de redução do tempo de resolução de conflitos judiciais. A metodologia proposta utiliza a divergência Kullback-Leibler aplicada às distribuições de frequência dos radicais (semantemas) das palavras presentes nos textos. Diversos grupos de radicais são considerados, formados a partir da frequência com que ocorrem entre os textos, e as distribuições são tomadas em relação a cada um desses grupos. Para cada grupo, as divergências são calculadas em relação à distribuição de um texto de referência formado pela agregação de todos os textos da amostra, resultando em um valor para cada texto em relação a cada grupo de radicais. Ao final, esses valores são utilizados como atributos de cada texto em um processo de clusterização utilizando uma implementação do algoritmo K-Means, resultando no agrupamento dos textos. A metodologia é testada em exemplos simples de bancada e aplicada a casos concretos de registros de falhas elétricas, de textos com temas em comum e de textos jurídicos e o resultado é comparado com uma classificação realizada por um especialista. Como subprodutos da pesquisa realizada, foram gerados um ambiente gráfico de desenvolvimento de modelos baseados em Reconhecimento de Padrões e Redes Bayesianas e um estudo das possibilidades de utilização de processamento paralelo na aprendizagem de Redes Bayesianas. / This work proposes a methodology for grouping texts for the purposes of textual searching in general but also specifically for aiding in distributing law processes in order to reduce time applied in solving judicial conflicts. The proposed methodology uses the Kullback-Leibler divergence applied to frequency distributions of word stems occurring in the texts. Several groups of stems are considered, built up on their occurrence frequency among the texts and the resulting distributions are taken regarding each one of those groups. For each group, divergences are computed based on the distribution taken from a reference text originated from the assembling of all sample texts, yelding one value for each text in relation to each group of stems. Finally, those values are taken as attributes of each text in a clusterization process driven by a K-Means algorithm implementation providing a grouping for the texts. The methodology is tested for simple toy examples and applied to cases of electrical failure registering, texts with similar issues and law texts and compared to an expert\'s classification. As byproducts from the conducted research, a graphical development environment for Pattern Recognition and Bayesian Networks based models and a study on the possibilities of using parallel processing in Bayesian Networks learning have also been obtained.

O presente trabalho propõe uma metodologia para agrupamento de textos que possa ser utilizada tanto em busca textual em geral como mais especificamente na distribuição de processos jurídicos para fins de redução do tempo de resolução de conflitos judiciais. A metodologia proposta utiliza a divergência Kullback-Leibler aplicada às distribuições de frequência dos radicais (semantemas) das palavras presentes nos textos. Diversos grupos de radicais são considerados, formados a partir da frequência com que ocorrem entre os textos, e as distribuições são tomadas em relação a cada um desses grupos. Para cada grupo, as divergências são calculadas em relação à distribuição de um texto de referência formado pela agregação de todos os textos da amostra, resultando em um valor para cada texto em relação a cada grupo de radicais. Ao final, esses valores são utilizados como atributos de cada texto em um processo de clusterização utilizando uma implementação do algoritmo K-Means, resultando no agrupamento dos textos. A metodologia é testada em exemplos simples de bancada e aplicada a casos concretos de registros de falhas elétricas, de textos com temas em comum e de textos jurídicos e o resultado é comparado com uma classificação realizada por um especialista. Como subprodutos da pesquisa realizada, foram gerados um ambiente gráfico de desenvolvimento de modelos baseados em Reconhecimento de Padrões e Redes Bayesianas e um estudo das possibilidades de utilização de processamento paralelo na aprendizagem de Redes Bayesianas. / This work proposes a methodology for grouping texts for the purposes of textual searching in general but also specifically for aiding in distributing law processes in order to reduce time applied in solving judicial conflicts. The proposed methodology uses the Kullback-Leibler divergence applied to frequency distributions of word stems occurring in the texts. Several groups of stems are considered, built up on their occurrence frequency among the texts and the resulting distributions are taken regarding each one of those groups. For each group, divergences are computed based on the distribution taken from a reference text originated from the assembling of all sample texts, yelding one value for each text in relation to each group of stems. Finally, those values are taken as attributes of each text in a clusterization process driven by a K-Means algorithm implementation providing a grouping for the texts. The methodology is tested for simple toy examples and applied to cases of electrical failure registering, texts with similar issues and law texts and compared to an expert\'s classification. As byproducts from the conducted research, a graphical development environment for Pattern Recognition and Bayesian Networks based models and a study on the possibilities of using parallel processing in Bayesian Networks learning have also been obtained.

