| Sumario: | Els avenços en les tècniques de neuroimatge han estat fonamentals per identificar nous biomarcadors de malalties cerebrals. La ressonància magnètica funcional en estat de repòs (rsfMRI) quantifica de manera no invasiva el senyal dependent del nivell d'oxigen a la sang (BOLD) a totes les regions del cervell amb una alta resolució espacial, mentre que la resolució temporal de l'electroencefalografia (EEG ) per mesurar la resposta elèctrica del cervell és insuperable. La majoria dels mètodes estadístics i daprenentatge automàtic utilitzats per analitzar dades de rsfMRI i EEG són estàtics i lineals, no capten el dinamisme i la complexitat del cervell i són propensos al soroll residual. Els objectius generals daquesta tesi doctoral són i) proporcionar una visió metodològica proposant un mètode estadístic, anomenat anàlisi per procés de punts (PPA), i un mètode d?aprenentatge automàtic (ML) multibanda no lineal d?EEG. Aquests mètodes són especialment útils per investigar la configuració cerebral de participants d'edat avançada i d'individus amb malalties neurodegeneratives, i per predir l'edat i la qualitat del son; i ii) compartir coneixements biològics sobre la sincronització entre regions cerebrals (és a dir, la connectivitat funcional i la connectivitat funcional dinàmica) en diferents etapes del deteriorament cognitiu lleu i en la malaltia d'Alzheimer. Les troballes, comunicades i discutides en aquesta tesi, obren un camí per a noves idees de recerca, com l'aplicació de PPA a dades d'EEG, l'ajust de l'algorisme ML no lineal per aplicar-lo a rsfMRI i l'ús d'aquests mètodes per comprendre'n millor d'altres malalties neurològiques.
|
|---|
