Return to search

Utiliza??o de m?todos de decomposi??o emp?ricos no pr?-processamento de dados de resson?ncia magn?tica funcional

Submitted by Setor de Tratamento da Informa??o - BC/PUCRS (tede2@pucrs.br) on 2016-09-22T11:11:06Z
No. of bitstreams: 1
DIS_NATHALIA_BIANCHINI_ESPER_COMPLETO.pdf: 4985859 bytes, checksum: 25572c47a501b6fd792c5a3384b19891 (MD5) / Made available in DSpace on 2016-09-22T11:11:06Z (GMT). No. of bitstreams: 1
DIS_NATHALIA_BIANCHINI_ESPER_COMPLETO.pdf: 4985859 bytes, checksum: 25572c47a501b6fd792c5a3384b19891 (MD5)
Previous issue date: 2016-03-31 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior - CAPES / Functional Magnetic Resonance Imaging is a noninvasive technique used to map and explore brain networks through the changes in the oxyhemoglobin concentration that is caused by neural activity. One of the techniques to evaluate and measure these brain funcions is resting-state fMRI, which is indicated to subjects with some degree of neurological impairment since no cognitive task is necessary. The main problem of this exam is that it is more sensitive to noise during scanning - from physiological sources, for example, such as heart beating and breathing. The most common and hardest to correct is noise caused by a subject?s head movement. Given this fact, the objective of this thesis is to study and evaluate the effectiveness of implement empirical decomposition methods in the preprocessing stage of fMRI data. Empirical Mode Decomposition and Empirical Mean Curve Decomposition were the chosen algorithms because of their use in non-stationary and nonlinear signals. Thirty-three children participating in the ACERTA Project were classified in two groups: good readers (14 subjects) and poor readers (19 subjects). These data were submitted to five different preprocessing strategies: two for the usual preprocessing steps using or not the movements censoring; one for the Empirical Mode Decomposition method; and two for the Empirical Mean Curve Decomposition, being that one strategy uses changes proposed in this work in original algorithm. According to statistical analysis, the Empirical Mean Curve Decomposition, both the original and the modified, proved to be a promissing method for noise reduction in real fMRI data. / A t?cnica de imagem por resson?ncia magn?tica funcional ? um exame n?o invasivo que permite mapear e explorar diversas fun??es cerebrais por meio de varia??es na concentra??o de oxi-hemoglobina nas regi?es de atividade neural. Uma das t?cnicas para avaliar e mapear essas fun??es cerebrais ? o exame em estado de repouso, que ? mais indicado em pacientes/volunt?rios que tenham algum tipo de problema neurol?gico, pois n?o faz o uso de tarefas cognitivas para gerar as imagens de mapeamento cerebral. O principal problema desse exame ? ser muito sens?vel aos diferentes tipos de ru?do presentes ao longo do exame, como os de origem fisiol?gica, principalmente provenientes da respira??o e dos batimentos card?acos. O tipo de ru?do mais comum e que mais afeta os dados ? causado pela movimenta??o da cabe?a do paciente/volunt?rio. Pensando nisso, esta disserta??o tem como objetivo estudar e avaliar a efic?cia da utiliza??o de m?todos emp?ricos de decomposi??o durante a etapa de pr?-processamento para a redu??o de ru?do em dados oriundos de exames por resson?ncia magn?tica funcional. Os algoritmos escolhidos foram o de Decomposi??o em Modos Emp?ricos e o de Decomposi??o Emp?rica da Curva M?dia. Esses algoritmos foram escolhidos por serem utilizados em sinais n?o-estacion?rios e n?o-lineares. Este estudo foi realizado com 33 crian?as do Projeto ACERTA (Avalia??o de Crian?as do Risco de Transtornos de Aprendizagem) classificadas em dois grupos: bons leitores (14 crian?as) e maus leitores (19 crian?as). Estes dados foram submetidos a cinco diferentes estrat?gias de pr?-processamento: duas para as etapas usuais de pr?-processamento utilizando ou n?o a etapa de censura dos movimentos; uma para o m?todo de Decomposi??o em Modos Emp?ricos; e duas para o m?todo de Decomposi??o Emp?rica da Curva M?dia, sendo que uma estrat?gia utiliza altera??es no algoritmo original propostas por este trabalho. De acordo com as an?lises estat?sticas realizadas, o algoritmo de Decomposi??o Emp?rica da Curva M?dia, tanto o original quanto o modificado, mostrou ser um m?todo promissor para a redu??o de ru?do nos dados reais de fMRI.

Identiferoai:union.ndltd.org:IBICT/oai:tede2.pucrs.br:tede/6961
Date31 March 2016
CreatorsEsper, Nathalia Bianchini
ContributorsFranco, Alexandre Rosa, Fernandes, D?nis
PublisherPontif?cia Universidade Cat?lica do Rio Grande do Sul, Programa de P?s-Gradua??o em Engenharia El?trica, PUCRS, Brasil, Faculdade de Engenharia
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Formatapplication/pdf
Sourcereponame:Biblioteca Digital de Teses e Dissertações da PUC_RS, instname:Pontifícia Universidade Católica do Rio Grande do Sul, instacron:PUC_RS
Rightsinfo:eu-repo/semantics/openAccess
Relation207662918905964549, 600, 600, 600, 600, -655770572761439785, 4518971056484826825, 2075167498588264571

Page generated in 0.0021 seconds