Sabe-se biologicamente que o nível de expressão dos genes está entre os fatores podem indicar o quanto estes estão em atividade em determinado momento. Avanços na tecnologia de microarray têm possibilitado medir os níveis de expressão de milhares de genes ao mesmo tempo. Esses dados podem ser medidos de maneira a formarem uma série temporal, que pode ser tratada estatisticamente para serem obtidas informações sobre as relações entre os genes. Já foram propostos vários modelos para tratar redes gênicas matematicamente. Esses modelos têm evoluído de forma a agregarem cada vez mais características das redes reais. Neste trabalho, será feita uma revisão de modelos discretos para redes de regulação gênica, primeiramente com as redes Booleanas, modelo determinístico, e depois as redes Booleanas probabilísticas e as redes genéticas probabilísticas, modelos que tratam o problema estocasticamente. Usando o último modelo citado, serão mostrados dois métodos para estimar o nível de predição entre os genes, coeficiente de determinação e informação mútua. Além de se estimar essas relações, foram desenvolvidas algumas técnicas para construir redes a partir de genes específicos, que são chamados sementes. Também serão apresentados dois desses métodos de crescimento de redes e, baseado neles, um terceiro método que foi desenvolvido neste trabalho. Foi criado um algoritmo que realiza o crescimento da rede mudando as sementes a cada iteração, agrupando estes genes em grupos com diferentes níveis de confiança, chamados camadas. O algoritmo também usa outros critérios para agregar novos genes à rede. Após a explanação desses métodos, será mostrado um software que, a partir de dados temporais de expressão gênica, estima as dependências entre os genes e executa o crescimento da rede em torno de genes que se deseje estudar. Também serão mostradas as melhorias feitas no programa. Ao final, serão apresentados alguns testes feitos com dados do Plasmodium falciparum, parasita causador da malária. / It\'s known that gene expression levels are among the factors that can show how genes are active in certain moment. Advances in microarray technology have given the possibility to measure expression levels of thousands of genes in a certain instant of time. These data constitute time series that we can treat statistically in order to get information genes relationships. Many models were proposed to treat gene networks mathematically. These models have evolved to aggregate more and more real networks features. In this work, it is made a brief review of discrete models of regulatory genetic networks, initially Boolean networks, a deterministic model, and then probabilistic Boolean networks and probabilistic genetic networks, models that treat the problem stochastically. Using the last model cited, two methods to estimate the prediction level among genes are shown, coefficient of determination and mutual information. Besides estimating these relations, some techniques have been developed to construct networks from specific genes, that are called seeds. It will be also shown two methods of network growth and, based on these, a third method that was developed during this work. An algorithm was created, such that it grows the network changing the seeds in each iteration, grouping these genes in groups with different level of confidence, called layers. The algorithm also uses other criteria to add new genes to the network. After studying these methods, it will be shown a software that, using time series gene expression data, estimates dependences among genes and runs the network growing process around chosen genes. It is also presented the improvements made in the program. Finally, some tests using data of Plasmodium falciparum, malaria parasite, are shown.

