RELATÓRIO - web.fe.up.pttavares/downloads/publications/relatorios/... · A ideia de tese a qual me...
Transcript of RELATÓRIO - web.fe.up.pttavares/downloads/publications/relatorios/... · A ideia de tese a qual me...
RELATÓRIO
ANÁLISE STATISTICAL PARAMETRIC MAPPING
EM ESTUDOS DE NEUROIMAGEM
Programa Doutoral em Engenharia Biomédica
Unidade Curricular: Técnicas de Investigação
Ano Lectivo 2015/2016
REGENTE: PROFESSOR DOUTOR JOSÉ SANTOS
DOMINGOS VIEIRA (200908269)
4 JUNHO 2016
Unidade Curricular – Técnicas de Investigação
PROGRAMA DOUTORAL EM ENGENHARIA BIOMÉDICA 2
PROGRAMA DOUTORAL EM ENGENHARIA BIOMÉDICA
Unidade Curricular
Técnicas de Investigação
Regente da Unidade Curricular: Professor Doutor José Santos
Ano Lectivo 2015/2016
Relatório Unidade Curricular – Domingos Vieira (200908269)
Unidade Curricular – Técnicas de Investigação
PROGRAMA DOUTORAL EM ENGENHARIA BIOMÉDICA 3
ÍNDICE
1 Introdução ............................................................................................................................. 4
2 Proposta de Tese PRODEB..................................................................................................... 5
3 Statistical Parametric Mapping ............................................................................................. 9
3.1 Modelo Linear Geral .................................................................................................... 10
3.2 Testes para Contrastes ................................................................................................ 11
3.3 Inferência Topológica e Teoria dos Campos Aleatórios .............................................. 11
3.3.1 hipóteses anatomicamente restritas ou fechadas .............................................. 12
3.3.2 hipóteses anatomicamente abertas e níveis de inferência ................................ 12
3.4 Publicações .................................................................................................................. 14
4 Software SPM ...................................................................................................................... 16
4.1 Licença ......................................................................................................................... 16
4.2 História ........................................................................................................................ 16
4.3 Publicações associadas ................................................................................................ 17
4.4 Requisitos .................................................................................................................... 18
4.5 Etapas de Funcionamento ........................................................................................... 18
5 Actividade Experimental: análise SPM de imagens de fMRI ............................................... 19
5.1 Objectivo ..................................................................................................................... 19
5.2 Materiais ..................................................................................................................... 19
5.3 Metodologia aplicada .................................................................................................. 20
5.4 Resultados ................................................................................................................... 21
6 Conclusão ............................................................................................................................ 23
7 Referências Bibliográficas ................................................................................................... 25
Unidade Curricular – Técnicas de Investigação
PROGRAMA DOUTORAL EM ENGENHARIA BIOMÉDICA 4
1 INTRODUÇÃO
Este relatório tem como principal objectivo descrever os conteúdos técnico-científicos
apreendidos após realização de breve revisão bibliográfica e de actividade experimental acerca
do tema relativo à análise por mapeamento estatístico paramétrico em dados provenientes de
estudos cerebrais (ANÁLISE STATISTICAL PARAMETRIC MAPPING EM ESTUDOS DE NEUROIMAGEM),
tendo em vista a cumprir com os requisitos necessários para aprovação à unidade curricular
Técnicas de Investigação, no âmbito do Programa Doutoral em Engenharia Biomédica (PRODEB),
ano lectivo 2015-2016.
Os conteúdos em causa foram selecionados com base na sua pertinência face ao tema de tese
final do programa doutoral a que me proponho, após consulta com orientador Professor
Doutor João Manuel Tavares (FEUP).
Este relatório encontra-se organizado com base em capítulos: sendo que o capítulo 2 diz
respeito à proposta de tese, o capitulo 3 aos fundamentos científicos na base da análise
imagiológica Statistical Parametric Mapping (SPM), no capítulo 4 aborda-se a ferramenta
software SPM na sua versão mais recente SPM12 segundo uma perspectiva dos seus
fundamentos teóricos e respectivos requisitos de utilização. No capítulo 5, o mesmo software é
abordado segundo uma componente prática, através da execução de uma actividade
experimental em dados imagiológicos cerebrais (especificamente dados de Ressonância
Magnética Funcional, functional Magnetic Ressonance Imaging, fMRI). O capítulo 6 apresenta
as principais conclusões obtidas com o trabalho realizado e o capitulo 7 é respeitante às
referências bibliográficas utilizadas.
Em cada uma das secções do relatório é utilizada a língua inglesa sempre que se revele
apropriado por questões de rigor de denominação de conceitos teóricos, ferramentas e
procedimentos práticos.
Por fim, a quando pertinência de esclarecimento de conteúdos técnico-científicos apreendidos,
um pequeno resumo dos temas e identificação dos principais conhecimentos retidos para
possível aplicação para a tese a que me proponho são mencionados.
Unidade Curricular – Técnicas de Investigação
PROGRAMA DOUTORAL EM ENGENHARIA BIOMÉDICA 5
2 PROPOSTA DE TESE PRODEB
A ideia de tese a qual me proponho realizar diz respeito a uma das técnicas mais recentes a nível
da imagem médica, a imagiologia híbrida Tomografia por Emissão de Positrões - Ressonância
Magnética (Positron Emission Tomography-Magnetic Ressonance Imaging, PET-MRI) em
contexto da Doença de Alzheimer (“Ideal attenuation correcting method for PET-MRI
Alzheimer’s Disease Neuroimaging”). Esta técnica híbrida alia as vantagens e potencialidades da
imagiologia funcional a nível molecular com as virtudes e mais-valias da imagiologia morfológica,
com aumento de sensibilidade e resolução espacial no diagnóstico de patologias diversas mas
com especial enfâse na região cerebral e ainda com o uso de menor dose de radiação associada.
No entanto ainda se encontra em desenvolvimento e por isso alguns desafios ainda não foram
ultrapassados de modo a serem obtidos resultados fiáveis. De seguida, apresenta-se a proposta
de tese na sua versão em inglês, onde me proponho a avaliar um desses desafios.
PhD Thesis Proposal 1
Title:
Ideal attenuation correcting method for PET-MRI Alzheimer’s Disease Neuroimaging
Author:
Domingos Vieira
Supervisor:
Professor Doutor João Manuel Tavares, FEUP
Co-Supervisor:
Doutor Ricardo Vardasca, FEUP
Abstract:
Multimodality neuroimaging findings have improved the understanding of Alzheimer’s disease
(AD) progression, diagnostic and therapy. Multimodality neuroimaging in the context of PET-
MRI has been a recent tool available in market especially for neuroscience research. Several
general challenges are associated with this technology and so it needs a full technical
evaluation and clinical validation.
This project’s main goal is the determination of the ideal attenuation correcting method for
PET-MRI images of AD patients and controls, stratified by age and gender.
This will provide advanced knowledge related to the function and structure of the human brain,
specifically about AD, making advances in defining and help to early identify signals of the
disease, and develop new brain-like technologies associated.
