Anwendungsmöglichkeiten und Praktikabilität der Independent Component Analysis (ICA) in der funktionellen Magnetresonanztomographie (fMRT)
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 Vor...
Gespeichert in:
| 1. Verfasser: | |
|---|---|
| Beteiligte: | |
| Format: | Dissertation |
| Sprache: | Deutsch |
| Veröffentlicht: |
Philipps-Universität Marburg
2011
|
| Schlagworte: | |
| Online-Zugang: | PDF-Volltext |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| 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. |
|---|---|
| DOI: | 10.17192/z2011.0345 |