Brain Connectivity Analysis for real-time fMRI Neurofeedback Experiments

Dissertação de Mestrado em Engenharia Biomédica apresentada à Faculdade de Ciências e Tecnologia da Universidade de CoimbraImagiologia por Ressonância Magnética Funcional (IRMf) é uma das técnicas mais inovadoras para estudar o cérebro humano. Com a utilização de um sistema de IRMf em tempo real, torna-se possível o desenvolvimento de experiências de ”neurofeedback”, em que o estímulo é adaptado em tempo real à actividade medida do cérebro do participante. Os processos cognitivos dependem da comunicação entre regiões no cérebro, e por isso, é de grande interesse a análise de conectividade antes, durante e depois da experiência de Neurofeedback. Este trabalho analisa e compara alguns dos métodos actualmente usados em dados de IRMf: Correlação, Coerência, Causalidade de Granger e Modelação Causal Dinâmica. Testes executados em dados simulados mostram que a métrica de Coerência consegue devolver resultados válidos mesmo com baixas taxas de amostragem dos sinais, ao contrário das métricas de Correlação e Causalidade de Granger. A análise preliminar de conectividade em dados experimentais apresenta resultados interessantes relativamente ao funcionamento da rede de memória de trabalho. Os estudos efectuados levantam algumas questões relacionadas com a aplicação de métodos de conectividade a dados de IRMf, validação de resultados e optimização de protocolos experimentais, assim como um número de desafios a serem ultrapassados em trabalho futuro.Functional Magnetic Resonance Imaging (fMRI) has evolved to become one of the most innovative methods to study the human brain. With a real time fMRI system, it is possible to perform neurofeedback experiments, where stimuli are adapted in real time to the participants’ measured brain activity. Cognitive processes depend on the communication between regions of the brain, and so the analysis of connectivity before, during and after a neurofeedback experiment is of great interest. This work analyses and benchmarks some of the methods currently used on fMRI data: Correlation, Coherence, Granger Causality and Dynamic Causal Modelling. Tests performed on simulated datasets showed that Coherence presents robustness to downsampling, unlike Correlation and Granger Causality. Preliminary analysis of connectivity on an experimental dataset allowed for interesting insights on the working memory network functioning. The work developed has raised a number of questions related to the application of connectivity methods to Functional Magnetic Resonance Imaging (fMRI) data, results validation and optimisation of fMRI experimental setups, as well as a number of challenges to be surpassed in future work