State of the Art:
1 As referências para esta proposta de tese podem ser encontradas no final do Capítulo 7
Unidade Curricular – Técnicas de Investigação
PROGRAMA DOUTORAL EM ENGENHARIA BIOMÉDICA 6
Alzheimer Disease (AD), as clinical area, has been strongly influenced by multimodality or
hybrid neuroimaging findings that have improved understanding of the natural history of
disease progression, early disease detection and therapy evaluation.
Multimodality molecular brain imaging encompasses in vivo visualization, evaluation and
quantification of cellular/molecular processes. Instrumentation and software developments
over the past years have provided advancements in multimodality imaging platforms that
enable acquisition of multiple complementary imaging outcomes by either combined sequential
or simultaneous acquisition.
Multimodality neuroimaging in the context of PET-MRI, positron emission tomography (PET) as
a molecular imaging tool and magnetic resonance imaging (MRI) as a structural imaging tool,
has been a recent tool available in market especially for neuroscience research. However
several general challenges are associated with this technology and so it needs a full technical
evaluation and clinical validation to clarify strengths and weaknesses of combined
assessments.
Creation of a neuroimaging database in AD will enable large-scale collaboration and data
sharing, reconstruction of the brain at different scales, analysis of clinical data to map AD. One
of the problems that this combination of images, PET-MRI has is attenuation correcting
method, which is poorly defined affecting the analysis of the images.
With this step surfaced, scientists, clinicians, and engineers will be able to perform diverse
experiments and share knowledge about AD seeking to integrate neuroscience, engineering,
medicine and benefit the global knowledge of AD.
Objectives:
Main Goal:
Identification of the ideal attenuation correcting method for PET-MRI a created medical
imaging data repository of brain functional and structural data on AD patients and controls,
stratified by age and gender.
Neuroimaging, clinical and laboratorial biomarkers data will be acquired and aggregated in a
database available to Research and Development projects in biomedical engineering, both in
technical and clinical point of views.
Specific Goals:
(1) Acquisition, processing and storage of functional and morphological brain imaging data
from AD patients and controls (PET, MRI and computerized tomography - CT raw data)
(2) Database containing imaging, clinical and laboratorial biomarkers data of AD patients and
controls
(3) Technical and clinical comparison of data obtained with hybrid (multimodality) and stand-
alone imaging equipment (image fusion techniques) trough qualitative and quantitative image
analysis
(4) Evaluation of reconstruction and attenuation correction methods in hybrid imaging (PET-
MRI, in particular)
(5) Standardization of procedures (guideline) in PET-MRI image acquisition and processing
Unidade Curricular – Técnicas de Investigação
PROGRAMA DOUTORAL EM ENGENHARIA BIOMÉDICA 7
Detailed description
4.5.1. Project Preparation:
4.5.1.1. State of the Art
- Neuroimaging literature review about AD in technical and clinical point of views
- Revision on the available attenuation correcting methods for MRI and PET images of the brain
- Collection acquisition and processing protocols of brain studies in different modalities
(guidelines) and clinical predictors of interest for data interpretation by clinicians in context of
AD
4.5.1.2. Selection of Partners Institutions
- Analysis of national and international institutions eligible to be partners in the project
- Selection of locations to data acquisition (patients and equipment) and support in technical
and clinical validation of the project
- Preparation of bureaucratic procedures and associated documentation
Partners Institutions of the Project:
- Imperial College of London, United Kingdom (Hammersmith Hospital)
http://www.imperial.nhs.uk/hammersmith/index.htm
- King’s College of London, United Kingdom (Division of Imaging Sciences & Biomedical
Engineering)
https://www.kcl.ac.uk/lsm/research/divisions/imaging/index.aspx
- Champalimaud Foundation, Portugal (Clinical Center)
http://www.fchampalimaud.org/pt/centro-clinico/
- Portuguese Oncology Institute Francisco Gentil Porto, Portugal (Research Center)
http://www.ipoporto.pt/ensino-investigacao/centro-de-investigacao/
- Hermes Medical Solutions, Sweden
http://www.hermesmedical.com/
4.5.1.3. Tools
- Selection and validation of technical parameters (qualitative and quantitative) and clinical
predictors (functional and morphological) to use
- Selection of image acquisition and processing (tomographic reconstruction) methods, with
emphasis in the attenuation correcting method
- Selection and validation of radiopharmaceuticals in functional studies (PET images) in AD
context
- Establishment of inclusion and exclusion criteria for study participants (AD patients and
controls)
Unidade Curricular – Técnicas de Investigação
PROGRAMA DOUTORAL EM ENGENHARIA BIOMÉDICA 8
- Creation of specific data acquisition and processing guidelines for each imaging modalities
- Drawing of flowcharts and timetables for data collection, quality control and archiving
4.5.2. Data Collection and Processing
- Participants selection (AD patients and controls)
- Anamnesis of participants (clinical and laboratorial predictors)
- Use of data acquisition guidelines and flowcharts / timetables in partners institutions
- Use of tomographic reconstruction methods, attenuation and energetic scattering correction
methods (functional imaging) and image fusion.
4.5.3. Data Analysis
- Clinical interpretation of medical images by experts
- Results correlation of different attenuation correction methods applied on PET-MRI images
(application of statistical methodology)
- Validation of the selected attenuation correcting method for PET-MRI image fusion
- Guideline proposal for PET-MRI data acquisition and processing
4.5.4. Web Plataform
- Elaboration of a web platform for data archiving and access
- Establishment of access criteria and access conditions to database users and to possible
contributions by other institutions
Unidade Curricular – Técnicas de Investigação
PROGRAMA DOUTORAL EM ENGENHARIA BIOMÉDICA 9
3 STATISTICAL PARAMETRIC MAPPING
Com o advento dos estudos imagiológicos funcionais cerebrais no início dos anos 80 com a
realização dos primeiros estudos PET cerebrais, a procura de auxílio na detecção e na análise de
diferenças de captação ou de activação de sinal ou através de fornecimento estímulos a nível
cerebral tornou-se claramente um dos principais requisitos na interpretação de dados em
Neuroimagem. A obtenção de inferências estatisticamente significativas através de
pressupostos à partida desconhecidos em forma de mapas de características funcionais e/ou
morfológicas mas com probabilidade associada, no lugar de simples desenhos manuais em
resultados imagiológicos tomográficos rudimentares passou a ser uma das principais linhas de
investigação no campo da imagiologia funcional, inicialmente nas técnicas radiológicas
funcionais em Medicina Nuclear, PET, passando por técnicas radiológicas anatómicas como a
MRI e a sua evolução a nível funcional para a MRI funcional até ao mais recente surgimento das
técnicas de imagiologia híbrida particularmente na técnica PET-MRI que alia as capacidades de
obtenção de informação anatómica com aquisição de informação funcional. (1,2)
No decorrer desta necessidade, o Mapeamento Estatístico Paramétrico ou na versão em inglês
Statistical Parametric Mapping (SPM) foi uma das respostas para fazer inferências sobre as
