Usuario:
Modelo Conceptual
Descripción
Modelo D02 - Resonancia magnética funcional (fMRI, señal BOLD)
El modelo conceptual busca comprender los mecanismos que dan origen a un comportamiento, y describirlos de la forma más simple posible. Para eso, el comportamiento se segmenta en temas (grupos): cada uno identifica los objetos o variables que participan —tanto en su funcionamiento normal como en sus posibles anomalías o desviaciones— y describe, mediante verbos, la forma en que esos objetos interactúan entre sí. El resultado es lo que llamamos una red semántica: la estructura con la que representamos y comunicamos el modelo conceptual, antes de introducir ecuación alguna.
ID:3997
Estructura de los Grupos
Descripción
El primer paso consiste en analizar la descripción general del modelo e identificar los distintos aspectos que intervienen en el fenómeno y que deben ser representados. Cada uno de estos aspectos se organiza como un grupo, entendido como una unidad conceptual coherente que describe una parte específica del funcionamiento del modelo.
Cada grupo reúne los objetos o conceptos relevantes para ese aspecto y las relaciones o verbos que describen cómo interactúan, se modifican o dependen unos de otros. De esta manera, cada grupo constituye una parte de la red semántica del modelo, mientras que el conjunto de los grupos permite representar de forma estructurada su funcionamiento global.
La división en grupos facilita además separar mecanismos, condiciones, procesos y resultados que cumplen funciones diferentes dentro del modelo, manteniendo al mismo tiempo las relaciones que existen entre ellos. Los grupos no son, por tanto, componentes aislados: pueden compartir conceptos y establecer relaciones entre sí, formando conjuntamente una única representación semántica del fenómeno.
La imagen anterior ofrece una visión general de los distintos aspectos en que se ha estructurado el modelo. A continuación se presentan los grupos identificados, indicando para cada uno su título y una breve descripción del aspecto del modelo que representa.
Grupo 1: Grupo 1: Acoplamiento neurovascular y generación de señal BOLD
La actividad neuronal modifica la proporción de oxígeno en la sangre que irriga una región cerebral y ese cambio origina la señal BOLD detectada por fMRI. La señal BOLD aumenta o cambia en función de la respuesta hemodinámica asociada a la activación, pero el storyboard remite la formulación cuantitativa completa al modelo de acoplamiento neurovascular y no especifica aquí una ley funcional.
Grupo 2: Grupo 2: Adquisición espacial y temporal de la señal BOLD
La fMRI registra una serie temporal de señal BOLD en cada vóxel. Cada vóxel constituye la unidad espacial de observación y su serie temporal es la cantidad que alimenta tanto el análisis estadístico de tareas como la evaluación de calidad y los análisis de conectividad.
Grupo 3: Grupo 3: Modelo lineal general y respuesta hemodinámica
En estudios con diseño experimental, la serie BOLD de cada vóxel se explica como combinación lineal de regresores derivados del diseño y convolucionados con una función de respuesta hemodinámica canónica. La contribución predicha crece linealmente con los regresores ponderados; el storyboard no especifica coeficientes, ruido ni una forma analítica de la respuesta hemodinámica.
Grupo 4: Grupo 4: Mapas estadísticos de activación
El ajuste del modelo lineal general permite construir mapas estadísticos que indican en qué vóxeles la señal BOLD es explicada mejor por el diseño experimental. La magnitud estadística depende de la calidad del ajuste entre señal observada y combinación de regresores, pero el texto no fija un estadístico ni un umbral de activación.
Grupo 5: Grupo 5: Calidad de adquisición mediante tSNR
La calidad de la señal BOLD se cuantifica mediante la relación señal-ruido temporal. Cuando la tSNR aumenta, la señal registrada en cada vóxel se considera más confiable; el storyboard no proporciona una definición matemática explícita ni umbrales de calidad.
Grupo 6: Grupo 6: Conectividad funcional en reposo
En ausencia de regresores de tarea, la conectividad funcional se estima correlacionando las series temporales BOLD de distintas regiones cerebrales. Cuanto mayor es la correlación entre dos series regionales, mayor es la conectividad funcional estimada entre esas regiones.
