haku: @supervisor Sams, Mikko / yhteensä: 60
viite: 12 / 60
| Tekijä: | Pamilo, Siina |
| Työn nimi: | Spatio-temporal segregation of brain circuitries activated during movie viewing |
| Elokuvan katselun aktivoimien aivoverkostojen ajallispaikallinen erottelu | |
| Julkaisutyyppi: | Diplomityö |
| Julkaisuvuosi: | 2011 |
| Sivut: | [9] + 50 Kieli: eng |
| Koulu/Laitos/Osasto: | Lääketieteellisen tekniikan ja laskennallisen tieteen laitos |
| Oppiaine: | Laskennallinen tekniikka (S-114) |
| Valvoja: | Sams, Mikko |
| Ohjaaja: | Malinen, Sanna ; Hari, Riitta |
| Elektroninen julkaisu: | http://urn.fi/URN:NBN:fi:aalto-201207022636 |
| OEVS: | Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossaOppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa. Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/ Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.
Kirjautuminen asiakaskoneille
Opinnäytteen avaaminen
Opinnäytteen lukeminen
Opinnäytteen tulostus
|
| Sijainti: | P1 Ark Aalto 1271 | Arkisto |
| Avainsanat: | seed-based correlation ISC RSN naturalistic stimulation human brain movie fMRI ICA lähdekorrelaatio korrelaatioanalyysi lepoverkosto luonnonmukainen ärsyke aivot elokuva |
| Tiivistelmä (fin): | Niin levon kuin tehtävän suorituksen aikana aktiiviset, toisiinsa toiminnallisesti kytkeytyneet aivoalueet, eli nk. lepoverkostot, ovat yksi nykyaikaisen aivotutkimuksen erityisistä mielenkiinnon kohteista. Ensimmäiseksi havaittiin motorinen verkosto, minkä jälkeen on löydetty monia muita aivoverkostoja. Tässä diplomityössä tutkittiin sensorimotorista ja dorsaalista tarkkaavaisuus verkostoa sekä nk. default mode -verkostoa. Nämä kolme aivoverkostoa erotettiin 15 minuutin pituisen elokuvan ("At Land", Maya Deren) katselun aikana 15 koehenkilöltä kerätystä fMRI-datasta riippumattomien komponenttien analyysillä (ICA). Estimoitujen riippumattomien komponenttien (IC) lukumäärän vaikutusta ryhmä-ICAn tuloksiin tarkasteltiin kolmella eri komponenttimäärällä. ICAlla löydettyjen aivoverkostojen toiminnallinen yhteys todettiin myös lähdekorrelaatiomenetelmällä. Korrelaatioanalyysin (ISC) avulla paikannettiin ärsykkeeseen liittyvät aivoalueet ja ICt järjestettiin ISC-kartan avulla. Näin pystyttiin tunnistamaan ärsykkeeseen reagoivat komponentit, joiden aikasarjoja verrattiin elokuvan tapahtumiin. Pienellä komponenttimäärällä (25) sensorimotorista ja tarkkaavaisuusverkostoa vastaavat komponentit sisälsivät myös näihin verkostoihin kuulumattomia aivoalueita. Kun komponenttimäärää kasvatettiin (40), ylimääräiset alueet erottuivat omiksi verkostoikseen, josta voitiin olettaa, että tämä komponenttimäärä oli lähellä oikeaa. Suurella komponenttimäärällä (70) aivoverkostot jakaantuivat pienempiin osiin. Vaikka spatiaalinen jakaantuminen oli fysiologisesti mielekästä, komponenttien aikasarjat vääristyivät liian suurella komponenttimäärällä. Tämän työn tulokset auttavat ymmärtämään, miten riippumattomien komponenttien lukumäärä vaikuttaa ryhmä-ICAn tuloksiin. Tuloksia voidaan soveltaa oikean komponenttimäärän kokeellisessa etsimisessä ryhmä-fMRI datasta. |
| Tiivistelmä (eng): | So called resting state networks (RSNs), i.e. functionally connected brain areas that are active both during rest and task conditions, are receiving growing attention in modern brain research. The first observed RSN was the motor network. Since then, several different cortical networks have been identified. In this thesis the focus was on the sensorimotor, dorsal attention and default-mode networks. Independent component analysis (ICA) was used to segregate the three cortical networks from fMRI data collected from 15 subjects who were watching a 15 minutes long film ("At land" by Maya Deren). ICA was performed at three different dimensionalities and the effect of increasing the number of component estimates was examined. The functional connectivity between brain areas occupied by the three networks was examined also with seed-based correlation. The stimulus-related brain areas were indentified with intersubject correlation (ISC) analysis and the ICs were sorted according to the spatial overlap with the ISC map. The time courses of the most stimulus related ICs were compared with events in the movie. At a low dimensionality of ICA (25), the ICs representing the sensorimotor and dorsal attention networks included brain areas that do not belong to the networks. With an intermediate number of components (40) the additional areas were separated from the networks. This dimensionality was apparently closest to the correct one. When the dimensionality was further increased (70), the networks split into subcomponents. Although the spatial splitting was physiologically sensible, the time courses of the ICs got distorted at a too high dimensionality. The results of this work contribute to understanding how the number of components affects the group-ICA results and how the correct number of ICs could be empirically controlled in group-fMRI data. |
| ED: | 2011-05-06 |
INSSI tietueen numero: 41652
+ lisää koriin
INSSI