características topológicas de processos estatísticos que são funções contínuas de espaço ou de
tempo. Utiliza a Teoria dos Campos Aleatórios (Random Fields Teory, RFT) como fundamento e
é geralmente usado para identificar os efeitos regionalmente específicos (por exemplo,
ativações cerebrais) em dados de Neuroimagem para caracterizar a anatomia funcional e
alterações relacionadas com determinadas patologias. Refere-se à construção e avaliação dos
processos estatísticos espacialmente estendidos usados para testar hipóteses sobre os dados de
imagem funcional em estudos de mapeamento cerebral. (1,2)
A realização deste tipo de estudos implica a construção de processos estatísticos contínuos para
testar hipóteses sobre os efeitos regionais específicos (Friston et al., 1991). Os mapas originados
são imagens ou campos com valores que são, sob a hipótese nula, distribuídos de acordo com
uma função de densidade de probabilidade conhecida, geralmente segundo distribuição t de
Student ou distribuição F. Estes são conhecidos popularmente como mapas T ou mapas F. O
sucesso do mapeamento estatístico paramétrico é devido em grande parte à simplicidade da
ideia. Ou seja, analisa-se cada voxel (ou seja, unidade elemento de volume de imagem)
utilizando qualquer teste estatístico padrão (univariado), geralmente com base num modelo
linear geral (General Linear Model, GLM) dos dados. As estatísticas resultantes são dispostas sob
formato de uma imagem - mapa SPM. Os Mapas SPM são interpretados como processos
estatísticos contínuos, seguindo o comportamento probabilístico de campos aleatórios (Adler
1981, Worsley et al., 1992, Friston et al., 1994, Worsley et al., 1996). O modelo de campos
aleatórios considera as características probabilísticas univariadas de um mapa SPM e qualquer
estrutura de covariância espacial não-estacionária. Características topológicas “não prováveis”
do mapa SPM, como picos ou clusters, são interpretados como efeitos regionais específicos,
atribuíveis à manipulação experimental. Em resumo, o GLM é usado para explicar os dados
contínuos (imagem) exactamente da mesma maneira como em análises convencionais de dados
discretos. A RFT é usada para resolver o problema de comparações múltiplas a quando a
realização de inferências sobre o volume analisado, fornecendo igualmente um método para
ajustar valores-p para o volume de pesquisa e desempenha o mesmo papel para mapas SPM
como a correção matemática de Bonferroni para os testes estatísticos discretos. (3-5)
Unidade Curricular – Técnicas de Investigação
PROGRAMA DOUTORAL EM ENGENHARIA BIOMÉDICA 10
3.1 MODELO LINEAR GERAL
A análise estatística de dados imagiológicos corresponde à inversão de modelos generativos de
dados. Inferências são alcançadas usando estatísticas que avaliam a importância dos efeitos
mais relevantes mediante um dado objectivo. Uma breve revisão da literatura pode dar a
impressão de que existem inúmeras maneiras de analisar séries temporais de dados em
Neuroimagem (por exemplo, a partir de imagens PET, de fMRI e EEG). Este não é o caso; com
muito poucas exceções, todas as análises constituem uma variante do modelo linear geral. Isto
inclui: testes-t simples sobre estudos atribuídos a uma dada condição, os coeficientes de
correlação entre as respostas observadas e determinadas funções estímulo em fMRI, inferências
feitas por meio de regressão linear múltipla e respostas induzidas estimadas usando modelos
lineares não variantes no tempo. Matematicamente, todas elas são formalmente idênticas e
podem ser implementadas com as mesmas equações e algoritmos. A única característica que as
distingue é a matriz de projeto utilizada para a codificação do modelo tempo ou do desenho
experimental. (4-7)
O GLM é uma equação Y = Xβ + ε que expressa a variável de resposta observada em termos de
uma combinação linear de variáveis explanatórias X mais um termo de erro dito com bom
comportamento (Friston et al., 1995) (Figura 1). (4)
Figura 1 - Sequência de etapas para o mapeamento cerebral com dados PET ou fMRI (disponível em http://www.scholarpedia.org/article/File:Analysis.jpg)
Este esquema mostra as transformações que se iniciam com uma sequência de dados de imagem e terminam com um mapa estatístico paramétrico (SPM). Um SPM pode ser considerado como análise da importância dos efeitos regionais. Análises baseadas em voxel exigem que os dados estejam no mesmo espaço anatómico: isto é efectuado por meio do realinhamento dos dados. Após o realinhamento, as imagens estão sujeitas a deformação não linear de modo que elas coincidam com um modelo espacial ou modelo que já está em conformidade com um espaço anatômico padrão. Depois de um processo de suavização, o modelo linear geral (GLM) é aplicado para estimar os parâmetros de um modelo temporal (codificado por uma matriz de design) e derivar o teste estatístico univariado apropriado em cada voxel. As estatísticas de teste (normalmente estatística-t ou estatística-F) constituem o SPM. A etapa final é realizar inferências estatísticas com base dos resultados do SPM e da Teoria de Campos Aleatórios (RFT) e caracterizar as respostas observadas utilizando as respostas ajustadas ou estimativas de parâmetros.
Unidade Curricular – Técnicas de Investigação
PROGRAMA DOUTORAL EM ENGENHARIA BIOMÉDICA 11
O GLM é também conhecido como "análise de covariância" ou "análise de regressão múltipla"
e assume variantes mais simples, como o teste t para uma diferença de médias, para modelos
de convolução lineares mais elaborados como modelos de resposta ao impulso finito (Finite
Impulse response, FIR). A matriz que contém as variáveis explicativas (efeitos concebidos ou
vieses) é denominada de matriz de design. Cada coluna da matriz de projecto corresponde a um
efeito que se tenha incorporado no teste analítico ou que possa confundir os resultados. Estes
são referidos como variáveis explicativas, covariáveis ou regressores. (4-7)
3.2 TESTES PARA CONTRASTES
O GLM pode ser usado para implementar uma vasta gama de análises estatísticas. A questão
não é, portanto, matemática, mas a formulação de uma matriz de design adequada ao desenho
do estudo e às inferências procuradas. A matriz de design pode conter quer covariáveis, quer
variáveis indicadoras. Cada coluna tem associado um parâmetro desconhecido ou livre. Alguns
destes parâmetros serão de interesse (por exemplo, o efeito de uma condição senso-motora
particular ou condição cognitiva ou o coeficiente de regressão das respostas hemodinâmicas por
tempo de reacção ou mesmo a captação de um dado radiofármaco num dado processo
fisiológico). Os restantes parâmetros referem-se a efeitos de viés (por exemplo, o efeito do
declive da regressão da actividade do voxel na actividade global). Inferências sobre as
estimativas dos parâmetros são realizados usando a sua variância estimada. Isto permite ou
testar a hipótese nula de que todas as estimativas são zero usando a estatística-F ou que um
contraste ou uma mistura linear (por exemplo, uma subtracção) das estimativas é zero usando
uma SPM {t}. Na maioria das análises, a matriz de design contém variáveis indicadoras ou
variáveis paramétricas que codificam as manipulações experimentais. Estas são formalmente
idênticas às análises clássicas de modelos de covariância (ANCOVA). (4-7)
3.3 INFERÊNCIA TOPOLÓGICA E TEORIA DOS CAMPOS ALEATÓRIOS
As inferências clássicas com base em mapas SPM podem ser dividida em duas tipologias,
dependendo se existe ou não uma estimativa prévia da região cerebral específica a analisar:
hipótese anatomicamente restrita ou fechada ou hipótese anatomicamente aberta. (4-7)
Quando existe uma estimativa prévia, utiliza-se com uma hipótese anatomicamente restrita ou
