Neurozobrazování a odhalování skrytých vzorů v heterogenních souborech dat

Bc. Kateřina Maršálová

Diplomová práce

Neuroimaging and unveiling hidden patterns in heterogeneous datasets

Anotace:

Diplomová práce se věnuje vícerozměrným analytickým metodám, a to za účelem odhalení skrytých vzorů v souboru heterogenních dat, který obsahuje proměnné ze zobrazování a z behaviorálního vyšetřování zdravých jedinců a pacientů s hraniční poruchou osobnosti. Součástí práce je kromě rešerše těchto technik i návrh výpočetního algoritmu, do kterého vstupují T1-váhované obrazy z magnetické rezonance a sada behaviorálních proměnných – data pořízená z funkčního vyšetřování fMRI a pomocí baterie psychologických testů. V praktické části jsou data zpracována pomocí Spearmanova korelačního koeficientu, vícenásobné lineární regrese, kanonické korelační analýzy, metody částečných nejmenších čtverců a analýzy sdružené a individuální variability. Poté jsou pro každou metodu pomocí prahování a Mann-Whitneyova a 𝜒2 testu vybrány zobrazovací a behaviorální proměnné, které se statisticky významně liší mezi vyšetřovanými skupinami. Dosažené výsledky jsou následně porovnány a diskutovány. Výsledky použitých metod, které byly implementovány jako sada skriptů a funkcí pro výpočetní prostředí MATLAB, jsou následně přiloženy na konci této práce v Příloze A a v archivu závěrečných prací v Informačním systému Masarykovy univerzity.

Abstract:

This thesis deals with techniques of multivariate analysis to unveil hidden patterns in a heterogeneous data set that contains neuroimaging and behavioural variables about healthy individuals and patients with borderline personality disorder. The practical part of this thesis includes a computational algorithm that pocess T1-weighted magnetic resonance images and a set of behavioural variables, i.e. data obtained with functional magnetic resonance imaging and with a battery of psychological tests. The data are processed using Spearman's Correlation Coefficient, Multiple Linear Regression, Canonical Correlation Analysis, Partial Least Squares Correlation and Joint and Individual Variation Explained method. Then, for each method, imaging structural and behavioural variables which significantly differ between the studied groups are selected using thresholding and the Mann-Whitney and 𝜒2 tests. The results are subsequently compared and discussed. The results of the used methods, which were implemented as a set of scripts and functions for the MATLAB computational environment, are enclosed at the end of this work in Appendix A and in the archive of final theses in the Masaryk University Information System.

Klíčová slova

heterogenita dat, kanonická korelační analýza, metoda částečných nejmenších čtverců, analýza individuální a sdružené variability, hraniční porucha osobnosti, neurozobrazování, psychiatrie, heterogeneous data set, canonical correlation analysis, partial least squares analysis, joint and individual variation explained, borderline personality disorder, neuroimaging, psychiatry

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 10. 5. 2019

Obhajoba závěrečné práce

• Obhajoba proběhla 14. 6. 2019
• Vedoucí: doc. Ing. Daniel Schwarz, Ph.D.
• Oponent: Ing. Martin Lamoš, Ph.D.

Masarykova univerzita

Přírodovědecká fakulta

Magisterský studijní program / obor:
Experimentální biologie / Matematická biologie