Grupo 7: Grupo 7: Caracterización de alteraciones de red
La conectividad funcional obtenida en reposo se usa para caracterizar alteraciones de red asociadas a patologías descritas en otros modelos, como esquizofrenia y trastorno del espectro autista. Esta etapa interpreta la conectividad como indicador de organización patológica de la red; el storyboard no especifica reglas cuantitativas de clasificación ni umbrales diagnósticos.
ID:1338
Grupo 1: Grupo 1: Acoplamiento neurovascular y generación de señal BOLD
Descripción
La actividad neuronal modifica la proporción de oxígeno en la sangre que irriga una región cerebral y ese cambio origina la señal BOLD detectada por fMRI. La señal BOLD aumenta o cambia en función de la respuesta hemodinámica asociada a la activación, pero el storyboard remite la formulación cuantitativa completa al modelo de acoplamiento neurovascular y no especifica aquí una ley funcional.
Pregunta clave: ¿Cómo se traduce indirectamente la actividad neuronal en una señal dependiente de oxígeno sanguíneo?
La actividad neuronal modifica la proporción de oxígeno en la sangre que irriga una región cerebral y ese cambio origina la señal BOLD detectada por fMRI. La señal BOLD aumenta o cambia en función de la respuesta hemodinámica asociada a la activación, pero el storyboard remite la formulación cuantitativa completa al modelo de acoplamiento neurovascular y no especifica aquí una ley funcional. La resonancia magnética funcional mide de forma indirecta la actividad neuronal a través de una señal que depende del nivel de oxígeno en la sangre: cuando una región del cerebro se activa, cambia la proporción de oxígeno en la sangre que la irriga, y ese cambio es lo que la resonancia magnética funcional detecta como esta señal dependiente del nivel de oxígeno en la sangre. La formulación completa de cómo la actividad neuronal se traduce en esta señal dependiente del nivel de oxígeno en la sangre fue introducida en el modelo de acoplamiento neurovascular, del que esta señal es una extensión directa. El análisis estadístico estándar de esta señal dependiente del nivel de oxígeno en la sangre emplea un modelo lineal general: la serie temporal de esta señal, observada en cada vóxel, se explica como una combinación lineal de regresores derivados del diseño experimental, convolucionados con la función de respuesta hemodinámica canónica. Este modelo lineal general permite generar, a partir de esa combinación, mapas estadísticos de activación que muestran en qué vóxeles la señal dependiente del nivel de oxígeno en la sangre se explica mejor por el diseño experimental.
ID:7890
Grupo 2: Grupo 2: Adquisición espacial y temporal de la señal BOLD
Descripción
La fMRI registra una serie temporal de señal BOLD en cada vóxel. Cada vóxel constituye la unidad espacial de observación y su serie temporal es la cantidad que alimenta tanto el análisis estadístico de tareas como la evaluación de calidad y los análisis de conectividad.
Pregunta clave: ¿Qué cantidad registra la fMRI en cada posición cerebral y cómo queda organizada para el análisis?
La fMRI registra una serie temporal de señal BOLD en cada vóxel. Cada vóxel constituye la unidad espacial de observación y su serie temporal es la cantidad que alimenta tanto el análisis estadístico de tareas como la evaluación de calidad y los análisis de conectividad. El análisis estadístico estándar de esta señal dependiente del nivel de oxígeno en la sangre emplea un modelo lineal general: la serie temporal de esta señal, observada en cada vóxel, se explica como una combinación lineal de regresores derivados del diseño experimental, convolucionados con la función de respuesta hemodinámica canónica. En conjunto, es esta señal dependiente del nivel de oxígeno en la sangre, medida de forma indirecta por la resonancia magnética funcional, la que permite tanto generar mapas estadísticos de activación como estimar la conectividad funcional que caracteriza a estas patologías. La resonancia magnética funcional mide de forma indirecta la actividad neuronal a través de una señal que depende del nivel de oxígeno en la sangre: cuando una región del cerebro se activa, cambia la proporción de oxígeno en la sangre que la irriga, y ese cambio es lo que la resonancia magnética funcional detecta como esta señal dependiente del nivel de oxígeno en la sangre. La calidad de esta adquisición de la señal dependiente del nivel de oxígeno en la sangre se cuantifica mediante la relación señal-ruido temporal: cuanto mayor es esta relación señal-ruido temporal, más confiable resulta la señal dependiente del nivel de oxígeno en la sangre registrada en cada vóxel.