fechada, sobre os efeitos numa dada região cerebral, o valor-p não corrigido relacionado com a
altura ou grau da região em causa no SPM pode ser utilizado para testar a hipótese. (4-7)
Quando não existe uma estimativa prévia, utiliza-se uma hipótese anatomicamente aberta (isto
é, uma hipótese nula de que não há nenhum efeito em qualquer região ou volume especificado)
é necessária uma correcção para comparações múltiplas dependentes. A RFT fornece uma
maneira de ajustar o valor-p tendo em conta o facto dos voxeis vizinhos não são independentes,
em virtude da continuidade nos dados originais. Após a etapa de suavização dos dados, o
ajustamento RFT é menos severo, mais sensível do que uma correcção de Bonferroni para o
número de voxeis. (4-7)
Como já referido anteriormente, a RFT lida com o problema de comparações múltiplas no
contexto de campos contínuos, estatísticos, de maneira análoga ao procedimento de Bonferroni
para as famílias de testes estatísticos discretos. Existem muitas maneiras de apreciar a diferença
entre RFT e correções de Bonferroni. Talvez a forma mais simples é considerar a diferença
fundamental entre um SPM e uma coleção de valores-t discretos. Ao declarar um pico ou cluster
do SPM como significativo, considera-se todo o conjunto de voxeis associados a essa
Unidade Curricular – Técnicas de Investigação
PROGRAMA DOUTORAL EM ENGENHARIA BIOMÉDICA 12
característica. A taxa de falsos positivos é expressa em termos de picos ou de clusters, sob a
hipótese nula de não activação. Esta taxa não corresponde à taxa esperada de falsos positivos
de voxeis. Se o SPM é suavizado, um pico falso positivo pode ser associado com centenas de
voxeis. A correção de Bonferroni controla o número esperado de voxeis falsos positivos,
enquanto que a RFT controla o número esperado de picos falsos positivos. Porque o número de
picos é sempre menor do que o número de voxeis, a RFT pode usar um limiar mais baixo,
tornando-o muito mais sensível. De facto, o número de voxeis falsos positivos é de certo modo
irrelevante porque ele é uma função de suavidade. A RFT corrige desconta o tamanho do voxel
expressando o volume de pesquisa em termos de suavidade ou de resolução de elementos
(RESELS), ver Figura 2. Esta perspectiva intuitiva é expressa formalmente em termos de
topologia diferencial usando as características de Euler (Worsley et al., 1992). Em situação de
limiares elevados, a característica de Euler corresponde ao número de picos acima do limiar.
(4,5,7,8-10)
Há apenas dois pressupostos subjacentes ao uso da RFT:
Os campos de erro (mas não necessariamente os dados) são uma aproximação da
estrutura razoável a um campo aleatório subjacente com uma distribuição de Gauss
multivariada,
Estes campos são contínuos, com uma função de auto-correlação analítica.
Na prática, para os dados de neuroimagem, a inferência é apropriada se 1) o limiar escolhido
para definir as regiões de interesse é suficientemente alto de modo a que a característica Euler
esperada seja próxima do número de regiões de interesse, que para efeito de testes de
dimensão de clusters deve ser em redor de um score Z de três, 2) a aproximação estrutura é
razoável, o que implica uma suavidade cerca de três vezes o tamanho do voxel em cada eixo
espacial, 3) os erros do modelo estatístico especificado são normalmente distribuídos, o que
implica que o modelo não está mal especificado. (7,10-13)
3.3.1 HIPÓTESES ANATOMICAMENTE RESTRITAS OU FECHADAS
Ao fazer inferências sobre efeitos regionais em mapas SPM, muitas das vezes existe uma
estimativa acerca do local onde o efeito ou característica em análise ocorrerá. Neste caso é
inadequada uma correção para todo o volume de dados. No entanto, um problema permanece
no sentido de que se gostaria de considerar efeitos que se encontram na vizinhança do local
previsto, mesmo que eles não sejam exatamente coincidentes. Existem duas abordagens
passíveis de adoptar: especificar previamente um pequeno volume de pesquisa e efectuar a
apropriada correção RFT (Worsley et al., 1996) ou usar o valor-p não corrigido com base na
extensão espacial do cluster mais próximo (Friston, 1997). Esta probabilidade é baseada na
obtenção do número observado de voxeis, ou num dado cluster (desde que existente). Ambos
os procedimentos são baseados em aproximações de distribuição da RFT. (10-13)
3.3.2 HIPÓTESES ANATOMICAMENTE ABERTAS E NÍVEIS DE INFERÊNCIA
Para fazer inferências sobre efeitos específicos a nível regional no SPM é necessária uma
definição de limiares, usando alguns valores de altura e de extensão espacial que são
especificados pelo usuário. Valores-p corrigidos podem então ser derivados, que pertencem a
várias características topológicas do conjunto (isto é, subconjunto do SPM acima do limiar):
Inferência Set-level: o número de regiões ativadas (isto é, número de subconjuntos
ligados acima de um dado limiar de altura e volume),
Unidade Curricular – Técnicas de Investigação
PROGRAMA DOUTORAL EM ENGENHARIA BIOMÉDICA 13
Inferência Cluster-level: o número de voxeis activados (isto é, volume) de um
determinado subconjunto específico (cluster),
Inferência Peak-level: a altura máxima dentro desse cluster.
Estes valores-p são corrigidos para as comparações múltiplas dependentes e baseiam-se na
probabilidade de obtenção de um dado número de clusters, com um dado número de voxeis,
acima de um limiar num SPM de suavidade conhecida ou estimada (ver Figura 2). (10-13)
Figura 2 – Esquema, que ilustra o uso da Teoria de Campos Aleatórios (RFT) na obtenção de inferências em mapas SPM (14-18) (disponível em http://www.scholarpedia.org/article/File:Random_Field_Theory_SPM.png)
Se existir uma estimativa prévia do local a analisar, então a inferência pode basear-se no valor da estatística nesse local especificado na SPM. No entanto, normalmente não existe uma elevada especificidade na localização mas sim a necessidade de efectuar um ajuste dos valores-p para comparações múltiplas dependentes. Estas correcções usam
aproximações de distribuição de RFT. Este esquema diz respeito a um caso geral de n SPM{t} cujos voxeis
ultrapassaram um limiar comum u (isto é, um conjunto de n componentes de mapas SPM). A probabilidade central,
sobre a qual todas as inferências (Set-level, Cluster-level ou Peak-level) são feitas, é a probabilidade P (u, c, k) de
obter c ou mais clusters com K ou mais RESELS (elementos de resolução) acima deste limiar. Assumindo-se que os
clusters se comportam como um processo pontual multidimensional de Poisson (isto é, a aglomeração heurística de
Poisson), P (u, c, k) é determinada por: a distribuição de c é de Poisson, com a expectativa de que corresponde ao
produto do esperado número de clusters, de qualquer tamanho, e a probabilidade de que qualquer cluster será maior
do que k RESELS. Esta probabilidade depende do número esperado de RESELS por η cluster. Este é simplesmente o
volume de supra-limiar esperado, dividido pelo número esperado de clusters. O número esperado de clusters ψ0 é
estimado com a característica de Euler (CE) (na prática, corresponde efectivamente ao número de regiões de interesse “manchas” menos o número de regiões de não interesse, “orifícios”), dependendo da densidade CE para a estatística em causa (com graus de liberdade ν) e o número de contagens RESEL. A densidade CE é a CE esperado por unidade de volume dimensional D do SPM, onde o volume da pesquisa é dado pelas contagens RESEL. As contagens RESEL são
uma medida de volume que foi normalizada pela suavização dos campos de erro ε dos mapas SPM, expressa em
termos da largura a meia altura (Full Widht Half Maximum, FWHM). Neste exemplo, são dadas equações para uma
esfera de raio ε. Ψ diz respeito à função de densidade cumulativa para a estatística em causa.
