Publikationsserver der Universitätsbibliothek Marburg

Titel: Anwendungsmöglichkeiten und Praktikabilität der Independent Component Analysis (ICA) in der funktionellen Magnetresonanztomographie (fMRT)
Autor: Wiedemeyer, Christian
Weitere Beteiligte: Konrad, Carsten (Dr.)
Erscheinungsjahr: 2011
URI: https://archiv.ub.uni-marburg.de/diss/z2011/0345
DOI: https://doi.org/10.17192/z2011.0345
URN: urn:nbn:de:hebis:04-z2011-03450
DDC: 610 Medizin, Gesundheit
Titel(trans.): Application and practicability of Independent Component Analysis (ICA) with functional Magnet Resonance Imaging (fMRI)

Dokument

Schlagwörter:
Independent Component Analysis, ICA, fMRI, Independent Component Analysis, ICA, Funktionelle MR-Tomographie, Unabhängige Komponentenanalyse

Zusammenfassung:
Die in dieser Arbeit behandelte Thematik gibt einen Überblick über den Nutzen und die Anwendungsmöglichkeiten der Independent Component Analysis (ICA) mit Hilfe von computerbasierenden Auswerteverfahren. Eine Voraussetzung für die statistische Auswertung von zerebralen Vorgängen ist die Aufnahme von Bildserien mit Hilfe der MRT, die Einblicke in Struktur und Funktionsweise des menschlichen Gehirns erlaubt. Darauf folgt eine Weiterverarbeitung der Bildserien durch statistische Methoden wie das Allgemeine Lineare Modell (GLM). Jedoch treten neue Methoden der Datenauswertung wie die ICA vermehrt in den Mittelpunkt des Interesses. Die ICA gestattet es, statistisch unabhängige Komponenten aus einem Datensatz zu extrahieren. Der Vorteil der ICA gegenüber GLM-Ansätzen besteht darin auf a priori Annahmen verzichten und explorativ arbeiten zu können. Dieser Vorteil reiht die ICA in eine Gruppe von Auswertemethoden ein, die als Blind Source Separation (BSS) bekannt sind. Der hier genutzte Algorithmus nutzt die von Christian F. Beckmann eingeführte Probabilistic Independent Component Analysis (PICA) und das zugehörige MELODIC Programm. Mit Hilfe visueller und motorischer Stimuli wurde die Fähigkeit der ICA zum Auffinden von Signalkomponenten aus MRT-Datensätzen des Cortex untersucht. Hierzu fand als Paradigma sowohl ein einfaches Fingertapping, die Projektion eines Schachbrettmusters als auch die vom Probanden willkürlich veränderte Respiration in Hypo- Normo- und Hyperventilation Verwendung. Für zukünftige Anwendungen der ICA ist die vorgestellte Methode der Artefaktbereinigung unter Einbeziehung eines GLM-Modells von Datensätzen ein viel versprechender Ansatz, um Auswertungen, die auf bisherige Standardmethoden beruhen, zu verbessern.

Summary:
This work gives an overview of the benefit and forms of application of the ICA via computer based analyse methods. FMRI offers an opportunity to achieve information of cerebral structure and function without the disadvantage of x-ray exposure. Accustomed, the recorded fMRI-Data is evaluated with an approach like the General Linear Model (GLM). Albeit, new methods to analyze fMRI data like the ICA excite more interest in the scientific community. ICA permits to measure statistically independent components from a given set of data. The advantage of an ICA driven method compared with the GLM approach is the opportunity to elide a priori data and to work as an explorative tool which needs no further data input to find statistically independent components. This advantage enqueues the ICA with a group of other methods, which are well known as Blind Source Separation (BSS). The approach of this work uses the Probabilistic Independent component Analysis (PICA) and the belonging MELODIC program-suite. The method was introduced by Christian F. Beckmann and steadily established. The possibilities of the PICA were examined using different forms of visual and motorical stimuli of the cortex. Thus we used a simple finger tapping paradigm, the projection of a checkerboard task and the arbitrary changed forms of ventilation like normo-, hypo- and hyperventilation to validate the PICA model. Furthermore, we used the ventilation data for our method of data adjustment, which offers a solution to improve the evaluation of GLM based data in prospective studies.


* Das Dokument ist im Internet frei zugänglich - Hinweise zu den Nutzungsrechten