Tese

Fully Bayesian modeling for fMRI group analysis (2019)

• Authors:
  • Cardona Jiménez, Johnatan
  • Pereira, Carlos Alberto de Bragança (Orientador)
• Autor USP: JIMÉNEZ, JOHNATAN CARDONA - IME
• Unidade: IME
• Sigla do Departamento: MAE
• DOI: 10.11606/T.45.2019.tde-17012020-155414
• Assunto: ESTATISTICA
• Keywords: Análise Bayesiana; Integração de Monte Carlo; Modelos lineares dinâmicos
• Language: Inglês
• Abstract: Imagens de ressonância magnética funcional ou MRI funcional (fMRI) é uma forma não invasiva de avaliar a atividade cerebral através da detecção de mudanças relacionadas ao fluxo sanguíneo. Nesta tese propomos uma modelagem Bayesiana completa para analisar dados de fMRI para o caso individual e em grupos. Para a etapa individual, usamos a Modelo Linear Dinâmico Matriz-Variado (MLDMV), onde a dependência temporal é modelada através dos parâmetros de estado e a dependência espacial é modelada apenas localmente, considerando os vizinhos mais próximos de cada voxel. Para a fase de grupos, a partir da distribuição posterior dos parâmetros de estado obtidos no estágio individual criamos uma nova distribuição posterior que representam as crenças atualizadas para a análise de grupo. Como a distribuição posterior dos parâmetros de estado é indexada pelo tempo t, propomos três opções para algoritmos que permitem amostrar curvas estimadas dos parâmetros de estado e calcular probabilidades posteriores para avaliar a ativação cerebral para os estágios individual e de grupo. Ilustramos nosso método por meio de dois exemplos práticos e oferecemos uma avaliação usando dados reais de resting-state para calcular taxas empíricas de ativações falso-positivas. Finalmente, disponibilizamos um pacote de R (BayesDLMfMRI) para executar análises de dados de fMRI baseada em tarefas para etapas individuais e de grupo usandoo método proposto nesta tese
• Imprenta:
  • Publisher place: São Paulo
  • Date published: 2019
• Data da defesa: 29.11.2019

Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
• Este periódico possui versão em assinatura (ou híbrida)
• Este artigo possui versão em acesso aberto
• URL de acesso aberto
• PDF de acesso aberto
• Versão: publishedVersion
• Evidência: deprecated
• Status do Acesso Aberto: gold

---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  CARDONA JIMÉNEZ, Johnatan. Fully Bayesian modeling for fMRI group analysis. 2019. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2019. Disponível em: https://teses.usp.br/teses/disponiveis/45/45133/tde-17012020-155414/. Acesso em: 10 mar. 2026.

• APA

  Cardona Jiménez, J. (2019). Fully Bayesian modeling for fMRI group analysis (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://teses.usp.br/teses/disponiveis/45/45133/tde-17012020-155414/

• NLM

  Cardona Jiménez J. Fully Bayesian modeling for fMRI group analysis [Internet]. 2019 ;[citado 2026 mar. 10 ] Available from: https://teses.usp.br/teses/disponiveis/45/45133/tde-17012020-155414/

• Vancouver

  Cardona Jiménez J. Fully Bayesian modeling for fMRI group analysis [Internet]. 2019 ;[citado 2026 mar. 10 ] Available from: https://teses.usp.br/teses/disponiveis/45/45133/tde-17012020-155414/

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• Assessing dynamic effects on a Bayesian matrix-variate dynamic linear model: an application to task-based fMRI data analysis