Social anxiety disorder (SAD) is a common psychiatric disorder associated with considerable suffering. Cognitive behaviour therapy (CBT) has been shown to be effective but a significant proportion does not respond or relapses, stressing the need of augmenting treatment. Using neuroimaging could elucidate the psychological and neurobiological interaction and may help to improve current therapeutics. To address this issue, functional and structural magnetic resonance imaging (MRI) were repeatedly conducted on individuals with SAD randomised to receive CBT or an active control condition. MRI was performed pre-, and post-treatment, as well as at one-year follow-up. Matched healthy controls were also scanned to be able to evaluate disorder-specific neural responsivity and structural morphology. This thesis aimed at answering three major questions. I) Does the brain’s fear circuitry (e.g., the amygdala) change, with regard to neural response and structural morphology, immediately after CBT? II) Are the immediate changes in the brain still present at long-term follow-up? III) Can neural responsivity in the fear circuitry predict long-term treatment outcome at the level of the individual? Thus, different analytic methods were performed. Firstly, multimodal neuroimaging addressed questions on concomitant changes in neural response and grey matter volume. Secondly, two different experimental functional MRI tasks captured both neural response to emotional faces and self-referential criticism. Thirdly, support vector machine learning (SVM) was used to evaluate neural predictors at the level of the individual. Amygdala responsivity to self-referential criticism was found to be elevated in individuals with SAD, as compared to matched healthy controls, and the neural response was attenuated after effective CBT. In individuals with SAD, amygdala grey matter volume was positively correlated with symptoms of anticipatory speech anxiety, and CBT-induced symptom reduction was associated with decreased grey matter volume of the amygdala. Also, CBT-induced reduction of amygdala grey matter volume was evident both at short- and long-term follow-up. In contrast, the amygdala neural response was weakened immediately after treatment, but not at one-year follow-up. In extension to treatment effects on the brain, pre-treatment connectivity between the amygdala and the dorsal anterior cingulate cortex (dACC) was stronger in long-term CBT non-responders, as compared to long-term CBT responders. Importantly, by use of an SVM algorithm, pre-treatment neural response to self-referential criticism in the dACC accurately predicted (&gt;90%) the clinical response to CBT. In conclusion, modifying the amygdala is a likely mechanism of action in CBT, underlying the anxiolytic effects of this treatment, and the brain’s neural activity during self-referential criticism may be an accurate and clinically relevant predictor of the long-term response to CBT. Along these lines, neuroimaging is a vital tool in clinical psychiatry that could potentially improve clinical decision-making based on an individual’s neural characteristics. / Social ångest är en av de vanligaste psykiska sjukdomarna. Mer än en miljon svenskar bedöms lida av detta. Social ångest leder ofta till svåra konsekvenser för den som drabbas, men även ökade kostnader för samhället har noterats, t ex i form av ökad sjukfrånvaro. Även om många som drabbas inte söker hjälp så finns effektiva behandlingar för social ångest, både farmakologiska och psykologiska behandlingar rekommenderas av Socialstyrelsen. Kognitiv beteendeterapi (KBT) är en evidensbaserad och rekommenderad psykologisk behandling för social ångest. Trots att nuvarande interventioner är effektiva så är det fortfarande en andel individer som inte blir förbättrade. Det finns en stor andel studier som visar att individer med social ångest, i jämförelse med friska individer, karakteriseras av överdriven aktivitet i ett nätverk som har till uppgift att tolka och reagera på hotfull information. Denna aktivitet är lokaliserad i rädslonätverket där området amygdala spelar en central roll. Det finns ett behov att utveckla nuvarande behandlingar och denna avhandling syftar till att öka vår förståelse för en neurobiologisk verkningsmekanism bakom KBT för social ångest. I detta forskningsprojekt har magnetresonanstomografi (MRT) använts för att undersöka personer som lider av social ångest. Upprepade mätningar har genomförts, innan, efter, och vid uppföljning ett år efter ångestlindrande behandling. Utöver detta har individer som inte lider av social ångest undersökts för att förstå hur patienter skiljer sig från friska personer, men också för att undersöka om behandlingen normaliserar patientens hjärna. Under tiden som deltagarna undersöktes med MRT genomfördes två experiment för att ta reda på hur hjärnan reagerar på affektiv information. Deltagarna tittade på bilder med ansikten som uttrycker emotioner, t ex arga och rädda ansiktsuttryck, samt information som innehöll kritiska kommentarer riktade till personen själv eller någon annan, t ex ”ingen tycker om dig” eller ”hon är inkompetent”. Strukturella bilder på deltagarnas hjärnor har också samlats in vid varje mättillfälle. Utöver detta fick alla deltagare instruktioner om att de efter MRT skulle hålla en muntlig presentation inför en publik. Denna uppgift är oftast den värsta tänkbara för individer med social ångest, och syftet med uppgiften var att relatera hjärnans struktur och aktivitet till hur mycket ångest som individerna upplevde inför denna situation. I arbetet med denna avhandling har tre frågor ställts. a) Uppstår strukturella och funktionella förändringar i rädslonätverket direkt efter avslutad KBT (Studie I och II)? b) Är de tidiga förändringarna efter behandlingen även