Unidade Curricular – Técnicas de Investigação
PROGRAMA DOUTORAL EM ENGENHARIA BIOMÉDICA 14
3.4 PUBLICAÇÕES
De modo a verificar o impacto da técnica SPM quanto às suas aplicações a fins médicos, com
especial foco no que diz respeito à sua ligação com as técnicas imagiológicas em Neuroimagem,
é possível observar o número de publicações que surgiram ao longo dos últimos anos sobre esta
temática com ajuda da base de dados digital MEDLINE.
Com este repositório de publicações científicas, principal repositório de artigos científicos da
área da Saúde, especificamente utilizando o motor de busca PubMed
(http://www.ncbi.nlm.nih.gov/pubmed) é possível observar a pertinência da aplicação da
análise SPM.
Através de pesquisas efectuadas na referida base de dados (ver figura 3), e utilizando como
critérios de inclusão: o intervalo temporal sem limite inicial e até ao ano corrente de 2016 em
conjugação com a presença no título ou no resumo da publicação dos seguintes termos-chave
“Statistical Parametric Mapping”, “PET”; “MRI” e “fMRI” ou seus termos associados (ver queries)
foram passíveis de serem encontrados:
2047 publicações referentes à técnica SPM em termos genéricos,
683 publicações respeitantes à técnica SPM conjugada com as técnicas imagiológicas
MRI e fMRI,
700 publicações da técnica SPM conjugada com a técnica imagiológica PET,
e 5 publicações da técnica SPM conjugada com a técnica imagiológica híbrida PET-MRI.
Figura 3 - Queries de pesquisa na base de dados PubMed para obtenção de publicações indexadas com referência a análise SPM e a análise SPM conjugada com as técnicas PET, MRI e fMRI e PET-MRI
Unidade Curricular – Técnicas de Investigação
PROGRAMA DOUTORAL EM ENGENHARIA BIOMÉDICA 15
Analisando os resultados é possível verificar que tem existido um crescente número de
publicações com referência à aplicação de análise SPM, particularmente desde os últimos 10
anos, indo de encontro com as vantagens já identificadas no capítulo anterior. Relativamente à
conjugação com as técnicas imagiológicas estas também acompanham essa tendência de
crescimento, com maior aplicação nos últimos anos sobretudo nas técnicas MRI e fMRI em lugar
da técnica PET que inicialmente serviu como objecto de análise. Igualmente de realçar que
respeitante aos resultados obtidos com a técnica híbrida PET-MRI, o uso deste tipo de análise
ainda é pouco evidente. Este facto pode ser explicado pelo recente advento da técnica e ainda
da necessidade de optimização da qualidade dos dados adquiridos para ser passíveis de análise.
Figura 4 - Número de publicações PubMed onde é identificada aplicação da análise SPM e da mesma aplicação conjugada com as técnicas imagiológicas PET, MRI, fMRI e PET-MRI (desde 1991 até à actualidade)
Unidade Curricular – Técnicas de Investigação
PROGRAMA DOUTORAL EM ENGENHARIA BIOMÉDICA 16
4 SOFTWARE SPM
O Mapeamento Estatístico Paramétrico ou na versão em inglês Statistical Parametric Mapping
(SPM) foi alcançado através da criação de um pacote de software especializado denominado por
software SPM2
O pacote de software SPM foi concebido para análise de sequências de dados de imagens
cerebrais. As sequências de imagens podem ser respeitantes a uma série de imagens de um
conjunto de indivíduos a analisar (coortes) ou referentes a imagens de instantes sequenciais de
um só individuo. A versão actual do software é orientada para a análise de imagens obtidas
através de diferentes modalidades imagiológicas especificamente Ressonância Magnética
Funcional (functional Magnetic Ressonance Imaging, fMRI), Tomografia por Emissão de
Positrões (Positron Emission Tomography, PET), Tomografia por Emissão de Fotão Simples
(Single Photon Emission Computorize Tomography, SPECT), Electroencefalograma (EEG) e
Magnetoencefelagrama (MEG). Constitui-se como um kit de ferramentas de software
multifacetado de âmbito académico, científico ou clínico para a análise de dados imagiológicos
funcionais, com conceitos subjacentes de processamento de imagem, matemática e de
estatística aplicada.
Software SPM é disponibilizado de forma gratuita para a comunidade científica com os
objectivos de promover a colaboração e alcançar um esquema de análise comum no uso da
ferramenta por todos os centros de investigação ou laboratórios que o utilizem. O software
representa a implementação dos conceitos teóricos de Statistical Parametric Mapping num
completo pacote de software de análise, como um conjunto de funções e sub-rotinas do
software MATLABTM (MathWorks, Inc.) com algumas rotinas em linguagem C compiladas
externamente, para a gestão e interpretação funcional de dados em Neuroimagem.
4.1 LICENÇA
Software SPM é livre, mas sujeito a direitos de autor, sendo distribuído sob os termos da GNU
General Public Licence como publicado pela Free Software Foundation.3 O programa é
disponibilizado sem suporte formal ou manutenção, no entanto devido à partilha de dados e
típica colaboração inerente ao seu uso existe uma significativa comunidade de utilizadores que
providenciam apoio e que permitem uma optimização do software através da criação de
tutoriais e fóruns de análise de erros e/ou resultados alcançados, respectivamente.
O programa é desenvolvido pelo Functional Imaging Laboratory (FIL), Wellcome Trust Centre for
NeuroImaging, do Instituto de Neurologia da University College London (UCL), Reino Unido.
4.2 HISTÓRIA
O surgimento do software SPM e a sua teoria associada foi originalmente desenvolvido por Karl
Friston para a análise estatística de rotina dos dados de neuroimagem funcional provenientes
da técnica PET. A primeira versão, agora conhecida como SPMclassic, foi disponibilizada para a
comunidade científica dedicada à imagiologia funcional no ano de 1991, de modo a promover a
colaboração e um esquema de análise comum entre os laboratórios interessados na área.
2 Software SPM disponível em http://www.fil.ion.ucl.ac.uk/spm/software 3 Mais detalhes sobre "copyleft" podem ser encontradas em http://www.gnu.org/copyleft/
Unidade Curricular – Técnicas de Investigação
PROGRAMA DOUTORAL EM ENGENHARIA BIOMÉDICA 17
O denominado SPM'94 foi a primeira grande revisão do software SPM. Nos anos seguintes foram
surgindo versões optimizadas do software: SPM'95, SPM'96, SPM'99, SPM2, SPM5, SPM8 e na
actual versão lançada em 2014, SPM12. Todas as versões foram baseadas na versão SPM'94,
apresentando sucessivamente um contínuo avanço técnico com melhorias das suas aplicações
e também correcção de bugs entretanto detectados.