ID:7891
Grupo 3: Grupo 3: Modelo lineal general y respuesta hemodinámica
Descripción
En estudios con diseño experimental, la serie BOLD de cada vóxel se explica como combinación lineal de regresores derivados del diseño y convolucionados con una función de respuesta hemodinámica canónica. La contribución predicha crece linealmente con los regresores ponderados; el storyboard no especifica coeficientes, ruido ni una forma analítica de la respuesta hemodinámica.
Pregunta clave: ¿Cómo explica el diseño experimental la evolución temporal de la señal BOLD?
En estudios con diseño experimental, la serie BOLD de cada vóxel se explica como combinación lineal de regresores derivados del diseño y convolucionados con una función de respuesta hemodinámica canónica. La contribución predicha crece linealmente con los regresores ponderados; el storyboard no especifica coeficientes, ruido ni una forma analítica de la respuesta hemodinámica. El análisis estadístico estándar de esta señal dependiente del nivel de oxígeno en la sangre emplea un modelo lineal general: la serie temporal de esta señal, observada en cada vóxel, se explica como una combinación lineal de regresores derivados del diseño experimental, convolucionados con la función de respuesta hemodinámica canónica. Este modelo lineal general permite generar, a partir de esa combinación, mapas estadísticos de activación que muestran en qué vóxeles la señal dependiente del nivel de oxígeno en la sangre se explica mejor por el diseño experimental. En los estudios de reposo, en los que no hay un diseño experimental con tareas que generar regresores, la conectividad funcional entre distintas regiones del cerebro se estima de otra manera: correlacionando entre sí las series temporales de la señal dependiente del nivel de oxígeno en la sangre registradas en cada una de esas regiones.
ID:7892
Grupo 4: Grupo 4: Mapas estadísticos de activación
Descripción
El ajuste del modelo lineal general permite construir mapas estadísticos que indican en qué vóxeles la señal BOLD es explicada mejor por el diseño experimental. La magnitud estadística depende de la calidad del ajuste entre señal observada y combinación de regresores, pero el texto no fija un estadístico ni un umbral de activación.
Pregunta clave: ¿Cómo se localizan los vóxeles cuya señal BOLD está asociada al diseño experimental?
El ajuste del modelo lineal general permite construir mapas estadísticos que indican en qué vóxeles la señal BOLD es explicada mejor por el diseño experimental. La magnitud estadística depende de la calidad del ajuste entre señal observada y combinación de regresores, pero el texto no fija un estadístico ni un umbral de activación. Este modelo lineal general permite generar, a partir de esa combinación, mapas estadísticos de activación que muestran en qué vóxeles la señal dependiente del nivel de oxígeno en la sangre se explica mejor por el diseño experimental. En conjunto, es esta señal dependiente del nivel de oxígeno en la sangre, medida de forma indirecta por la resonancia magnética funcional, la que permite tanto generar mapas estadísticos de activación como estimar la conectividad funcional que caracteriza a estas patologías. El análisis estadístico estándar de esta señal dependiente del nivel de oxígeno en la sangre emplea un modelo lineal general: la serie temporal de esta señal, observada en cada vóxel, se explica como una combinación lineal de regresores derivados del diseño experimental, convolucionados con la función de respuesta hemodinámica canónica. En los estudios de reposo, en los que no hay un diseño experimental con tareas que generar regresores, la conectividad funcional entre distintas regiones del cerebro se estima de otra manera: correlacionando entre sí las series temporales de la señal dependiente del nivel de oxígeno en la sangre registradas en cada una de esas regiones.
ID:7893
Grupo 5: Grupo 5: Calidad de adquisición mediante tSNR
Descripción
La calidad de la señal BOLD se cuantifica mediante la relación señal-ruido temporal. Cuando la tSNR aumenta, la señal registrada en cada vóxel se considera más confiable; el storyboard no proporciona una definición matemática explícita ni umbrales de calidad.
