نسرین برومندنیا - Ph.D. Student گروه آمار زیستی ، دانشکده پیراپزشکی،دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران
حمید علوی مجد - Ph.D گروه آمار زیستی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران
فرید زایری - Ph.D گروه آمار زیستی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران
زهرا ذوالقدر - Ms گروه آمار زیستی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران

در سالهای اخیر تصویربرداری تشدید مغناطیسی عملکردی (fMRI) به منظور تعیین نقاط فعال مغز در شرایط گوناگون، بسیار مورد توجه قرار گرفته است. روشهای آماری نقش اساسی درتحلیل داده های تصویری دارند. داده های fMRI ساختار پیچیده ای از همبستگی های زمانی و فضایی سه بعدی دارند. به علاوه در یافت پاسخ نسبت به زمان اعمال محرک تاخیر دارد، که به عنوان تابع پاسخ همودینامیکی (HRF) شناخته میشود. توجه به این ساختارهای پیچیده ی همبستگی و نیز رفتار HRF در مدلسازی آماری اهمیت و یژه ای دارد. درمقاله حاضر یک مدل مکانی-زمانی بیزی جدید معرفی میشود که در تحلیل داده هایfMRIبا هدف تعیین نقاط فعال کاربرد دارد. در این مدلHRFبرای هر واکسل به طور مجزا بر اساس داده های آن، برآورد شده و ساختارهای پیچیدهی همبستگی بین داده ها در مدل لحاظ میگردد.داده های تصویری مورد استفاده در این مقاله مربوط به محرک –back2است که بخشی از پروژه ی My Connectomeبوده و در سال 2015 در دانشگاه استنفورد اجرا شده است. از نرم افزار FSLبرای پیش پردازش تصاویر و از برنامه نویسی در محیط متلب جهت مدل سازی آماری استفاده شد. نتایج حاصل از مدل آماری ارایه شده نشان میدهد که محرک فوق باعث فعالیت بخشهایی از نواحی inferior parietal و frontal در مغز شده است. به علاوه ارزیابی مدل در شبیه سازی قابل قبول و خوب بوده است.مدل مکانی-زمانی بیزی پژوهش حاضر به علت درنظر گرفتن همزمان ساختارهای همبستگی پیچیده و نیز برآوردHRFمختص هر واکسل، میتواند رویکردی کامل در تحلیل این داده ها باشد.

تصویربرداری تشدید مغناطیسی عملکردی، تابع پاسخ همودینامیکی ،مدل مکانی زمانی بیزی