kvarstående ett år senare (Studie III)? c) Kan hjärnans reaktioner i rädslonätverket förutspå vilka individer som kommer att bli förbättrade av en ångestlindrande psykologisk behandling på lång sikt? Resultat från studierna i denna avhandling sammanfattas nedan: Reaktioner till självriktad kritik i amygdala är överdrivna hos individer med social ångest, i jämförelse med friska individer Reaktioner i amygdala minskar efter att individerna blivit behandlade med KBT och minskningarna korrelerar till minskade symptom av social ångest Den strukturella volymen av amygdala korrelerar positivt med hur mycket ångest individerna upplever inför en muntlig presentation, och minskningen av dessa symptom korrelerar även med hur mycket volymen av amygdala minskar efter KBT Minskningen av amygdalavolym och den samtidigt minskade reaktiviteten i amygdala till självriktad kritik är korrelerade. Medieringsanalyser antyder att det är den minskade volymen som driver förhållandet mellan minskad reaktivitet och minskad ångest inför att hålla en muntlig presentation Den strukturella minskningen av amygdala ses både direkt efter behandlingens avslut, men även vid uppföljning ett år senare. Hjärnans reaktivitet till självriktad kritik i amygdala minskar direkt efter behandling, men är inte kvarstående vid uppföljning ett år senare Kopplingen mellan hjärnans reaktivitet till självriktad kritik i amygdala och dorsala främre cingulum var starkare hos de som inte blev förbättrade (jämfört med de som blev bättre) av en ångestlindrande behandling på lång sikt Med hjälp av en stödvektormaskin (en. support vector machine learning) och ett mönster av hjärnaktivitet i dorsala främre cingulum innan behandling påbörjades, predicerades (med 92% träffsäkerhet) vilka individer som ett år senare var fortsatt förbättrade av en effektiv psykologisk behandling Utifrån dessa observationer är slutsatserna att strukturell och funktionell påverkan på amygdala är en möjlig neurobiologisk mekanism för minskad social ångest efter KBT, samt att reaktivitet i främre cingulum kan ge kliniskt relevant data om vem som kommer att bli förbättrad av en psykologisk behandling. Denna information kan potentiellt vara viktig i framtidens psykiatri för att utveckla existerande behandlingar, men även för att stödja klinikers beslutsfattande huruvida en viss individ bör erbjudas en specifik behandling eller ej. / <p>Illustration on the cover by Jan Lööf. Cover image printed with permission from Jan Lööf and Bonnier Carlsen Förlag. The cover was art directed by Staffan Lager.</p><p>The thesis is reprinted and the previous ISBN was 9789176856888.</p>

<p dir="ltr">For turbocharged engine simulation analysis, manufacturer-provided data are typically used to predict the mass flow and efficiency of the turbine. To create a turbine map, physical tests are performed in labs at various turbine speeds and expansion ratios. These tests can be very expensive and time-consuming. Current testing methods can have limitations that result in errors in the turbine map. As such, only a modest set of data can be generated, all of which have to be interpolated and extrapolated to create a smooth surface that can then be used for simulation analysis.</p><p><br></p><p dir="ltr">The current method used by the manufacturer is a physics-informed polynomial regression model that depends on the Blade Speed Ratio (BSR ) in the polynomial function to model the efficiency and MFP. This method is memory-consuming and provides a lower-than-desired accuracy. This model is decades old and must be updated with new state-of-the-art Machine Learning models to be more competitive. Currently, CTT is facing up to +/-2% error in most turbine maps for efficiency and MFP and the aim is to decrease the error to 0.5% while interpolating the data points in the available region. The current model also extrapolates data to regions where experimental data cannot be measured. Physical tests cannot validate this extrapolation and can only be evaluated using CFD analysis.</p><p><br></p><p dir="ltr">The thesis focuses on investigating different AI techniques to increase the accuracy of the model for interpolation and evaluating the models for extrapolation. The data was made available by CTT. The available data consisted of various turbine parameters including ER, turbine speeds, efficiency, and MFP which were considered significant in turbine modeling. The AI models developed contained the above 4 parameters where ER and turbine speeds are predictors and, efficiency and MFP are the response. Multiple supervised ML models such as SVM, GPR, LMANN, BRANN, and GBPNN were developed and evaluated. From the above 5 ML models, BRANN performed the best achieving an error of 0.5% across multiple turbines for efficiency and MFP. The same model was used to demonstrate extrapolation, where the model gave unreliable predictions. Additional data points were inputted in the training data set at the far end of the testing regions which greatly increased the overall look of the map.</p><p><br></p><p dir="ltr">An additional contribution presented here is to completely predict an expansion ratio line and evaluate with CTT test data points where the model performed with an accuracy of over 95%. Since physical testing in a lab is expensive and time-consuming, another goal of the project was to reduce the number of data points provided for ANN model training. Furthermore, strategically reducing the data points is of utmost importance as some data points play a major role in the training of ANN and can greatly affect the model's overall accuracy. Up to 50% of the data points were removed for training inputs and it was found that BRANN was able to predict a satisfactory turbine map while reducing 20% of the overall data points at various regions.</p>