Identificazione del Default Mode Network in resting state fMRI tramite differenti tecniche di preprocessing

La risonanza magnetica funzionale a riposo è una tecnica di imaging avanzato che permette l’identificazione dei resting-state networks: reti neurali di connettività funzionale che regolano numerose attività cerebrali. La resting-state fMRI permette l’individuazione del Default Mode Network: rete di connettività funzionale presente in ogni essere umano e che sta alla base di complesse funzioni primarie dell’encefalo come la memoria autobiografica, l’autoconsapevolezza e la riflessione interna. L’obiettivo di questo progetto di ricerca è l’identificazione del Default Mode Network attraverso diverse strategie di preprocessing dei dati nel singolo paziente, con questo scopo sono state acquisite immagini rs-fMRI di 15 pazienti sani presso l’Azienda Ospedale dell’Università degli Studi di Padova nell’ U.O.C. di Neuroradiologia avente macchinario di risonanza magnetica Philips 3 Tesla. Le immagini ottenute sono state preprocessate attraverso 3 fasi progressive: la prima fase determinata dalla correzione del movimento e smoothing spaziale, la seconda dall’applicazione del filtro passa-banda e regressione dei paramentri di movimento, la terza dalla rimozione del segnale medio della materia bianca e dei ventricoli laterali. Successivamente, il DMN è stato individuato attraverso un’analisi delle componenti indipendenti (ICA). I risultati ottenuti sono stati confrontati attraverso un valore di z-scoring che stima da un punto di vista quantitativo il valore della connettività funzionale del DMN, ottenendo rilevanti risultati sia alla fine del terzo metodo progressivo ossia la fase 3 che dopo l’analisi delle componenti indipendenti (ICA) ove quest’ultima ha mostrato dei valori di z-score più alti e una migliore identificazione. In conclusione è avvenuta l’identificazione del DMN correttamente e in maniera statisticamente significativa nei singoli pazienti, attraverso l’utilizzo di un protocollo di acquisizione adeguato e di tecniche di preprocessing avanzate, ponendo le prime basi per un futuro utilizzo del DMN come biomarker.