Analyzing brain connectivity of disorder of consciousness patients with a multi-variate, time-dependent and adaptive arma model

Nell'ambito delle neuroscienze vengono effettuati sempre più studi al fine di comprendere meglio le reti cerebrali e le loro dinamiche. La comunità scientifica ha condotto numerosi studi ed esperimenti sulle normali funzioni cerebrali umane, ma solo recentemente un discreto numero di ricercatori ha rivolto la propria attenzione all'analisi di diversi disturbi cerebrali, tra cui i disturbi della coscienza (Disorders of Consciousness o DoC). Un DoC è uno stato in cui viene meno la capacità psichica e cognitiva della persona e quest'ultima non mostra segni di veglia e/o di consapevolezza. Questa tesi mira a sviluppare un modello che consente di analizzare la connettività neurale tra le diverse aree cerebrali e fare inferenze sullo stato dei pazienti affetti da DOC al fine di supportare e affiancare gli attuali criteri diagnostici e migliorare così il processo decisionale medico. L'approccio utilizzato per raggiungere questo obiettivo si basa sul concetto di causalità di Granger (G-causality). Questo metodo permette l'identificazione delle interazioni causali all'interno del cervello e può essere tracciato attraverso un modello autoregressivo a media mobile (ARMA) basato sull'algoritmo delle trasformazioni di Fourier (FT). In particolare, in questa tesi è stata implementata una peculiare normalizzazione della G-causality denominata coerenza parziale diretta (PDC). La PDC mira a stimare la connettività tra coppie di neuroni e i risultati mostrano quanto siano forti tali connessioni, permettendo così l'identificazione di pattern e la comparazione fra i diversi stati tipici dei disturbi della coscienza.