Métodos estatísticos e computacionais para a discriminação de alterações anatômicas, estados mentais e identificação da conectividade cerebral: uma abordagem integrativa utilizando ressonância magnética estrutural, funcional e EEG

• Processo: 10/01394-4
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de julho de 2010
• Data de Término da vigência: 30 de junho de 2012
• Área do conhecimento: Interdisciplinar
• Pesquisador responsável: João Ricardo Sato
• Beneficiário: João Ricardo Sato
• Instituição Sede: Centro de Matemática, Computação e Cognição (CMCC). Universidade Federal do ABC (UFABC). Ministério da Educação (Brasil). Santo André , SP, Brasil
• Pesquisadores associados: André Fujita ; Carlos Eduardo Thomaz ; Edson Amaro Junior ; Elisa Harumi Kozasa ; Maria Cecília Oliveira da Fonseca ; Paula Ayako Tiba
• Auxílio(s) vinculado(s): 10/51473-8 - Bridging the gap between statistics, machine learning and clinical practice: an interdisciplinary collaborative study on human brain mapping, AP.R
• Assunto(s): Neurociências Análise estatística de dados Eletroencefalografia Ressonância magnética
• Palavra(s)-Chave do Pesquisador: Brain Reading | Classificadores | Eletroencefalografia | Métodos Multivariados | ressonância magnética funcional | Métodos Quantitativos em Neurociências

Resumo

Uma das principais inovações tecnológicas no mapeamento do cérebro humano é a aquisição estrutural e funcional de imagens por ressonância magnética. A extração e unificação de informações presentes em dados de EEG, Ressonância Magnética estrutural (RM) e funcional (RMf) é de grande importância para um melhor entendimento de processos cognitivos, patologias e até mesmo aplicações clínicas, como por exemplo o mapeamento e caracterização de focos de ativação ou epileptogênicos. Uma etapa crucial para a integração multimodal é o desenvolvimento de métodos quantitativos para a identificação da conectividade cerebral e ‘decodificação’ de estados mentais. Até o presente momento, o número de estudos científicos explorando esta questão é ínfimo, de forma que ainda não há métodos disponíveis para avaliação destes aspectos principalmente em dados multimodais. O principal objetivo deste trabalho é o desenvolvimento e aplicação de novas metodologias estatísticas e programas computacionais para a análise de dados e integração de informações obtidos através da RM, RMf e eletroencefalografia (EEG). A abordagem para o desenvolvimento dos métodos terá uma perspectiva não paramétrica e exploratória (integrando conceitos de suport vector machines, redes neurais, agrupamento de séries temporais, etc), de forma a evitar a necessidade das fortes suposições frequentemente assumidas pelos métodos estatísticos tradicionais, obtendo-se assim, um método com maior flexibilidade para o uso em patologias ou processamento cognitivo complexo. Além disso, considerando-se os aspectos tecnológicos, políticos e sociais, este projeto promoverá a integração da Universidade Federal do ABC (UFABC) com outros centros de pesquisa e tecnologia de destaque no país e no exterior, incentivando a inovação científica na região do ABC. (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

GADELHA, ARY; MACHADO, MAURICIO F. M.; YONAMINE, CAMILA M.; SATO, JOAO R.; JULIANO, MARIA A.; OLIVEIRA, VITOR; BRESSAN, RODRIGO A.; HAYASHI, MIRIAN A. F.. Plasma Ndel1 enzyme activity is reduced in patients with schizophrenia - A potential biomarker?. JOURNAL OF PSYCHIATRIC RESEARCH, v. 47, n. 5, p. 657-663, MAY 2013. (03/00817-5, 08/57336-2, 09/17726-9, 10/01394-4, 11/50740-5)

TAKAHASHI, DANIEL YASUMASA; SATO, JOAO RICARDO; FERREIRA, CARLOS EDUARDO; FUJITA, ANDRE. Discriminating Different Classes of Biological Networks by Analyzing the Graphs Spectra Distribution. PLoS One, v. 7, n. 12, DEC 19 2012. (11/07762-8, 10/01394-4)

SATO, JOAO R.; KOZASA, ELISA H.; RUSSELL, TAMARA A.; RADVANY, JOAO; MELLO, LUIZ E. A. M.; LACERDA, SHIRLEY S.; AMARO, JR., EDSON. Brain Imaging Analysis Can Identify Participants under Regular Mental Training. PLoS One, v. 7, n. 7, JUL 3 2012. (10/01394-4)