Redes bayesianas dinâmicas em imagens cerebrais multimodais

• Processo: 16/02621-0
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado Direto
• Data de Início da vigência: 01 de maio de 2016
• Data de Término da vigência: 31 de outubro de 2016
• Área de conhecimento: Engenharias - Engenharia Elétrica
• Pesquisador responsável: Carlos Dias Maciel
• Beneficiário: Fernando Pasquini Santos
• Supervisor: Tamer S. Ibrahim
• Instituição Sede: Escola de Engenharia de São Carlos (EESC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Instituição Anfitriã: University of Pittsburgh (Pitt), Estados Unidos
• Vinculado à bolsa: 12/24272-7 - Aprendizagem estrutural de redes Bayesianas dinâmicas não-estacionárias, BP.DD
• Assunto(s): Sistemas dinâmicos Redes bayesianas Razão sinal-ruído Neurociências Ressonância magnética Conectividade cerebral
• Palavra(s)-Chave do Pesquisador: Neurociência | Redes Bayesianas Dinâmicas | Ressonância Magnética | Teoria de Informação | Sistemas Dinâmicos

Resumo

A modelagem de conectividade efetiva do cérebro é uma tarefa sempre limitada pelo tamanho do modelo intencionado e os dados requeridos para o treinamento. Nos últimos anos, entretanto, avanços foram feitos em equipamentos de ressonância magnética (MRI), podendo estes obter imagens com melhores relações sinal-ruído, contraste de tecido e resolução espacial/espectral, como o equipamento de MRI de 7 tesla, na Universidade de Pittsburgh. Além disso, vários estudos sobre conectividade efetiva começaram a usar técnicas multimodais, que integram conhecimentos e dados de vários tipos diferentes de imagens; como por exemplo, o uso de MRI de difusão (DTI) auxiliando a análise de MRI funcional (fMRI). Assim, no presente projeto, redes Bayesianas dinâmicas (DBNs) com maiores dimensões serão treinadas a partir destas técnicas multimodais e melhores dados obtidos nas instalações de radiologia da Universidade de Pittsburgh. Com isso, espera-se que novas descobertas acerca do cérebro humano sejam feitas. (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)

SANTOS, FERNANDO P.; SMAGULA, STEPHEN F.; KARIM, HELMET; SANTINI, TALES S.; AIZENSTEIN, HOWARD J.; IBRAHIM, TAMER S.; MACIEL, CARLOS D.; MACIEL, C; FRED, A; GAMBOA, H; et al. Dynamic Bayesian Network Modeling of Hippocampal Subfields Connectivity with 7T fMRI: A Case Study. PROCEEDINGS OF THE 10TH INTERNATIONAL JOINT CONFERENCE ON BIOMEDICAL ENGINEERING SYSTEMS AND TECHNOLOGIES, VOL 4: BIOSIGNALS, v. N/A, p. 7-pg., 2017-01-01. (16/02621-0)