Orientador: Gabriela Castellano / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Física Gleb Wataghin / Made available in DSpace on 2018-08-30T20:31:19Z (GMT). No. of bitstreams: 1 TapiaHerrera_LuisCarlos1982-_D.pdf: 17368597 bytes, checksum: b04bfdc96a80f7bba2cdca7390a9d09e (MD5) Previous issue date: 2016 / Resumo: Os neurônios são elementos que no cérebro trabalham em grupo e de forma organizada. A técnica de ressonância magnética funcional (fMRI) permite identificar redes corticais e subcorticais do cérebro quando ele desenvolve atividades cognitivas motoras ou perceptivas. No entanto, redes nomeadas de redes em estado de repouso, estão presentes em ausência de tarefas específicas. Alguns estudos modelaram redes funcionais do cérebro com a ajuda da teoria de grafos. Um dos objetivos deste trabalho foi analisar, utilizando teoria de grafos, dados funcionais do cérebro coletados com a técnica de fMRI, de 10 voluntários saudáveis, que participaram de dois protocolos: uma aquisição em estado de repouso e outra durante uma tarefa de produção de palavras. Outro objetivo do trabalho foi testar duas métricas matemáticas (correlação de Pearson e informação mútua), para determinar quais delas conseguem captar melhor diferenças entre as duas condições mencionadas. Também se objetivou comparar parâmetros termodinâmicos das redes de repouso obtidas por meio dos dados reais com os de redes simuladas computacionalmente via modelo de Ising. Finalmente, um último objetivo foi explorar os dados para ver que informação poderia ser obtida a partir dos mesmos, sem uso prévio de modelos sobre as tarefas realizadas. Utilizando a teoria de grafos, achamos diferenças entre as redes nas condições de repouso e de produção de palavras para os parâmetros grau médio e coeficiente de cluster. Adicionalmente foram comparadas as redes dos hemisférios direito e esquerdo nas redes geradas na condição de produção de palavras, e achamos que o grau médio das redes pode predizer a lateralização (dominância hemisférica para linguagem), também achada com análises padrões de fMRI. Relativo às métricas matemáticas, a correlação de Pearson e a informação mútua foram comparadas para determinar qual destas métricas captura melhor a similaridade ou sincronia entre duas séries temporais que contêm atividade hemodinâmica do cérebro. Concluímos que a correlação linear é uma medida capaz de caracterizar de forma satisfatória a sincronia entre duas séries desse tipo. Simulações computacionais do modelo de Ising foram desenvolvidas para posteriormente criar redes funcionais em três regimes diferentes: crítico, subcrítico e supercrítico. Esta abordagem do estado de repouso foi examinada em trabalhos prévios, e foi concluído que o cérebro como sistema dinâmico possui uma maior semelhança com o sistema simulado no regime crítico. Finalmente, uma metodologia independente de modelo foi implementada para detectar áreas ativas do cérebro em tarefas dirigidas. Esta metodologia foi testada nos dados na condição de produção de palavras, permitindo identificar as áreas envolvidas na execução da tarefa / Abstract: Neuronal elements in the brain are not isolated, they work together and work in an organized way. The functional magnetic resonance imaging (fMRI) technique allows identifying cortical networks when the brain develops a task. However, resting state brain networks are present in the absence of any task. Some studies have modeled the brain networks architecture with aid of graph theory. One of the main aims of this work was the analysis of resting state and language task fMRI data sets, of ten healthy subjects, using graph theory. In order to study the linear and nonlinear relationships between time series of cortical areas of the brain, two metrics were compared the Pearson correlation and the mutual information. Also, graphs parameters built from resting state data and graph parameters built using simulations of the Ising model were compared. Finally, we developed a methodology to study the time series of differents regions of the brain in order to obtain information of the task without using predefined models of the brain activity. We found differences in the mean degree and the cluster coefficient of the network between the two conditions. In addition, we compared the networks corresponding to the left and right hemispheres during the language task, and found that the mean degree of these networks can predict the language lateralization found with standard fMRI analysis in most cases. The mean degree of the network and the cluster coefficient shows differences for the two conditions. Relative to the comparison between the Pearson correlation and the mutual information, we conclude that the linear correlation is an efficient metric to characterize the synchrony between the haemodynamic time series of the brain. Computational simulations of the Ising model for three different phases were developed: in critical, subcritical and supercritical phases. This comparison was presented in a previous work, and it was concluded that the brain as a dynamical system has remarkable similarities with the computational model in the critical phase. Relatively to the model independent methodology developed, it was possible to identify brain areas engaged with the word production task / Doutorado / Física / Doutor em Ciências / 157356/2011-6 / CNPQ