Uusia menetelmiä fMRI-aineistojen tilastolliseen analyysiin

Siina Pamilo

Tutkimustuotos: Doctoral ThesisCollection of Articles

Abstrakti

Toiminnallinen magneettikuvaus (fMRI) mittaa veren happipitoisuusmuutoksia ja auttaa siten ymmärtämään ihmisaivojen toimintaa. FMRI-aineistojen analyysissä käytetään tilastol-lisia menetelmiä ja vain ryhmätasolta tulokset voidaan yleistää. Tilastollisen testin valinta riippuu sekä aineistosta että tutkimuskysymyksestä. Syntynyt aivoaktiivisuus voidaan löytää luotettavammin ja tehokkaammin, jos häiriöt poistetaan ennen tilastollista analyysiä. Jotta saataisiin tietää, miten ihmisaivot toimivat jokapäiväisissä tilanteissa, fMRI-tutkimuksissa voidaan käyttää luonnonmukaisia ärsykkeitä perinteisten yksinkertaistettujen ärsykkeiden sijaan. Luonnonmukaiset ärsykkeet tuovat uusia analyysihaasteita, jolloin joudutaan käyttä-mään aineistolähtöisiä menetelmiä, kuten riippumattomien komponenttien analyysiä (ICA). Toisin kuin perinteisesti fMRI-analyysissä käytetty parametrinen t-testi, ei-parametriset tilastolliset testit tekevät vain vähän oletuksia aineistosta, joten niillä voidaan saavuttaa tehokkaampia tuloksia kuin parametrisilla menetelmillä. Paljon käytetty ei-parametrinen permutaatiotesti on kuitenkin laskennallisesti raskas. Väitöskirjassa esitellään uusi, herkkä ja laskennallisesti tehokas ei-parametrinen menetelmä, SumLog, fMRI-aineistojen ryhmäanalyysiin. Osa fMRI-aineistojen häiriöstä voidaan poistaa suodattamalla tai mallintamalla. Vaikeammin poistettavia fysiologisia häiriöitä varten väitöskirjassa esitellään uusi maxCorr-mentelmä, joka löytää yksilöllisiä komponentteja, jotka sisältävät sydämen sykkeestä, hengityksestä ja pään liikkeistä syntyviä häiriöitä. Toisin kuin monet aiemmista menetelmistä, maxCorr ei tarvitse fysiologisia referenssisignaaleja tai tietoa ärsykkeestä häiriöiden löytämiseen. Näin ollen max-Corr soveltuukin hyvin luonnonmukaisissa olosuhteissa kerättyjen aineistojen esikäsittelyyn. ICAa käytetään paljon luonnonmukaisissa olosuhteissa kerättyjen fMRI-aineistojen analy-soimiseen. ICA löytää fMRI-aineistosta toiminnallisia aivoverkostoja, joiden paikkajakauma ja aikakäyttäytyminen riippuvat kuitenkin estimoitujen komponenttien määrästä. Väitös-kirjassa laskettiin ryhmä-ICA kolmella komponenttimäärällä fMRI-aineistolle, joka oli kerätty koehenkilöiden katsoessa elokuvaa. Tulokset osoittivat kolmen tarkastellun aivoverkoston jakautuvan fysiologisesti mielekkäisiin alaverkostoihin estimoitujen komponenttien luku-määrän lisääntyessä. Väitöskirjassa esitetyt uudet menetelmät mahdollistavat sekä perinteisten että luonnon-mukaisia ärsykkeitä käyttävien fMRI-aineistojen entistä tehokkaamman tilastollisen analyysin. Lisäksi työ toi uutta ymmärrystä aivojen toiminnasta jokapäiväisissä tilanteissa.
Julkaisun otsikon käännösUusia menetelmiä fMRI-aineistojen tilastolliseen analyysiin
AlkuperäiskieliEnglanti
PätevyysTohtorintutkinto
Myöntävä instituutio
  • Aalto-yliopisto
Valvoja/neuvonantaja
  • Hari, Riitta, Vastuuprofessori
  • Hari, Riitta, Ohjaaja
  • Seppä, Mika, Ohjaaja
Kustantaja
Painoksen ISBN978-952-60-6543-4
Sähköinen ISBN978-952-60-6544-1
TilaJulkaistu - 2015
OKM-julkaisutyyppiG5 Tohtorinväitöskirja (artikkeli)

Tutkimusalat

  • toiminnallinen magneettikuvaus
  • tilastollinen analyysi
  • ei-parametrinen testi
  • fysiologiset häiriöt
  • luonnonmukaiset ärsykkeet
  • riippumattomien komponenttien analyysi

Sormenjälki Sukella tutkimusaiheisiin 'Uusia menetelmiä fMRI-aineistojen tilastolliseen analyysiin'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä