Ανάλυση λειτουργικής διασυνδεσιμότητας εγκεφαλικών σημάτων από Λειτουργική Απεικόνιση Μαγνητικού Συντονισμού (FMRI) με τη χρήση Ανάλυσης Ανεξάρτητων Συνιστωσών (ICA) και Απεικόνισης Ισομετρικών Χαρακτηριστικών (ISOMAP)

Γάλλος, Ιωάννης; Gallos, Ioannis

dc.contributor.author	Γάλλος, Ιωάννης	el
dc.contributor.author	Gallos, Ioannis	en
dc.date.accessioned	2016-07-07T09:15:13Z
dc.date.available	2016-07-07T09:15:13Z
dc.date.issued	2016-07-07
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/43023
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.10662
dc.rights	Default License
dc.subject	ΛΑΜΣ	el
dc.subject	Υψηλής διάστασης δεδομένα	el
dc.subject	Ανάλυση ανεξάρτητων συνιστωσών	el
dc.subject	Απεικόνιση ισομετρικών χαρακτηριστικών	el
dc.subject	Νευροεπιστήμη	el
dc.subject	FMRI	en
dc.subject	ICA	en
dc.subject	ISOMAP	en
dc.subject	Big data on neuroscience	en
dc.subject	Dimensionality reduction FMRI	en
dc.title	Ανάλυση λειτουργικής διασυνδεσιμότητας εγκεφαλικών σημάτων από Λειτουργική Απεικόνιση Μαγνητικού Συντονισμού (FMRI) με τη χρήση Ανάλυσης Ανεξάρτητων Συνιστωσών (ICA) και Απεικόνισης Ισομετρικών Χαρακτηριστικών (ISOMAP)	el
heal.type	bachelorThesis
heal.classification	Υπολιγιστικές νευροεπιστήμες	el
heal.classificationURI	http://data.seab.gr/concepts/4d8173a4337eda1b18545cb218b81ff26aabaaa2
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2016-02-03
heal.abstract	Στην εν λόγω διπλωματική εργασία θα πραγματοποιηθεί ανάλυση λειτουργικής διασυνδεσιμότητας εγκεφαλικών σημάτων με χρήση ανάλυσης ανεξάρτητων συνιστωσών (ICA) και απεικόνισης ισομετρικών χαρακτηριστικών (ISOMAP). Αρχικά θα γίνει μία εισαγωγή σε δεδομένα Νευροαπεικόνισης και στη συνέχεια η επικέντρωση σε έναν συγκεκριμένο τύπο δεδομένων, από λειτουργική απεικόνιση μαγνητικού συντονισμού (FMRI). Στο 2ο κεφάλαιο της εργασίας υπάρχει μία παρουσίαση μεθόδων τόσο γραμμικών όσο και μη γραμμικών για την ανάλυση δεδομένων FMRI. Στις γραμμικές μέθοδοι περιλαμβάνονται μεταξύ άλλων η ανάλυση σε ανεξάρτητες συνιστώσες (ICA) καθώς και η ανάλυση σε κύριες συνιστώσες (PCA) ενώ η μη γραμμική μέθοδος είναι η απεικόνιση ισομετρικών χαρακτηριστικών (ISOMAP). Στο 3ο και κύριο μέρος της εργασίας θα αναλυθούν τα βήματα και οι μέθοδοι που ακολουθήθηκαν για την ανάλυση λειτουργικής διασυνδεσιμότητας πραγματικών δεδομένων σε ένα πληθυσμό 146 ατόμων από τα οποία οι 72 είναι ασθενείς διαγνωσμένοι με σχιζοφρένεια και 74 από αυτούς είναι υγιείς. Μετά την ανάλυση, στο 4ο κεφάλαιο θα παρουσιαστούν τα αποτελέσματα και θα επιχειρηθεί μία ερμηνεία της σημασίας τους. Στο 5ο μέρος θα εκτιμηθούν και θα αξιολογηθούν τα αποτελέσματα της ανάλυσης και θα συζητηθούν παράγοντες που θα μπορούσαν να βελτιώσουν τα τελευταία, θα επισημανθούν ερευνητικοί στόχοι και θα αναδειχθούν περιοχές για περαιτέρω ανάλυση. Στο 6ο κεφάλαιο παρατίθεται όλη η σχετική βιβλιογραφία με όλες τις σχετικές αναφορές στο κυρίως κείμενο σε αλφαβητική σειρά. Τέλος, στο Παράρτημα θα παρατεθεί ο κώδικας που χρησιμοποιήθηκε για το υπολογιστικό κομμάτι της εργασίας, για το οποίο έγινε χρήση των στατιστικών πακέτων FSL για ανάλυση δεδομένων Νευροαπεικόνισης και R για στατιστικές εφαρμογές, μαζί με σχόλια για τη διευκόλυνση του αναγνώστη.	el
heal.abstract	In this thesis we present functional connectivity analysis on functional Magnetic Resonance Imaging (FMRI) data. For the analysis we used Independent component analysis (ICA) and Isometric feature mapping (ISOMAP) as well. In the first place, as an introduction, we discuss Neuroimaging data and then we focus on a special type, the FMRI data. At the 2nd chapter there is a presentation of linear and non-linear methods useful for FMRI analysis. Among other methods we present the linear methods Independent Component Analysis (ICA) and Principal Component Analysis (PCA) and the one which is non-linear, the isometric-feature mapping (ISOMAP). At the 3rd and main chapter of this thesis, we analyze the steps and the methods followed for the functional connectivity analysis of a real statistical sample consisted of 146 subjects of which 72 were schizophrenia patients and the other 74 were healthy controls. The next chapter represents results taken from the analysis and a willing try for an interpretation of them. At the 5th place all results and interpretation will be evaluated, and other characteristics and factors will be discussed, in a way that they could enhance our analysis. New scientific goals will be set and new areas-of-interest will be indicated for further reading. At the sixth part, the relevant citations of all references across the entire thesis are set in an alphabetical order for the reader’s convenience. Finally, there is an Appendix at the end of the book. There, lies the code we used for the computational part of our analysis, which took place on Linux environment using FSL, a package special for Neuroimaging data analysis and R, a package mainly for statistical applications. Along with the code, there are useful comments on how someone can make it work along with understanding the main concept.	en
heal.advisorName	Σιέττος, Κωνσταντίνος	el
heal.committeeMemberName	Σιέττος, Κωνσταντίνος	el
heal.committeeMemberName	Γκούσης, Δημήτριος	el
heal.committeeMemberName	Σμυρνής, Νικόλαος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Εφαρμοσμένων Μαθηματικών και Φυσικών Επιστημών	el
heal.academicPublisherID	ntua
heal.numberOfPages	74 σ.	el
heal.fullTextAvailability	true