Estimación de la red de conectividad cerebral basada en la correlación y la coherencia espectral a partir de fMRI para apoyar el diagnóstico de Alzheimer

Abstract

[ES] Este proyecto implementará varias técnicas (correlación y coherencia espectral) para analizar datos de imágenes de resonancia magnética funcional (fMRI) para apoyar el diagnóstico de la enfermedad de Alzheimer (EA). La EA es un tipo de enfermedad neurológica que sufren algunas personas mayores que generalmente empeora con el tiempo. La representación de la interacción entre las regiones cerebrales distribuidas se denomina red de conectividad cerebral (RCC) y cambia según el nivel del estado de la enfermedad. Por lo tanto, el objetivo principal del proyecto es estimar las RCCs que permiten discernir la actividad cerebral de pacientes con EA de la de sujetos de control normales. Se calculan varias RCCs y se extraen características de ellas para su clasificación. Los conjuntos de datos de varios sujetos se comparan utilizando métodos generales de clasificación automática y el índice de precisión de clasificación se utiliza para evaluar la calidad de los resultados, en combinación con la información clínica proporcionada por las bases de datos.

[EN] This Project will implement several techniques (correlation and spectral coherence) to analyze data of functional magnetic resonance imaging (fMRI) for supporting the diagnosis of Alzheimer disease (AD). AD is a kind of neurological disease suffered by some elderly people which usually gets worse over time. The representation of the interaction among distributed brain regions is called brain connectivity network (BCN) and it changes depending on the level of the disease state. Thus, the principal objective of the project is to estimate BCNs that allow the brain activity of AD patients and normal control subjects to be discerned. Several BCNs are estimated and features from them are extracted for classification. Datasets from several subjects are compared using general automatic classification methods and the classification accuracy index is used to evaluate the quality of the results, in combination with clinical information provided by databases.