Please use this identifier to cite or link to this item: http://dx.doi.org/10.14279/depositonce-4683
Main Title: Decomposition methods for the fusion of multimodal neuroimaging data
Translated Title: Zerlegungsmethoden für die Fusion von multimodalen Daten bildgebender Verfahren
Author(s): Dähne, Sven
Advisor(s): Müller, Klaus-Robert
Referee(s): Müller, Klaus-Robert
Villringer, Arno
Nikulin, Vadim
Granting Institution: Technische Universität Berlin, Fakultät IV - Elektrotechnik und Informatik
Type: Doctoral Thesis
Language: English
Language Code: en
Abstract: Multimodale bildgebende Verfahren kombinieren (oder auch fusionieren) verschiedene Messmethoden zur Analyse von Hirnaktivität und beinhalten dadurch ein immenses Potential für die kognitiven und klinischen Neurowissenschaften. Für diese Dissertation sind insbesondere Fusionsszenarien von Interesse die oszillatorische Hirnaktivität mit Amplitudenmodulationen beinhalten. Gerade diese Aktivität spielt eine wichtige Rolle in klinischen Untersuchungen und steht darüber hinaus mit fast allen Aspekten der Kognition in Beziehung. Trotz der zentralen Rolle dieser Hirnprozesse, weisen viele gängige Analysemethoden Schwächen auf, welche bisher weithin übersehen wurden. An dieser Stelle setzt die vorliegende Dissertation an und trägt durch folgende Beiträge zum Fortschritt des Forschungsfeldes bei. Zunächst werden die gängigen Analysemethoden sowohl durch analytische Überlegungen als auch durch numerische Simulationen gründlich auf zwei wichtige Aspekte hin untersucht. Diese Aspekte sind die Genauigkeit und die Interpretierbarkeit der von den Methoden gelieferten Ergebnisse. Nur Methoden die mit Hinblick auf beide Aspekten überzeugen, können von maximalen Nutzen für die Erforschung des Gehirns sein. Basierend auf den Ergebnissen dieser Untersuchung wird eine neue Methode vorgestellt, welche die vorher identifizierten Schwächen überwindet. Ihr Name ist Source Power Co-modulation (SPoC) Analyse. Basierend auf den Überlegungen die zur SPoC Analyse geführt haben, werden zwei multimodale Erweiterungen vorgestellt: die multimodal Source Power Co-modulation (mSPoC) Analyse und die canonical Source Power Co-modulation (cSPoC) Analyse. Konkrete Anwendungsbeispiele die für mSPoC vorgestellt und diskutiert werden sind die Fusion von (i) Elektroenzophalografie (EEG) und funktioneller Nah-infrarot Spektroskopie (fNIRS) sowie (ii) EEG und funktioneller Magnetresonanztomografie (fMRT). cSPoC wurde speziell für die Fusion von mehreren amplitudenmodulierten oszillatorischen Datensätzen entwickelt. Die Nützlichkeit von cSPoC wird anhand von insgesamt drei Analyse-/Fusionsszenarien gezeigt: (i) die Fusion der Daten von mehreren Versuchspersonen, (ii) die Fusion verschiedener oszillatorischer Prozesse innerhalb von Versuchspersonen und (iii) die Fusion von simultan gemessenen EEG und Magnetenzephalographie (MEG) Daten. Alle in dieser Dissertation vorgestellten Analysemethoden basieren auf einem weitläufig akzeptierten linearen generativen Modell für das EEG und MEG. Der starke Bezug auf dieses Modell bildet die theoretisch fundierte Grundlage der Methoden. Die praktische Relevanz der Methoden spiegelt sich wider in der erfolgreichen Extraktion von physiologisch plausiblen Hirnaktivitätsmustern aus einer Vielzahl von Beispieldaten. Dadurch stellen die entwickelten Analysemethoden eine attraktive Alternative zu vielen oft eher \ad-hoc" wirkenden multimodalen Fusionansätzen dar.
Multimodal neuroimaging, which is the study of brain function by combining (or fusing) several measurement modalities, holds great promise for clinical as well as cognitive neuroscience. Measurements of oscillatory brain activity are of particular interest for this thesis, because changes in this kind of neural activity (also referred to as band-power modulations) have been linked to practically every aspect of cognition and play an important role in clinical settings. However, current state-of-the-art methods for the extraction and multimodal fusion of such oscillatory neural activity fall short in a number of aspects which so far have been largely overlooked by the neuroimaging community. This thesis contributes to multimodal fusion in a number of ways. Firstly, we present a thorough investigation of the effectiveness of popular analysis approaches by means of theoretical considerations as well as numerical simulations. These investigations are conducted with particular focus on the accuracy of the analysis approaches as well as the interpretability of their results. Only methods excelling in both of these aspects can be expected to be maximally useful for advancing our understanding of brain function. Based on these considerations, a novel multivariate analysis approach for the extraction of amplitude modulated oscillatory sources is derived. This approach is called Source Power Co-modulation (SPoC) analysis and it is specifically designed to overcome the shortcomings of existing methods. The utility of SPoC is thoroughly tested using numerical simulations as well as real-world neuroimaging data. Based on the ideas that led to the SPoC analysis, we then derive two inherently multimodal extensions that allow for a principled approach to the fusion of source amplitude dynamics. The first of the two extensions is referred to as multimodal Source Power Co-modulation (mSPoC). mSPoC is shown to outperform existing methods in numerical simulations as well as on real-world data in the task of fusing electroencephalography (EEG) with hemodynamic measurements obtained from functional near-infrared spectroscopy (fNIRS) as well as functional magnetic resonance imaging (fMRI). The second extension of the SPoC approach is called canonical Source Power Co-modulation (cSPoC) and is designed for the fusion of two (or more) sets of oscillatory data. The utility of cSPoC is demonstrated in numerical simulations as well as using real-world data examples involving the fusion of (i) datasets from several subjects, (ii) different oscillatory processes within subjects, and (iii) simultaneously measured EEG and magnetoencephalography (MEG). All of the methods developed in this thesis are based on a widely accepted linear generative model for neuroimaging data. By adhering to this model, the methods are able to uncover physiologically plausible generators of neural activity in a principled manner, thereby providing the neuroimaging community with an attractive alternative to many existing 'ad-hoc' approaches.
URI: urn:nbn:de:kobv:83-opus4-71240
http://depositonce.tu-berlin.de/handle/11303/4980
http://dx.doi.org/10.14279/depositonce-4683
Exam Date: 8-Jul-2015
Issue Date: 6-Oct-2015
Date Available: 6-Oct-2015
DDC Class: 000 Informatik, Informationswissenschaft, allgemeine Werke
Subject(s): Faktor Modelle
multimodale Analyse
Factor models
multimodal analysis
Creative Commons License: https://creativecommons.org/licenses/by/3.0/de/
Appears in Collections:Technische Universität Berlin » Fakultäten & Zentralinstitute » Fakultät 4 Elektrotechnik und Informatik » Institut für Softwaretechnik und Theoretische Informatik » Publications

Files in This Item:
File Description SizeFormat 
daehne_sven.pdf10.44 MBAdobe PDFThumbnail
View/Open


Items in DepositOnce are protected by copyright, with all rights reserved, unless otherwise indicated.