Bayesian Spatial Process Models for Activation Patterns in Transcranial Magnetic Stimulation Mapping (2023)
- Authors:
- Autor USP: EGBON, OSAFU AUGUSTINE - Interinstitucional de Pós-Graduação em Estatística
- Unidade: Interinstitucional de Pós-Graduação em Estatística
- Sigla do Departamento: SME
- DOI: 10.11606/T.104.2023.tde-12092023-191817
- Subjects: CÓRTEX MOTOR; MAPEAMENTO CEREBRAL; PROCESSOS GAUSSIANOS; ESTATÍSTICAS ESPACIAIS
- Keywords: Brain mapping; Dirichlet process; Elicitação a Priori; Gaussian process; Prior elicitation; Processo de Dirichlet
- Agências de fomento:
- Language: Inglês
- Abstract: Nos últimos anos, os modelos estatísticos espaciais têm recebido rápida atenção para resolver problemas em sistemas biológicos devido ao aprimoramento na coleta de dados espaciais. Eles têm se mostrado extremamente importantes na revelação de padrões espaciais e na previsão de processos biológicos. Este projeto desenvolveu novos modelos estatísticos espaciais paramétricos e não paramétricos Bayesianos para analisar dados gerados pelas respostas musculares desencadeadas por pulsos de estimulação magnética transcraniana (TMS) induzidos no córtex motor de um paciente. O objetivo é descobrir novas perspectivas sobre os padrões de resposta dos pacientes, um fator importante para o sucesso das sessões de terapia com TMS. A primeira contribuição deste projeto é uma revisão sistemática e meta-análise dos modelos espaciais Bayesianos existentes que podem ser considerados para analisar conjuntos de dados de TMS. A segunda contribuição é o desenvolvimento de uma interface do usuário para realizar modelagem espacial Bayesianas para análise de conjuntos de dados de TMS com base em métodos de última geração. A interface foi documentada em um pacote R, que está disponível publicamente. A terceira contribuição propôs novos modelos estatísticos espaciais para integrar conjuntos de dados geoestatísticos na forma de elicitação de priori em uma análise Bayesiana. Os modelos foram validados usando estudos de simulação, e os resultados mostram que a integração ingênua de conjuntos de dadosgeoestatísticos de TMS sem garantir a consistência dos dados é prejudicial para as inferências desejadas. A contribuição final propôs um modelo espacial não paramétrico Bayesiano que leva a um processo espacial não estacionário e não gaussiano para a modelagem conjunta de conjuntos de dados geoestatísticos de TMS. O método utilizou uma mistura de processos de Dirichlet dependentes para compartilhar informações entre os submodelos espaciais. Dois estudos de simulação foram usados para validar o desempenho do modelo, e o resultado mostrou desempenho superior em comparação com modelos independentes e intercambiáveis. O principal resultado deste trabalho é que o córtex motor primário, dentro da região do córtex motor do cérebro, é responsável pela maior ativação no movimento do músculo interósseo dorsal do primeiro dedo direito. Os resultados também mostraram que a excitabilidade corticospinal diminui com múltiplos pulsos de TMS no córtex motor; no entanto, começa a recuperar sua força de excitabilidade após várias estimulações. Tais resultados podem orientar os profissionais de TMS a melhorar a experiência de tratamento dos pacientes.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2023
- Data da defesa: 07.07.2023
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
EGBON, Osafu Augustine. Bayesian Spatial Process Models for Activation Patterns in Transcranial Magnetic Stimulation Mapping. 2023. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2023. Disponível em: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-12092023-191817/. Acesso em: 27 dez. 2025. -
APA
Egbon, O. A. (2023). Bayesian Spatial Process Models for Activation Patterns in Transcranial Magnetic Stimulation Mapping (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/104/104131/tde-12092023-191817/ -
NLM
Egbon OA. Bayesian Spatial Process Models for Activation Patterns in Transcranial Magnetic Stimulation Mapping [Internet]. 2023 ;[citado 2025 dez. 27 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-12092023-191817/ -
Vancouver
Egbon OA. Bayesian Spatial Process Models for Activation Patterns in Transcranial Magnetic Stimulation Mapping [Internet]. 2023 ;[citado 2025 dez. 27 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-12092023-191817/ - Spatial weighted analysis of malnutrition among children in Nigeria: a Bayesian approach
- Spatio-temporal modeling of violent conflict and fatality in Nigeria: a point process modeling with SPDE approach
- Statistical powers of some tests for checking homogeneity of survival distributions with disjointed ends in the presence of censoring
- Bayesian multinomial model with inference based on Pólya-Gamma augmentation
- Copula based trivariate spatial modeling of childhood illnesses in Western African countries
- Analysis of social and economic factors influencing overweight and obesity among women of childbearing age in Nigeria: a GAMLSS approach
- Spatio-temporal mapping of stunting and wasting in nigerian children: a bivariate mixture modeling
- Mapping of access and usage of insecticide-treated nets in Nigeria
- Modeling the spatial patterns of antenatal care utilization in Nigeria with inference based on Pólya-Gamma mixtures
- Spatial modelling of the joint burden of malaria and anaemia co-morbidity in children: a bayesian geoadditive perspective
Informações sobre o DOI: 10.11606/T.104.2023.tde-12092023-191817 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