4.3 PUBLICAÇÕES ASSOCIADAS
Na criação e na implementação de melhorias contínuas nas subsequentes versões do pacote
SPM, as teorias estatísticas e de análise de imagem do sistema têm tido por base documentação
científica revista pelos pares.
Utilizando o repositório digital do departamento de investigação4 responsável pelo software
verifica-se que ao longo dos últimos anos cerca de 350 publicações (artigos científicos, livros,
relatórios, conferências,…) encontram-se associadas ao desenvolvimento e evolução do
software SPM.
Estratificando as publicações por técnicas imagiológicas anatómicas, funcionais e híbridas no
contexto da Neuroimagem (figura 5) é notório um maior número de publicações relacionadas
com a fMRI em detrimento das restantes técnicas.
4 Repositório disponível em http://www.fil.ion.ucl.ac.uk/spm/doc/biblio/
Figura 5- Número de publicações com uso do software SPM e da mesma ferramenta conjugada com as técnicas imagiológicas PET, MRI, fMRI e PET-MRI (desde 1989 até à actualidade)
Unidade Curricular – Técnicas de Investigação
PROGRAMA DOUTORAL EM ENGENHARIA BIOMÉDICA 18
4.4 REQUISITOS
Para a utilização do sistema, é necessário a instalação prévia do programa de alto nível de
ambiente de computação matemática MATLABTM pois a arquitectura computacional deste
programa serve de base para o software SPM. Para além disso, o sistema utiliza alguns
programas informáticos externos em Linguagem C, ligados ao MATLABTM através de ficheiros
denominados ficheiros C-mex de modo a promover a velocidade de processamento de
operações matriciais mais exigentes. O software encontra-se disponível em versões adaptáveis
aos principais sistemas operativos do mercado na actualidade, nomeadamente Linux, Microsoft
WindowsTM e Apple iOsTM.
A versão mais recente SPM12 utiliza como formato de dados de imagem ficheiros NIFTI-1
(Neuroimaging Informatics Technology Initiative, orientado pelo National Institute of Health,
EUA). Ferramentas para importação, exportação e conversão de dados para diferentes formatos
(nomeadamente, formato DICOM, NEMA, EUA) também se encontram integradas.
De referir que sendo de livre acesso, esta ferramenta tem sido sujeita adições por parte de
utilizadores da comunidade sob a forma de toolboxs, batches ou templates.
4.5 ETAPAS DE FUNCIONAMENTO
Em termos genéricos, o software SPM apresenta uma abordagem baseada em voxeis onde as
imagens de uma dada técnica imagiológica são sujeitas a uma sequência de procedimentos:
Pré-Processamento, as imagens são realinhadas, normalizadas em termos espaciais
para um espaço padronizado e posteriormente são suavizadas
Modelação, modelos estatísticos paramétricos são assumidos para cada voxel (imagem
estatística) utilizando o modelo GLM para a descrição de dados em termos de variáveis
explicativas (efeitos concebidos ou vieses) e variabilidade residual (no caso de imagens
referentes a fMRI, o modelo GLM é utilizado em combinação com um modelo de
convolução temporal)
Inferência Estatística, a inferência clássica é utilizada para o teste de hipóteses que por
sua vez são expressas em termos de parâmetros GLM - mapas estatísticos paramétricos
como SPM{t}, SPM{Z}, SPM{F} consoante o tipo de distribuição estatística escolhido; o
resultado da inferência estatística obtida é baseada em múltiplas comparações através
da RFT que origina uma inferência baseada na correcção de valores-p
Inferências baseadas em modelo bayesianos podem ser utilizadas em lugar das inferências ditas
clássicas, sendo que neste caso os mapas estatísticos resultantes denominam-se por Mapas de
Probabilidade Posterior (em inglês, Posterior Probability Maps, PPMs).
Já no que diz respeito à análise de imagens referentes a fMRI, análises de conectividade efectiva
podem ser implementadas utilizando para tal Modelos de Dinâmica Causal (em inglês, Dynamic
Causal Modelling, DCM) que permitem efectuar comparações de resultados referentes a
diferentes estímulos ou activações por relações causais entre eles.
Unidade Curricular – Técnicas de Investigação
PROGRAMA DOUTORAL EM ENGENHARIA BIOMÉDICA 19
5 ACTIVIDADE EXPERIMENTAL: ANÁLISE SPM DE IMAGENS
DE FMRI
5.1 OBJECTIVO
De modo a exemplificar e avaliar o potencial da análise SPM em geral assim como também
verificar o contexto das especificações, procedimentos e desafios práticos associados à
obtenção de resultados com a ferramenta já descrita, elaborou-se um protocolo experimental
de modo a proceder a uma análise de imagens resultantes de estudos de fMRI com o software
SPM na sua versão mais recente SPM12.
5.2 MATERIAIS
- arquitectura computacional de base do software MATLABTM
- software SPM12 disponível gratuitamente em:
http://www.fil.ion.ucl.ac.uk/spm/software/spm12/
- imagens fMRI de estudos T1 ponderados provenientes do IXI dataset (Biomedical Image
Analysis Group, Imperial College London) disponível gratuitamente em: http://brain-
development.org/ixi-dataset/ 5
5 Podem ser verificados todos os detalhes dos estudos e dos dados associados da referida base de dados no referido endereço http://brain-development.org/ixi-dataset/
Figura 6 - Software SPM12: aspectos do ambiente de trabalho (de referir que o seu uso implica activação da arquitectura de base MATLABTM
Unidade Curricular – Técnicas de Investigação
PROGRAMA DOUTORAL EM ENGENHARIA BIOMÉDICA 20
5.3 METODOLOGIA APLICADA
1 - Selecção das imagens T1 disponíveis do dataset e colocação das mesmas numa pasta
dedicada para manipulação;
2 - Verificação das imagens quanto ao seu formato (formato NIfTI) utilizando a opção “Check
Reg” e quanto à sua disposição nas diferentes projecções anatómicas (projecção transversal,
coronal e sagital) utilizando neste caso a opção “Display”;
3 - Segmentação das imagens para distinção de substância branca e substância cinzenta,
utilizando as seguintes opções:
3.1 - “Spatial” > “Segment”, segmentação bruta tendo em conta parâmetros das imagens
como número de imagens a processar (“Channel” > “Volumes”), tipos de tecidos (lista de
opções predefinidas no SPM12) e opções de remoção de dados não aplicáveis;
3.2 - “Dartel Tools” > “Run Dartel”, determinação de deformações não lineares de modo a
proceder a um correcto alinhamento das imagens segmentadas;
3.3 - “Dartel Tools” > “Normalise to MNI Space”, suavização das imagens e alinhamento
segundo o modelo MNI (atlas/template concebido pelo Montreal Neurological Institute)
Figura 7 - Software SPM12: layouts referentes às opções de pré-processamento “Check Reg” e “Display”
Unidade Curricular – Técnicas de Investigação
PROGRAMA DOUTORAL EM ENGENHARIA BIOMÉDICA 21
4 - Execução de análise estatística as imagens suavizadas e modeladas, através das seguintes
opções:
4.1 - “Basic Models”, especificação da matriz de design (segundo os parâmetros “Directory”,
“Design”, “Covariates”, “Multiple covariates”, “Masking”, “Global calculation” e
“Global normalisation”);
4.2 - “Review”, verificação de dados da matriz de design gerada;
4.3 - “Estimate”, para criação de inferências estatísticas com implementação do modelo
GLM (t de Student) e das correcções segundo a RFT (modelo gaussiano)
4.4 - “Results”, para caracterização final das inferências em termos de resultados finais
5.4 RESULTADOS
Na figura 9, podem ser observados a tabela e os gráficos finais resultantes do mapeamento
estatístico dos dados referentes às imagens T1 de fMRI analisadas nesta actividade.
