facoltà di ingegneria corso di laurea magistrale in ingegneria biomedica

Facoltà di ingegneria

Corso di laurea magistrale in Ingegneria Biomedica

“ANALISI DELLE COMPONENTI INDIPENDENTI

DI SEGNALI CEREBRALI OTTENUTI CON RISONANZA

MAGNETICA FUNZIONALE TASK-DRIVEN APPLICATA

ALLO STUDIO DI SOGGETTI AFFETTI DA

DEFICIT UDITIVO”

“ANALISI DELLE COMPONENTI INDIPENDENTI

DI SEGNALI CEREBRALI OTTENUTI CON RISONANZA

MAGNETICA FUNZIONALE TASK-DRIVEN APPLICATA

ALLO STUDIO DI SOGGETTI AFFETTI DA

DEFICIT UDITIVO”

Relatore:Prof. Patera Vincenzo

Correlatori:Dott. Cannatà VittorioDott. Napolitano Antonio

Candidata:Andellini Martina

21/04/23Titolo Presentazione Pagina 2

2

• fMRI ed Effetto BOLD

• Preprocessing

• Algoritmo ICA

• Analisi statistica

• Risultati e Conclusioni

• Studio Sperimentale

C



Acquisizione di dati fMRI

3

MRIImmagine strutturale

Alta risoluzione1×1×1 mm3

fMRIImmagini funzionali

Bassa risoluzione4×4×5 mm3

fMRIBlood Oxygenation Level Dependent (BOLD) signal

MISURA INDIRETTA DELL’ATTIVITA’ NEURONALE


Il segnale BOLD

4

Attività neurale

Sangue ossigenato

Segnale fMRI

Hbr/HbO2

HbO2 Diamagnetica

Hbr Paramagnetica B0

Huettel, S. 2006


Connettività funzionale : fMRI

5

Il cervello è sempre attivo anche in assenza dell’esecuzione di un compito specifico. Gli aumenti nel metabolismo neuronale sono circa il 5% del consumo energetico totale.

Raichle, M.E. and M.A. Mintun. 2006

“Fluttuazioni spontanee”Elwell et al. 1999


Connettività funzionale : fMRI

6

La Connettività Funzionale Connettività Funzionale è definita come l’interazione (correlazione temporale) tra aree cerebrali

spazialmente distinte che lavorano insieme sullo stesso compito

Fluttuazioni spontanee durante lo svolgimento di un compitoFluttuazioni spontanee durante lo svolgimento di un compito


7


• Preprocessing

• Algoritmo ICA




C


Studio sperimentale

8

Somministrazione di stimoli visivi che consistono nell’alternanza di parole e stringhe di consonanti.

OBIETTIVO: OBIETTIVO:

Valutare gli effetti della sordità e delle diverse Valutare gli effetti della sordità e delle diverse modalità di comunicazione sulle reti neurali modalità di comunicazione sulle reti neurali

cerebrali dell’area del linguaggio, in risposta ad un cerebrali dell’area del linguaggio, in risposta ad un task sull’elaborazione della lingua scrittatask sull’elaborazione della lingua scritta.

OBIETTIVO: OBIETTIVO:

Valutare gli effetti della sordità e delle diverse Valutare gli effetti della sordità e delle diverse modalità di comunicazione sulle reti neurali modalità di comunicazione sulle reti neurali

cerebrali dell’area del linguaggio, in risposta ad un cerebrali dell’area del linguaggio, in risposta ad un task sull’elaborazione della lingua scrittatask sull’elaborazione della lingua scritta.

20 soggetti Sordi non segnanti (Oralisti)

Controllo udenti

Sordi segnanti (LIS)


9


• Preprocessing• Algoritmo ICA




C


Preprocessing

10

Dati StrutturaliDati Strutturali

Dati funzionaliDati funzionali

1Intensity normalization

2Brain Extraction

1Brain Extraction

2Motion Correction

Coregistrazione allo spazio standardCoregistrazione allo spazio standard


Intensity Normalization

11


Brain Extraction


Brain Extraction

BRAIN EXTRACTION ALGORITHM

Smith, S.M. 2002


Motion Correction


Registrazione allo spazio standard

MNI 152_1mm


Registrazione allo spazio standard

Algoritmo di coregistrazione

Registrazione:• Lineare• Non lineare


17


• Preprocessing

• Algoritmo ICA• Analisi statistica



C


Independent Component Analysis

X=As

Modello probabilistico: PICA

+ η

SORGENTI:•Indipendenti

•Non Gaussiane

Rumore additivo Gaussiano

Beckmann et al. 2002



1 soggetto


Tipping, M.E. and Bishop, C.M. 2006




1 soggetto



N soggetti TC-GICATC-GICA



Componenti IndipendentiSmith et al. 2009 Laird et al. 2011


Dual Regression

1

2



24


• Preprocessing

• Algoritmo ICA

• Analisi statistica• Risultati e Conclusioni


C


Analisi statistica:Randomise

1 TFCE: Threshold Free Cluster Enhacement

2 Test Non Parametrico di Permutazione


Threshold Free Cluster Enhacement

Intensità dei segnali

deboli in grandi cluster

per renderli confrontabili

con segnali più intesi in

cluster più piccoli

Per sopprimere il rumore casuale

Smith, S.M. and Nichols, T.E. 2009 Con H=2, E=0,5


Test Non Parametrico di Permutazione

Problemi • Pochi dati a disposizione

• Non si conosce la distribuzione nulla

Correzione del p-value per i confronti multipli

Single threshold test

Nichols et al. 2002


28


• Preprocessing

• Algoritmo ICA



C• Risultati e Conclusioni


Componenti Indipendenti


Attivazioni Funzionali

Lis > Oralisti

p < 0,05*

Network del Linguaggio

(corteccia frontoparietale )

1

* Corretto per i confronti multipli



Lis > Oralisti

p < 0,05*

Network Uditiva

(corteccia uditiva e dell’associazione

uditiva)

2




Lis > Oralisti

p < 0,05*

Network Senso motoria

(corteccia parietale dell’associazione)

3



Conclusioni• L’emisfero sinistro della network del linguaggio è spesso etichettato come emisfero verbale e l’emisfero destro come spaziale.

• La lingua dei segni infatti è un complesso linguaggio visivo-manuale

• L'emisfero destro infatti è noto per l'elaborazione di modelli visuospaziali

• Attivazioni significative della corteccia uditiva in pazienti sordi sottoposti ad un task visivo

• Riorganizzazione corticale della corteccia uditiva in pazienti completamente sordi

• La produzione della parola gestuale, genera un’attivazione maggiore della corteccia parietale rispetto alla produzione della parola orale

Network del linguaggioNetwork del linguaggio

Network uditivaNetwork uditiva

Network senso motoriaNetwork senso motoria

21/04/23Titolo Presentazione Pagina 34Grazie

facoltà di ingegneria corso di laurea magistrale in ingegneria biomedica

Documents