Técnicas de clusterização e estratificação de indivíduos para estudo de redes funcionais cerebrais

• Autor(a) principal: Ramos, Taiane Coelho
• Data de Publicação: 2021
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-19042021-173516/
• topic: Agrupamento de grafos; Associações cérebro-comportamentais; Brain-behaviour associations; Densidade espectral; Grafos aleatórios; Graph clustering; Random graph; Spectral density; SPLS; SPLS

Em diversas aplicações de neurociência gostaríamos de entender semelhanças e diferenças entre indiví- duos analisando as conectividades do cérebro. Para isso, propomos duas abordagens: (i) agrupar indivíduos semelhantes ou (ii) posicioná-los em um espectro estratificado de um diagnóstico. Para (i), nós modelamos as redes cerebrais como um grafo e apresentamos dois métodos de clusterização baseados em análise espec- tral: um k-means para grafos do mesmo tamanho e uma abordagem baseada em modelo, chamada gCEM, para grafos de tamanhos diferentes. Para avaliar os pontos fortes e fracos dos métodos, projetamos alguns cenários usando modelos de grafos aleatórios. Também aplicamos a dados reais de compostos químicos e de redes cerebrais funcionais. Para (ii) nós utilizamos uma análise multivariada para encontrar associações cérebro-comportamentais e criar uma estratificação dos indivíduos variando de típicos a atípicos. Aplica- mos um framework de múltiplos holdouts com o método Sparse Partial Least Squares para encontrar essas associações. Utilizamos uma amostra de 349 crianças e adolescentes do conjunto de dados ABIDE II e en- contramos um modo de associação significativo entre dados fMRI e características comportamentais. As variáveis comportamentais mais importantes nesta associação estão relacionadas à capacidade de resposta social e as conexões cerebrais mais importantes estão dentro da rede de modo padrão e entre as redes somatomotora e visual.