dc.contributor.author | Σάββα, Αντώνης Δ.![]() |
el |
dc.contributor.author | Savva, Antonis![]() |
en |
dc.date.accessioned | 2020-07-23T10:10:07Z | |
dc.date.available | 2020-07-23T10:10:07Z | |
dc.date.issued | 2020-07-23 | |
dc.identifier.uri | https://dspace.lib.ntua.gr/xmlui/handle/123456789/50936 | |
dc.identifier.uri | http://dx.doi.org/10.26240/heal.ntua.18634 | |
dc.description.abstract | Πρόσφατες μελέτες που σχετίζονται με την εκτίμηση της λειτουργικής συνδεσιμότητας στη λειτουργική Απεικόνιση Μαγνητικού Συντονισμού σε κατάσταση ηρεμίας αποκάλυψαν ότι τα πρότυπα σύνδεσης παρουσιάζουν σημαντικές διακυμάνσεις (δυναμική λειτουργική συνδεσιμότητα), σε αντίθεση με προηγούμενες υποθέσεις στασιμότητας. Μια ευρέως εφαρμοζόμενη μέθοδος για την εκτίμηση της δυναμικής λειτουργικής συνδεσιμότητας είναι η μέθοδος κυλιόμενου παραθύρου. Σύμφωνα με αυτή την μέθοδο, τα δεδομένα χωρίζονται σε τμήματα ίσου μήκους (μέγεθος παραθύρου) και χρησιμοποιείται μια μετρική συσχέτισης για την αξιολόγηση της συνδεσιμότητας μέσα σε αυτά τα τμήματα, όπου το μέγεθος παραθύρου συχνά επιλέγεται εμπειρικά. Συνήθως, στα δεδομένα μέσα σε κάθε παράθυρο αποδίδονται ίσα βάρη. Ωστόσο, έχει υποστηριχθεί ότι αυτή η προσέγγιση θα μπορούσε να οδηγήσει σε απότομες αλλαγές στην εκτίμηση της λειτουργικής συνδεσιμότητας στην περίπτωση παρουσίας θορύβου με την μορφή ακραίων τιμών. Για την ελαχιστοποίηση της ευαισθησίας σε αυτού του είδους θόρυβο, χρησιμοποιήθηκαν στη βιβλιογραφία διάφορες συναρτήσεις παραθύρου. Στο πρώτο μέρος της παρούσας διατριβής, διερευνάται αυστηρά η εκτίμηση της δυναμικής λειτουργικής συνδεσιμότητας σε δεδομένα λειτουργικής Απεικόνισης Μαγνητικού Συντονισμού σε κατάσταση ηρεμίας, χρησιμοποιώντας την μέθοδο κυλιόμενου παραθύρου. Αρχικά, για να εξεταστούν πλήρως οι επιδράσεις της στάθμισης στη μέθοδο αυτή, η παρούσα διατριβή διενεργεί μια εξαντλητική έρευνα χρησιμοποιώντας δέκα διαφορετικές συναρτήσεις παραθύρου. Στη συνέχεια, πραγματοποιείται μια λεπτομερής σύγκριση μεταξύ διαφορετικών μετρικών συσχέτισης σε ένα ευρύ φάσμα μεγεθών παραθύρων, με σκοπό τον συστηματικό καθορισμό μιας βέλτιστης επιλογής παραμέτρων για την αξιολόγηση της δυναμικής λειτουργικής συνδεσιμότητας. Η στατιστική συμπερασματολογία επιτυγχάνεται με τη χρήση ελέγχου υποθέσεων βασισμένου σε υποκατάστατα δεδομένα, με σκοπό την κατασκευή της μηδενικής υπόθεσης της απουσίας δυναμικής λειτουργικής συνδεσιμότητας. Βάσει αυτής της ανάλυσης, επιδιώκεται ο προσδιορισμός της ευαισθησίας κάθε μετρικής και συνάρτησης παραθύρου σε σχέση με το μέγεθος παραθύρου, για τον προσδιορισμό της δυναμικής λειτουργικής συνδεσιμότητας. Στο δεύτερο μέρος της παρούσας διατριβής, χρησιμοποιείται μια άλλη μέθοδος εκτίμησης της δυναμικής λειτουργικής συνδεσιμότητας, σύμφωνα με την οποία οι χρονοσειρές απεικονίζονται στο πεδίο του χρόνου–συχνότητας. Αυτή η μέθοδος βασίζεται στον μετασχηματισμό κυματιδίων για την απόκτηση μιας μετρικής συνάφειας των εξεταζόμενων σημάτων στο χρόνο και στη συχνότητα, καθώς και την μεταξύ τους διαφορά φάσης. Ακολούθως, εκτιμώνται χαρακτηριστικές καμπύλες που υποδεικνύουν τα πιο σημαντικά μήκη κύματος στη δυναμική λειτουργική συνδεσιμότητα. Χρησιμοποιώντας τόσο οπτικές αναπαραστάσεις όσο και πλαίσιο ελέγχου υποθέσεων βασισμένο σε υποκατάστατα δεδομένα επιτυγχάνεται ευρύτερη ερμηνεία της δυναμικής λειτουργικής συνδεσιμότητας, η οποία απαιτεί μόνο την επιλογή της συνάρτησης βάσης για το μετασχηματισμό κυματιδίων, σε αντίθεση με τη μέθοδο κυλιόμενου παραθύρου που απαιτεί τον ορισμό της μετρικής λειτουργικής συνδεσιμότητας, του μεγέθους παραθύρου, της μετατόπισης παραθύρου και της συνάρτησης παραθύρου. Ως εκ τούτου, τα συμπεράσματα εξαρτώνται από λιγότερες μεθοδολογικές παραμέτρους και μπορούν να παρέχουν καλύτερη κατανόηση των προτύπων λειτουργικής συνδεσιμότητας του εγκεφάλου που βρίσκεται σε ηρεμία. | el |
dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
dc.rights | Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 3.0 Ελλάδα | * |
dc.rights | Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-sa/3.0/gr/ | * |
dc.subject | Μέθοδος κυλιόμενου παραθύρου | el |
dc.subject | Μετρικές λειτουργικής συνδεσιμότητας | el |
dc.subject | Μετασχηματισμός κυματιδίων | el |
dc.subject | Δίκτυα ηρεμίας | el |
dc.subject | Δίκτυο προεπιλεγμένης λειτουργίας | el |
dc.subject | Sliding window method | en |
dc.subject | Functional connectivity metrics | en |
dc.subject | Wavelet transform | en |