Pregunta clave: ¿Cómo se evalúa la confiabilidad temporal de la adquisición BOLD?
La calidad de la señal BOLD se cuantifica mediante la relación señal-ruido temporal. Cuando la tSNR aumenta, la señal registrada en cada vóxel se considera más confiable; el storyboard no proporciona una definición matemática explícita ni umbrales de calidad. La calidad de esta adquisición de la señal dependiente del nivel de oxígeno en la sangre se cuantifica mediante la relación señal-ruido temporal: cuanto mayor es esta relación señal-ruido temporal, más confiable resulta la señal dependiente del nivel de oxígeno en la sangre registrada en cada vóxel. El análisis estadístico estándar de esta señal dependiente del nivel de oxígeno en la sangre emplea un modelo lineal general: la serie temporal de esta señal, observada en cada vóxel, se explica como una combinación lineal de regresores derivados del diseño experimental, convolucionados con la función de respuesta hemodinámica canónica.
ID:7894
Grupo 6: Grupo 6: Conectividad funcional en reposo
Descripción
En ausencia de regresores de tarea, la conectividad funcional se estima correlacionando las series temporales BOLD de distintas regiones cerebrales. Cuanto mayor es la correlación entre dos series regionales, mayor es la conectividad funcional estimada entre esas regiones.
Pregunta clave: ¿Cómo se estima el acoplamiento funcional entre regiones durante el reposo?
En ausencia de regresores de tarea, la conectividad funcional se estima correlacionando las series temporales BOLD de distintas regiones cerebrales. Cuanto mayor es la correlación entre dos series regionales, mayor es la conectividad funcional estimada entre esas regiones. En los estudios de reposo, en los que no hay un diseño experimental con tareas que generar regresores, la conectividad funcional entre distintas regiones del cerebro se estima de otra manera: correlacionando entre sí las series temporales de la señal dependiente del nivel de oxígeno en la sangre registradas en cada una de esas regiones. Cuanto más correlacionadas están las series temporales de la señal dependiente del nivel de oxígeno en la sangre de dos regiones, mayor es la conectividad funcional que se estima entre ellas. Esta conectividad funcional, estimada a partir de la señal dependiente del nivel de oxígeno en la sangre durante los estudios de reposo, es una medida ampliamente usada para caracterizar alteraciones de red en distintas patologías descritas en otros modelos de este mismo catálogo, por ejemplo en la esquizofrenia y en el trastorno del espectro autista. En conjunto, es esta señal dependiente del nivel de oxígeno en la sangre, medida de forma indirecta por la resonancia magnética funcional, la que permite tanto generar mapas estadísticos de activación como estimar la conectividad funcional que caracteriza a estas patologías.
ID:7895
Grupo 7: Grupo 7: Caracterización de alteraciones de red
Descripción
La conectividad funcional obtenida en reposo se usa para caracterizar alteraciones de red asociadas a patologías descritas en otros modelos, como esquizofrenia y trastorno del espectro autista. Esta etapa interpreta la conectividad como indicador de organización patológica de la red; el storyboard no especifica reglas cuantitativas de clasificación ni umbrales diagnósticos.
Pregunta clave: ¿Cómo se usan los patrones de conectividad para caracterizar alteraciones de red patológicas?
La conectividad funcional obtenida en reposo se usa para caracterizar alteraciones de red asociadas a patologías descritas en otros modelos, como esquizofrenia y trastorno del espectro autista. Esta etapa interpreta la conectividad como indicador de organización patológica de la red; el storyboard no especifica reglas cuantitativas de clasificación ni umbrales diagnósticos. Esta conectividad funcional, estimada a partir de la señal dependiente del nivel de oxígeno en la sangre durante los estudios de reposo, es una medida ampliamente usada para caracterizar alteraciones de red en distintas patologías descritas en otros modelos de este mismo catálogo, por ejemplo en la esquizofrenia y en el trastorno del espectro autista. En conjunto, es esta señal dependiente del nivel de oxígeno en la sangre, medida de forma indirecta por la resonancia magnética funcional, la que permite tanto generar mapas estadísticos de activación como estimar la conectividad funcional que caracteriza a estas patologías.
ID:7896