| dc.contributor | JUAN MANUEL RAMIREZ CORTES | |
| dc.creator | EMMANUEL MORALES FLORES | |
| dc.date | 2010-11 | |
| dc.date.accessioned | 2023-07-25T16:21:48Z | |
| dc.date.available | 2023-07-25T16:21:48Z | |
| dc.identifier | http://inaoe.repositorioinstitucional.mx/jspui/handle/1009/542 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/7805759 | |
| dc.description | In this thesis, we analyze functional magnetic resonance imaging fMRI and discusses some existing techniques to identify brain activity. We propose a methodology
based on multivariate techniques: Principal Component Analysis (PCA)
and Independent Component Analysis (ICA) in conjunction with wavelet decomposition,
to identify brain areas involved in mental processes and perform
classification of images based on the hemodynamic response. For the classification
task, three known classifiers are tested: Mahalanobis, k-NN and Support
Vector Machines. We report results of the proposed methodology applied
to fMRI data obtained from the public repository of the fMRI Data Center.
A MATLAB-based virtual instrument, which incorporates the developed algorithms,
as well as utilities for fMRI images study, was developed as part of this
thesis, and it is also described in this report. | |
| dc.description | En esta tesis se analizan imágenes de Resonancia Magnética funcional (fMRI)
y se estudian algunas técnicas existentes para identificar actividad cerebral.
Se propone una metodología basada en las técnicas multivariable de Análisis
de Componentes Principales (PCA) y Análisis de Componentes Independientes
(ICA) en conjunto con descomposición wavelet para identificar áreas
cerebrales involucradas en procesos mentales y realizar clasificación de las
imágenes en base a la respuesta hemodinámica. Para la tarea de clasificación
se prueban tres clasificadores conocidos: Mahalanobis, k-NN y Máquinas de
Soporte Vectorial. Se reportan resultados de la metodología propuesta aplicada
a fMRI obtenidas de la base de datos pública fMRI Data Center. La implementación
de este algoritmo se lleva a cabo en MATLAB y se desarrolla un
instrumento virtual al que se incorporan utilerías para el estudio de imágenes
fMRI. | |
| dc.format | application/pdf | |
| dc.language | spa | |
| dc.publisher | Instituto Nacional de Astrofísica, Óptica y Electrónica | |
| dc.relation | citation:Morales-Flores E. | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.rights | http://creativecommons.org/licenses/by-nc-nd/4.0 | |
| dc.subject | info:eu-repo/classification/Transformada de Wavelet/Wavelet transform | |
| dc.subject | info:eu-repo/classification/Transformada discreta de Wavelet/Discrete wavelet transform | |
| dc.subject | info:eu-repo/classification/Biomedical MRI/Biomedical MRI | |
| dc.subject | info:eu-repo/classification/cti/1 | |
| dc.subject | info:eu-repo/classification/cti/22 | |
| dc.subject | info:eu-repo/classification/cti/2203 | |
| dc.subject | info:eu-repo/classification/cti/2203 | |
| dc.title | Detección y reconocimiento de activación en datos 4D de resonancia magnética funcional por análisis multiresolución y multivariable | |
| dc.type | info:eu-repo/semantics/masterThesis | |
| dc.type | info:eu-repo/semantics/acceptedVersion | |
| dc.audience | students | |
| dc.audience | researchers | |
| dc.audience | generalPublic | |