Figura 8 - Software SPM12: layouts referentes às opções de segmentação “Segment”, “Run Dartel” e “Normalize to MNI Space”
Unidade Curricular – Técnicas de Investigação
PROGRAMA DOUTORAL EM ENGENHARIA BIOMÉDICA 22
Figura 9 - Resultados finais da análise SPM com o software SPM12 de imagens T1 de fMRI, onde é possível observar a matriz de design, as tabelas estatísticas Self-level, Cluster-level e Peak-level e as regiões de interesse assinaladas nas imagens fMRI segundo as projecções anatómicas transversal, coronal e sagital
Unidade Curricular – Técnicas de Investigação
PROGRAMA DOUTORAL EM ENGENHARIA BIOMÉDICA 23
6 CONCLUSÃO
Após a realização do trabalho proposto, algumas considerações devem ser efectuadas tendo em
conta os conteúdos técnico-científicos apreendidos acerca do tema Mapeamento Estatístico
Paramétrico em Neuroimagem.
Para o uso do SPM tornou-se evidente a necessidade de explorar previamente conhecimentos
multidisciplinares nas áreas das neurociências, nomeadamente nos conhecimentos técnicos e
clínicos associados aos princípios de estudo das diferentes modalidades imagiológicas, na área
do processamento de imagem (conceitos como alinhamento, segmentação e extração de
características de dados volumétricos imagiológicos) e sobretudo na área da estatística, com
especial destaque para tipos de distribuição estatística, modelo global linear e teoria dos campos
aleatórios. Todas estas áreas são claramente componentes essenciais para a compreensão e
consequente utilização do SPM.
Com a pequena revisão bibliográfica efectuada é possível afirmar que na área da Neuroimagem
o uso de análise estatística a nível da procura de novos dados ou de conhecimento adicional
relativamente ao simples resultado proveniente dos diversos estudos imagiológicos cerebrais
tem vindo sido visto cada vez mais como ferramenta de modo a colmatar a grande complexidade
no diagnóstico diferencial de padrões morfológicos mas sobretudo funcionais e na gestão da
enorme quantidade de informação volumétrica obtida.
O SPM apresenta assim um elevado potencial para a segmentação de regiões de interesse
através da distinção de áreas cerebrais tendo por base estímulos ou activações que podem
assumir diferentes origens e técnicas, embora pela revisão bibliográfica efectuada, seja possível
de destacar os estudos funcionais PET e fMRI como técnicas em expansão no que diz respeito à
sujeição dos seus resultados com este tipo de inferência estatística.
Com a actividade experimental realizada, foi possível aplicar o software SPM, SPM12, de acesso
livre à comunidade científica como ferramenta de mapeamento estatístico na análise de dados
biomédicos funcionais. Para esse efeito foi escolhido um dataset também de acesso livre tendo
por base por um lado, o facto de entre os estudos funcionais em neuroimagem, os estudos
resultantes em fMRI apresentarem desafios extra relativamente aos estudos cerebrais PET
devido ao maior número de parâmetros a manipular, e por outro devido à necessidade de
colmatar um menor conhecimento na área da fMRI.
Com especial foco no tema de tese a que me proponho, constata-se a possível viabilidade e
pertinência da análise SPM para concretizar o objectivo de escolha da metodologia ideal de
correcção de imagem para extração do máximo potencial da técnica PET-MRI, devido ao seus
requisitos de alinhamento morfológico, optimização de parâmetros de dados imagiológicos
numa lógica de padronização de procedimentos, análise volumétrica associada a nível dos
tecidos cerebrais e à capacidade de avaliação de regiões funcionantes. Estes atributos deste tipo
de análise podem constituir um adequado instrumento de medição de resultados e de
comparação de técnicas. No entanto, a sua utilização implica pleno controlo dos processos de
aquisição de dados imagiológicos e também da criação de mapas/templates adaptados a cada
tipologia de estudo, tendo em conta as diferenças funcionais e morfológicas inerentes.
Assim, ficou premente a necessidade de avaliar a inclusão da análise SPM no meu plano
experimental de tese, nomeadamente na sua aplicação para análise de dados obtidos com a
técnica híbrida PET-MRI.
Unidade Curricular – Técnicas de Investigação
PROGRAMA DOUTORAL EM ENGENHARIA BIOMÉDICA 25
7 REFERÊNCIAS BIBLIOGRÁFICAS
1. R.S.J. Frackowiak, K.J. Friston, C.D. Frith, R.J. Dolan, and J.C. Mazziotta, editors. Human Brain
Function. Academic Press USA, 1997.
2. K.J. Friston. Analyzing brain images: Principles and overview. In R.S.J. Frackowiak, K.J
Friston, C.D. Frith, R.J. Dolan, and J.C. Mazziotta, editors, Human Brain Function. Academic
Press USA, 1997.
3. J. Ashburner and K.J. Friston. Spatial transformation of images. In R.S.J. Frackowiak, K.J
Friston, C.D. Frith, R.J. Dolan, and J.C. Mazziotta, editors, Human Brain Function. Academic
Press USA, 1997.
4. Holmes, J-B Poline, and K.J. Friston. Characterizing brain images with the general linear
model. In R.S.J. Frackowiak, K.J Friston, C.D. Frith, R.J. Dolan, and J.C. Mazziotta, editors,
Human Brain Function. Academic Press USA, 1997.
5. J-B Poline, A. Holmes, K. Worsley, and K.J. Friston. Making statistical inferences. In R.S.J.
Frackowiak, K.J Friston, C.D. Frith, R.J. Dolan, and J.C. Mazziotta, editors, Human Brain
Function. Academic Press USA, 1997.
6. K.J. Friston. Characterizing distributed functional systems. In R.S.J. Frackowiak, K.J Friston,
C.D. Frith, R.J. Dolan, and J.C. Mazziotta, editors, Human Brain Function. Academic Press
USA, 1997.
7. C. Buchel and K.J. Friston. Characterizing functional integration. In R.S.J. Frackowiak, K.J
Friston, C.D. Frith, R.J. Dolan, and J.C. Mazziotta, editors, Human Brain Function. Academic
Press USA, 1997.
8. K.J. Friston, C.J. Price, C. Buchel, and R.S.J. Frackowiak. A taxonomy of study design. In R.S.J.
Frackowiak, K.J Friston, C.D. Frith, R.J. Dolan, and J.C. Mazziotta, editors, Human Brain
Function. Academic Press USA, 1997.
