Efecto del tamaño kernel en el suavizado de señal BOLD en paradigmas funcionales (RMf)
DOI:
https://doi.org/10.24310/espsiescpsi.v8i1.13223Palabras clave:
Imágenes por Resonancia Magnética funcional (RMf), Filtros, SuavizadoResumen
El suavizado es una técnica de filtraje esencial para el análisis de señal cerebral, que consiste en hacer promedio de la activación de un voxel con los que están a su alrededor. Diversos autores han propuesto alternativas o modificaciones a este proceso, pero resulta difícil encontrar investigaciones que comparen el efecto de diferentes tamaños de ventana de suavizado en los mismos datos. Así, el presente estudio pretende comprobar el efecto de la aplicación de diferentes tamaños de suavizado y resaltar la importancia de la elección del tamaño adecuado del mismo. Se aplicaron cinco criterios de suavizado a imágenes cerebrales resultantes de una tarea motriz sencilla por parte de cinco participantes adultos. Los distintos tamaños de suavizado muestran diferencias significativas en los resultados, principalmente entre la no aplicación de suavizado o el suavizado menor respecto a los dos de mayor tamaño. Las áreas cerebrales más activadas se mantienen a medida que aumenta el suavizado, mientras desaparecen aquellas con menos activación significativa y de área más reducida. Aunque se ha dispuesto de poca muestra, se puede ver una tendencia en los resultados que destaca la importancia de aplicar un suavizado en el tratamiento de imágenes RMf, pareciendo óptimos los suavizados de 2.5 y 3.
Descargas
Métricas
Citas
Ashburner, J., Barnes, G., Chen, C. C., Daunizean, J., Fladin, G., Friston, K., … y Stephan, K. (2013). SPM8 Manual. London: Insitute of Neurology, UCL.
Bandettini, P. A., Kwong, K. K., Tootell, R. B. H., Wong, E. C., Fox, P. T., Belliveau, J. W. y Rosen, B. R. (1997). Characterization of Cerebral Blood Oxygenation and flow changes during prolonged brain activation. Human Brain Mapping, 5, 93-109. http://dx.doi.org/10.1002/(SICI)1097-0193(1997)5:2<93::AID-HBM3>3.0.CO;2-H
Buxton, R. B. (2002). Introduction to Functional Magnetic Resonance Imaging. Principles y Techniques. New York: Cambridge University Press. http://dx.doi.org/10.1017/CBO9780511549854
Christensen, W. F. y Yetkin, F. Z. (2005). Spatio-temporal analysis of auditory cortex activation as detected with silent event related fMRI. Statistics in Medicine, 24, 2539-2556. http://dx.doi.org/10.1002/sim.2111
Darki, F. y Oghabian, M. A. (2013). False positive control of activated voxels in single fMRI analysis using boots-trap resampling in comparison to spatial smoothing. Magnetic Resonance Imaging, 31, 1331-1337. http://dx.doi.org/10.1016/j.mri.2013.03.009
De la Iglesia-Vayá, M., Molina-Mateo, J., Escarti-Fabra, M., Martí-Bonmartí, L., Robles, M., Meneu, T., … y San-juán, J. (2011). Técnicas de análisis de posproceso en resonancia magnética para el estudio de la conectividad cerebral. Radiología, 53, 236-245. http://dx.doi.org/10.1016/j.rx.2010.11.007
De Pasquale, F., Del Gratta, C. y Romani, G. L. (2008) Empirical Markov Chain Monte Carlo Bayesian analy-sis of fMRI data. NeuroImage, 42, 99-111. http://dx.doi.org/10.1016/j.neuroimage.2008.04.235
Friston, K. (2012). Ten ironic rules for non-statistical reviewers. NeuroImage, 61, 1300–1310. http://dx.doi.org/10.1016/j.neuroimage.2012.04.018
Friston, K. J., Ashburner, J., Kiebel, S. J., Nichols, T. E. y Penny, W. D. (2007). Statistical Parametric Mapping: The Analysis of Functional Brain Images. Glasgow: Academic Press.
