Modelação de padrões de conectividade cerebral funcional

Abstract

O estudo da conectividade cerebral, da integração e segregação das funções das diferentes partes do cérebro será no futuro próximo uma das ferramentas mais importantes na compreensão do cérebro humano. Contudo, a variedade de processos e dinâmicas lá presentes tornam esta tarefa extremamente complexa. Assim, o objectivo principal deste trabalho passa por desenvolver e testar um modelo capaz de representar redes de conectividade cerebral. A teoria de grafos, em conjugação com modalidades de neuroimagiologia como a ressonância magnética, tem-se mostrado uma ferramenta extremamente valiosa neste sentido. O trabalho aqui apresentado foca-se em três pontos: o pré-processamento das imagens de ressonância magnética; a definição dos elementos que constituem a rede, comparando diferentes estratégias, e construção das redes; a utilização de métricas e conhecimentos de teoria de grafos para caracterizar e comparar as redes. Utilizando dados reais foi possível construir redes esparsas, eficientes, resilientes, com forte divisão em comunidades e arquitetura small-world. Foi observado o efeito das diferentes estratégias nas características das redes, e mesmo na falta de fortes conclusões sobre qual a mais adequada, foi possível compreender a dificuldade inerente á comparação de redes complexas e dados passos importantes no sentido de melhorar essa comparação.

The study of the brain connectivity, the integration and the segregation of the functions of the different parts of the brain will, in the near future, be one of the most important tools in the understanding of the human brain. However, the variety and dynamic of processes that can be found there make this task extremely complex. Thus, the main objective of this work is to develop and test a model able to represent networks of brain connectivity. The discipline of graph theory in conjunction with neuroimaging modalities, such as magnetic resonance imaging, has proven to be an extremely valuable tool in this regard. The work presented here focuses on three points: the pre-processing of MRI images; the definition of the elements of the network, comparing different strategies, and construction of networks; the use of metrics and knowledge of graph theory to characterizing and comparing networks. Using real data it was possible to build sparse, efficient and resilient networks, with a strong division in communities and small-world architecture. We observed the effect of different strategies on characteristics of networks, and even in the absence of strong conclusions about the best one, it was possible to understand the inherent difficulty in comparing complex networks as well as important steps were taken to improve this comparison.