Resumen de Unraveling hidden patterns of brain activity: a journey through hemodynamic deconvolution in functional MRI

Eneko Uruñuela Tremiño

• español

  Esta tesis se centra en mejorar técnicas de análisis de datos de resonancia magnética funcional (fMRI) basadas en la deconvolución de la señal hemodinámica sin información previa del paradigma para estimar la actividad cerebral. La tesis aborda limitaciones de estos algoritmos e introduce novedades basadas en algoritmos de estimación de mínimos cuadrados con regularización para solventarlas. En concreto, se presentan: 1) una demostración de que las formulación de síntesis y análisis funcionan exactamente igual a efectos prácticos, 2) una nueva técnica para evitar la elección de los parámetros de regularización, 3) una nueva formulación multivariada con términos de regularización que hacen uso de toda la información espacial para mejorar la deconvolución, 4) la aplicación de la formulación multivariada en un entorno multi-sujeto siendo el primer algoritmo de este tipo para el análisis de datos naturalísticos, 5) la introducción de un término de regularización que estima fluctuaciones globales para reducir su impacto en la estimación de la actividad neuronal. Se han evaluado en datos simulados y de fMRI, y se ha demostrado su mejora considerable respecto a anteriores algoritmos de este tipo. Estos algoritmos permiten explorar la actividad cerebral en datos de fMRI sin necesidad de saber cuándo y dónde ocurre, lo cual tiene importantes aplicaciones en estudios de neurociencia cognitiva y clínica.

• English

  Functional magnetic resonance imaging data analysis is often directed to identify and disentangle the neural processes that occur in different brain regions during task or at rest, and employs the blood oxygenation-level dependent (BOLD) signal of fMRI as a proxy for neuronal activity mediated through neurovascular coupling. The goal of this thesis is to enhance and expand techniques for identifying and analyzing individual trial event-related BOLD responses based on the Paradigm Free Mapping (PFM) algorithm, which utilizes a linear hemodynamic response model and relies on regularized least squares estimators to deconvolve the neuronal-related signal that drives the BOLD effect. Notably, these techniques estimate neuronal-related activity without relying on prior paradigm information.