Friston, K. J., Holmes, A. P., Worsley, K. J., Poline, J. P., Frith, C. D. y Frackowiak, R. S. J. (1995). Statistical Parametric Maps in Functional Imaging: A General Linear Approach. Human Brain Mapping, 2, 189-210. http://dx.doi.org/10.1002/hbm.460020402
Gispert, J. D., Pascau, J., Reig, S., García-Barreno, P. y Desco, M. (2003). Mapas de estadísticos paramétricos (SPM) en medicina nuclear. Revista Especial de Medicina Nuclear, 22, 43-53. http://dx.doi.org/10.1016/S0212-6982(03)72141-7
Guàrdia, J., Peró, M. y Fauquet, J. (2013). Análisis de datos en neurociencia cognitiva. En D. Redolar (Ed.), Neurocien-cia Cognitiva (pp. 789-796). Madrid: Pirámide.
Guàrdia-Olmos, J., Peró-Cebollero, M., Zarabozo-Hurtado, D., González-Garrido, M. y Gudayol-Ferré, E. (En revisión editorial). Analysis of the visual recognition of words and homophone orthographic errors through magnetic resonance imaging (fMRI). Journal of Neurolinguistics.
Lindquist, M. A. y Wager, T. D. (2008). Spatial Smoothing in fMRI using Prolate Spheroidal Wave Functions. Human Brain Mapping, 29, 1276-1287. http://dx.doi.org/10.1002/hbm.20475
Logan, B. R., Geliazkova, M. P. y Rowe, D. B. (2008). An evaluation of spatial thresholding techniques in fMRI analysis. Human Brain Mapping, 29, 1379-1389. http://dx.doi.org/10.1002/hbm.20471
Logothetis, N. K., Pauls, J., Augath, M., Trinath, T. y Oeltermann, A. (2001). Neurophysiological investigation of the basis of the fMRI signal. Nature, 412, 150-157. http://dx.doi.org/10.1038/35084005
Ogawa, S., Lee, T. M., Kay, A. R. y Tank, D. W. (1990). Brain magnetic resonance imaging with contrast dependent on blood oxygenation. Proceedings of the National Academy of Sciences, USA, 87, 9868-9872. http://dx.doi.org/10.1073/pnas.87.24.9868
Sacchet, M. D. y Knutson, B. (2013). Spatial smoothing systematically biases the localization of reward-related brain activity. NeuroImage, 66, 270-277. http://dx.doi.org/10.1016/j.neuroimage.2012.10.056
Said, S. E. y Dickey, D. A. (1984). Testing for unit roots in autoregressive-moving average models of unknown order. Biometrika, 71, 599-607. http://dx.doi.org/10.1093/biomet/71.3.599
Salafranca, Ll. (1991). Neurociencia cognitiva: problemá-tica del análisis de datos. (Tesis doctoral inèdita). Universitat de Barcelona, Barcelona, Espanya.
Talairach, J. y Tournoux, P. (1993) Referentially Oriented Cerebral MRI Anatomy: An Atlas of Stereotaxic Anatomical Correlations for Gray and White Matter. New York, USA: Thieme Medical Publishers.
Van Gerven, M. A., Cseke, B., de Lange, F. P. y Heskes, T.(2010). Efficient Bayesian multivariate fMRI analysis using a sparsifying spatio-temporal prior. NeuroImage 50, 150-161. http://dx.doi.org/10.1016/j.neuroimage.2009.11.064
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Todos los contenidos publicados en Escritos de Psicología están sujetos a la licencia Creative Commons Reconocimento-NoComercia-Compartirigual 4.0 cuyo texto completo puede consultar en <http://creativecommons.org/licenses/by-nc-sa/4.0>
Se pueden copiar, usar, difundir, transmitir y exponer públicamente, siempre que:
- Se cite la autoría y la fuente original de su publicación (revista, editorial y URL de la obra).
- No se usen para fines comerciales.
- Se mencione la existencia y especificaciones de esta licencia de uso.
Los derechos de autor son de dos clases: morales y patrimoniales. Los derechos morales son prerrogativas perpetuas, irrenunciables, intransferibles, inalienables, inembargables e imprescriptibles. De acuerdo con la legislación de derechos de autor, Escritos de Psicología reconoce y respeta el derecho moral de los autores/as, así como la titularidad del derecho patrimonial. Los derechos patrimoniales, se refieren a los beneficios que se obtienen por el uso o divulgación de las obras. Escritos de Psicología se publica en open access y queda autorizada en exclusiva para realizar u autorizar por cualquier medio el uso, distribución, divulgación, reproducción, adaptación, traducción o transformación de la obra.
Es responsabilidad de los autores/as obtener los permisos necesarios de las imágenes que están sujetas a derechos de autor.
10.png)
ESCRITOS DE PSICOLOGÍA por 