dc.subject | Resting state networks | en |
dc.subject | Default mode network | en |
dc.title | Μεθοδολογίες Εκτίμησης Δυναμικής Λειτουργικής Συνδεσιμότητας σε Δεδομένα Λειτουργικής Απεικόνισης Μαγνητικού Συντονισμού | el |
dc.title | Methodologies for Assessing Dynamic Functional Connectivity in Functional Magnetic Resonance Imaging | en |
dc.contributor.department | Τομέας Συστημάτων Μετάδοσης Πληροφορίας & Τεχνολογίας Υλικών | el |
heal.type | doctoralThesis | |
heal.classification | ΒΙΟΠΛΗΡΟΦΟΡΙΚΗ | el |
heal.classification | ΒΙΟΪΑΤΡΙΚΗ ΜΗΧΑΝΙΚΗ | el |
heal.classification | ΝΕΥΡΟΕΠΙΣΤΗΜΗ | el |
heal.language | el | |
heal.access | free | |
heal.recordProvider | ntua | el |
heal.publicationDate | 2019-09-10 | |
heal.abstract | Recent studies related to assessing functional connectivity in resting-state functional Magnetic Resonance Imaging have revealed that the resulting connectivity patterns exhibit considerable fluctuations (dynamic functional connectivity) contrary to earlier assumptions of stationarity. A widely applied method for quantifying dynamic functional connectivity is the sliding window method. According to this method, the data are divided into segments with the same length (window size) and a correlation metric is employed to assess connectivity within these segments, whereby the window size is often empirically chosen. Usually, the data points inside each window are given equal weights; however, it has been argued that this approach could result in abrupt changes in windowed metric series if an outlier is considered. For minimizing sensitivity to outliers a variety of window functions were employed in the corresponding literature. In the present thesis, the assessment of dynamic functional connectivity from resting-state functional Magnetic Resonance Imaging data, is rigorously investigated using the sliding window method. Firstly, to fully examine the effects of weighting in the sliding window method, the present thesis accomplishes an exhaustive investigation using ten different window functions. Secondly, a detailed comparison is performed between different correlation metrics across a wide range of window sizes, aiming to systematically define an optimum parameter selection to assess dynamic functional connectivity. Statistical inference is achieved by employing a hypothesis testing framework based on surrogate data, for constructing the null hypothesis of dynamic functional connectivity absence. Based on this analysis, we sought to identify the sensitivity of each metric and window function with respect to window size, for identifying dynamic functional connectivity. Subsequently, another method for estimating dynamic functional connectivity is considered, whereby the time-series are projected to the time-frequency domain. This technique is based on the wavelet transform for obtaining a coherence measure of the examined signals in both time and frequency, as well as their phase coupling values. Next, characteristic curves are estimated indicating the most prominent wavelengths in dynamic functional connectivity. Using both visual illustrations and a hypothesis testing framework based on surrogate data, a broader interpretation of dynamic functional connectivity is achieved, which only requires the selection of the wavelet basis function for the transform, as opposed to the sliding window method that requires the definition of the functional connectivity metric, window size, window shifting and window function. Consequently, the conclusions depend on fewer methodological parameters and can provide a better understanding of functional connectivity patterns of the resting brain. | en |
heal.sponsor | Η παρούσα διδακτορική διατριβή εκπονήθηκε με χρηματοδότηση από τον Ειδικό Λογαριασμό Έρευνας Ε.Μ.Π. | el |
heal.advisorName | Ματσόπουλος, Γεώργιος | el |
heal.committeeMemberName | Νικήτα, Κωνσταντίνα | el |
heal.committeeMemberName | Σμυρνής, Νικόλαος | el |
heal.committeeMemberName | Κουτσούρης, Δημήτριος | el |
heal.committeeMemberName | Καρανάσιου, Ειρήνη | el |
heal.committeeMemberName | Βεντούρας, Ερρίκος | el |
heal.committeeMemberName | Μήτσης, Γεώργιος | el |
heal.academicPublisher | Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών | el |
heal.academicPublisherID | ntua | |
heal.numberOfPages | 294 | |
heal.fullTextAvailability | true |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: