Negli ultimi anni, l’efficacia e l’accuratezza di tecniche di analisi multivariata di analisi dei dati di neuroimmagine sono state testate su diversi argomenti. Questi metodi hanno mostrato la possibilità di decodificare stati mentali a partire dall’analisi di dati di neuroimmagine cerebrale, per questo motivo sono stati indicati con l’espressione “brain reading”. Le inferenze possono essere applicate a “stati mentali” generali, ovvero condizioni stabili e non legate ad uno specifico task (ad esempio una diagnosi neurologica), o a specifici “stati mentali”, ovvero processi cognitivi elicitati da specifici task (ad esempio la percezione di stimoli di una data categoria). Secondo molti autori le caratteristiche di questo approccio lo rendono strumento potenzialmente utile per future applicazioni sia cliniche che forensi. Nel presente lavoro sono state testate due applicazioni dell’approccio di brain reading su temi rilevanti per le neuroscienze in ambito clinico e forense, e poco studiati con questi metodi. Nella Sezione A verranno presentati due studi su dati MRI sulla possibilità di discriminare tra diversi livelli di Riserva Cognitiva a partire dal pattern di volume di materia grigia cerebrale. Nella Sezione B in due studi fMRI abbiamo investigato la possibilità di rilevare ricordi autobiografici sulla base dell’attività cerebrale. L’obiettivo del presente lavoro è quello di contribuire al crescente numero di studi che hanno discusso l’utilità di tecniche multivariate nella decodifica di “stati mentali” a partire dall’analisi di dati di neuroimmagine strutturale o funzionale, e le potenziali applicazioni applicazioni chiniche e forensi.

Detecting cognitive states from the analysis of structural and functional images of the brain: two applications of Multi-Voxel Pattern Analysis on MRI and fMRI data

ZANGROSSI, ANDREA
2017

Abstract

Negli ultimi anni, l’efficacia e l’accuratezza di tecniche di analisi multivariata di analisi dei dati di neuroimmagine sono state testate su diversi argomenti. Questi metodi hanno mostrato la possibilità di decodificare stati mentali a partire dall’analisi di dati di neuroimmagine cerebrale, per questo motivo sono stati indicati con l’espressione “brain reading”. Le inferenze possono essere applicate a “stati mentali” generali, ovvero condizioni stabili e non legate ad uno specifico task (ad esempio una diagnosi neurologica), o a specifici “stati mentali”, ovvero processi cognitivi elicitati da specifici task (ad esempio la percezione di stimoli di una data categoria). Secondo molti autori le caratteristiche di questo approccio lo rendono strumento potenzialmente utile per future applicazioni sia cliniche che forensi. Nel presente lavoro sono state testate due applicazioni dell’approccio di brain reading su temi rilevanti per le neuroscienze in ambito clinico e forense, e poco studiati con questi metodi. Nella Sezione A verranno presentati due studi su dati MRI sulla possibilità di discriminare tra diversi livelli di Riserva Cognitiva a partire dal pattern di volume di materia grigia cerebrale. Nella Sezione B in due studi fMRI abbiamo investigato la possibilità di rilevare ricordi autobiografici sulla base dell’attività cerebrale. L’obiettivo del presente lavoro è quello di contribuire al crescente numero di studi che hanno discusso l’utilità di tecniche multivariate nella decodifica di “stati mentali” a partire dall’analisi di dati di neuroimmagine strutturale o funzionale, e le potenziali applicazioni applicazioni chiniche e forensi.
31-gen-2017
Inglese
Multi-Voxel Pattern Analysis Cognitive Reserve memory detection
MONDINI, SARA
SARTORI, GIUSEPPE
Università degli studi di Padova
File in questo prodotto:
File Dimensione Formato  
Andrea_Zangrossi_thesis.pdf

accesso aperto

Dimensione 5.12 MB
Formato Adobe PDF
5.12 MB Adobe PDF Visualizza/Apri

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14242/91742
Il codice NBN di questa tesi è URN:NBN:IT:UNIPD-91742