9. K.J. Friston. Imaging neuroscience: principles or maps? Proc. Natl. Acad. Sci. USA, 95:796-
802, 1998.
10. K.J. Friston, C.D. Frith, P.F. Liddle, R.J. Dolan, A.A. Lammertsma, and R.S.J. Frackowiak. The
relationship between global and local changes in PET scans. J. Cereb Blood Flow Metab,
10:458-466, 1990.
11. K.J. Friston, C.D. Frith, P.F. Liddle, and R.S.J. Frackowiak. Comparing functional (PET)
images: The assessment of significant change. Journal of Cerebral Blood Flow and
Metabolism, 11:690-699, 1991.
12. K. J. Friston, A. P. Holmes, K. J. Worsley, J.-B. Poline, C. D. Frith, and R. S. J. Frackowiak.
Statistical parametric maps in functional imaging: A general linear approach. Human Brain
Mapping, 2:189-210, 1995.
13. K.J. Friston. Statistical parametric mapping: Ontology and current issues. Journal of
Cerebral Blood Flow and Metabolism, 15:361-370, 1995.
14. R.J. Adler. The geometry of random fields. Wiley New York, 1981
15. C. Büchel, R.S.J. Wise, C.J. Mummery, J.-B. Poline and K.J. Friston. Nonlinear regression in
parametric activation studies. NeuroImage, 4:60-66, 1996
16. K.J. Friston, K.J. Worsley, R.S.J. Frackowiak, J.C. Mazziotta and A.C. Evans. Assessing the
significance of focal activations using their spatial extent. Human Brain Mapping, 1:214-
220, 1994
17. K.J. Friston. Testing for anatomical specified regional effects. Human Brain Mapping,
5:133-136, 1997
Unidade Curricular – Técnicas de Investigação
PROGRAMA DOUTORAL EM ENGENHARIA BIOMÉDICA 26
18. K.J. Worsley, S. Marrett, P. Neelin, A.C. Vandal, K.J. Friston and A.C. Evans. A unified
statistical approach or determining significant signals in images of cerebral activation.
Human Brain Mapping, 4:58-73, 1996
Unidade Curricular – Técnicas de Investigação
PROGRAMA DOUTORAL EM ENGENHARIA BIOMÉDICA 27
(Referências Bibliográficas Proposta de Tese PRODEB)
Alachkar, M. (2014). "Neuroimaging in dementia: how best to use the guidelines?" Psychiatr Bull
(2014) 38(3): 137-138.
Bagnoli, S., I. Piaceri, S. Sorbi and B. Nacmias (2014). "Advances in imaging-genetic relationships
for Alzheimer's disease: clinical implications." Neurodegener Dis Manag 4(1): 73-81.
Bertelson, J. A. and B. Ajtai (2014). "Neuroimaging of dementia." Neurol Clin 32(1): 59-93.
Grandy, J. K. (2012). "Updated guidelines for the diagnosis of Alzheimer disease: a clinical
review." JAAPA 25(4): 50-55.
Herholz, K., S. F. Carter and M. Jones (2007). "Positron emission tomography imaging in
dementia." Br J Radiol 80 Spec No 2: S160-167.
Herzog, H. (2012). "PET/MRI: challenges, solutions and perspectives." Z Med Phys 22(4): 281-
298.
Jadvar, H., R. M. Subramaniam, C. G. Berman, F. Boada, P. M. Colletti, A. R. Guimaraes, J.
McConathy, C. C. Meltzer, R. B. Noto, A. B. Packard, E. M. Rohren and M. E. Oates (2015).
"American College of Radiology and Society of Nuclear Medicine and Molecular Imaging Joint
Credentialing Statement for PET/MR Imaging: Brain." J Nucl Med 56(4): 642-645.
Johnson, K. A., S. Minoshima, N. I. Bohnen, K. J. Donohoe, N. L. Foster, P. Herscovitch, J. H.
Karlawish, C. C. Rowe, M. C. Carrillo, D. M. Hartley, S. Hedrick, V. Pappas, W. H. Thies, A.
Alzheimer's, M. Society of Nuclear, I. Molecular and T. Amyloid Imaging (2013). "Appropriate
use criteria for amyloid PET: a report of the Amyloid Imaging Task Force, the Society of Nuclear
Medicine and Molecular Imaging, and the Alzheimer's Association." Alzheimers Dement 9(1): e-
1-16.
Johnson, K. A., S. Minoshima, N. I. Bohnen, K. J. Donohoe, N. L. Foster, P. Herscovitch, J. H.
Karlawish, C. C. Rowe, S. Hedrick, V. Pappas, M. C. Carrillo, D. M. Hartley, A. Amyloid Imaging
Task Force of the Alzheimer's, M. Society for Nuclear and I. Molecular (2013). "Update on
appropriate use criteria for amyloid PET imaging: dementia experts, mild cognitive impairment,
and education. Amyloid Imaging Task Force of the Alzheimer's Association and Society for
Nuclear Medicine and Molecular Imaging." Alzheimers Dement 9(4): e106-109.
Kantarci, K. and C. R. Jack, Jr. (2003). "Neuroimaging in Alzheimer disease: an evidence-based
review." Neuroimaging Clin N Am 13(2): 197-209.
Maseeh uz, Z., N. Fatima, Z. Sajjad and U. Zaman (2014). "Whole body simultaneous PET/MRI:
one-stop-shop?" J Pak Med Assoc 64(2): 201-204.
Nasrallah, I. M. and D. A. Wolk (2014). "Multimodality imaging of Alzheimer disease and other
neurodegenerative dementias." J Nucl Med 55(12): 2003-2011.
Price, J. C. (2012). "Molecular brain imaging in the multimodality era." J Cereb Blood Flow Metab
32(7): 1377-1392.
Samanta, M. K., B. Wilson, K. Santhi, K. P. Kumar and B. Suresh (2006). "Alzheimer disease and
its management: a review." Am J Ther 13(6): 516-526.
Souder, E., A. J. Saykin and A. Alavi (1995). "Multi-modal assessment in Alzheimer's disease. ADL
in relation to PET, MRI and neuropsychology." J Gerontol Nurs 21(9): 7-13.
Unidade Curricular – Técnicas de Investigação
PROGRAMA DOUTORAL EM ENGENHARIA BIOMÉDICA 28
Tran, L. and T. Ha-Duong (2015). "Exploring the Alzheimer amyloid-beta peptide conformational
ensemble: A review of molecular dynamics approaches." Peptides 69: 86-91.
Valkanova, V. and K. P. Ebmeier (2014). "Neuroimaging in dementia." Maturitas 79(2): 202-208.
Varrone, A., S. Asenbaum, T. Vander Borght, J. Booij, F. Nobili, K. Nagren, J. Darcourt, O. L.
Kapucu, K. Tatsch, P. Bartenstein, K. Van Laere and C. European Association of Nuclear Medicine
Neuroimaging (2009). "EANM procedure guidelines for PET brain imaging using [18F]FDG,
version 2." Eur J Nucl Med Mol Imaging 36(12): 2103-2110.
Vercher-Conejero, J. L., C. Rubbert, A. A. Kohan, S. Partovi and J. K. O'Donnell (2014). "Amyloid
PET/MRI in the differential diagnosis of dementia." Clin Nucl Med 39(6): e336-339.