Análise em frequência da conectividade cortical por meio de ressonância magnética funcional

Tese de mestrado, Neurociências, Faculdade de Medicina, Universidade de Lisboa, 2009Compreender a conectividade funcional no cérebro é fundamental para a compreensão da forma como o cérebro implementa as diferentes funções cognitivas. Estudos de ressonância magnética funcional (fMRI) no cérebro humano têm vindo a sugerir que as flutuações de baixa frequência do sinal BOLD (Blood Oxygen Level Dependent) adquirido durante o estado de repouso correspondem a redes de repouso funcionalmente relevantes. O presente trabalho propôs-se analisar o comportamento de redes neuronais de repouso espacialmente distintas em 3 bandas da gama das baixas frequências [0.000-0.025; 0.025-0.050; 0.050-0.075]Hz. A metodologia adoptada tem por base a análise de coerência de séries temporais extraídas do sinal BOLD em aquisições rápidas de fMRI em repouso em dois grupos de sujeitos. O método de extracção das redes de repouso foi distinto entre os grupos, tendo-se aplicado a análise de correlação e a análise probabilística de componentes independentes (PICA), respectivamente. Na maioria das publicações, os aspectos metodológicos têm sido pouco desenvolvidos. Neste estudo foram discutidos os vários parâmetros de aplicação do periodograma modificado de Welch a fim de melhorar a resolução em frequência e a qualidade estatística dos estimadores espectrais. Implementou-se também uma extensão do teste de diferenças de coerência para a análise individual dos valores de coerência e a estatística de Wilcoxon para a análise dos valores de coerência entre as diferentes bandas de frequência. Os resultados revelaram variabilidade entre sujeitos da banda de frequência dominante enquanto que, na análise intra sujeito, observou-se uma consistência da banda dominante entre as várias Redes de Repouso. Dado que cada metodologia aplicada na extracção das redes apresenta características específicas, a reprodutibilidade e similaridade dos resultados intrasujeito após diferentes estratégias de processamento devem ser enfatizadas. NesUnderstanding brain functional connectivity is essential to the understanding of neural function. Functional Magnetic Resonance Imaging (fMRI) studies in the human brain have been suggesting that low frequency fluctuations of BOLD (Blood Oxygen Level Dependent) signal acquired during resting states correspond to functionally relevant resting networks. In the present study we intend to analyse the behaviour of spatially different resting state neural networks in 3 bands of the low frequency spectrum [0.000-0.025; 0.025-0.050; 0.050-0.075]Hz. The adopted methodology is based on coherence analysis of time series extracted from BOLD signal in fMRI. Fast acquisition schemes were applied during rest in two different groups of subjects. The strategies for obtaining resting state networks were different between the groups. In particular, it was based on correlation analysis and probabilistic independent component analysis (PICA), respectively. The majority of articles on this subject do not address much relevance to the methodological aspects. Here we discussed several parameters that influence the application of Welch modified periodogram in order to improve both frequency resolution and statistical significance of spectral estimators. In addition, it was also implemented an extension of the difference of coherence test for the individual analysis of coherence values and Wilcoxon statistics for the analysis of coherence values between the three different frequency bands. Results indicated inter-subject variability with regards to the dominant frequency band. On the other hand, intra-subject analysis revealed a general consistency in the dominant frequency band between the several different resting state networks. Considering that each method applied to the extraction of resting state networks has specific characteristics, the focus of analysis should be on the reproducibility and similarity of intra-subject results after the application of different processing st