CONN (caja de herramientas de conectividad funcional)

El proceso de preprocesamiento de CONN incluye pasos diseñados para estimar y corregir los efectos derivados del movimiento del sujeto dentro del escáner (realineación), corregir las distorsiones espaciales debidas a inhomogeneidades en el campo magnético (corrección de la distorsión de susceptibilidad), corregir la desalineación temporal entre cortes (corrección de la sincronización de cortes), identificar posibles imágenes atípicas dentro de cada sesión de escaneo (identificación de valores atípicos), clasificar diferentes tipos de tejido de la anatomía de cada sujeto (segmentación) o alinear datos funcionales y anatómicos entre diferentes sujetos (normalización funcional o anatómica). ^{[ 5 ]} Además, la señal BOLD en la sustancia blanca y los ventrículos se puede utilizar para caracterizar posibles fuentes de ruido fisiológico y de movimiento, y el efecto combinado de estas y otras fuentes de ruido se puede eliminar de los datos funcionales para mejorar la robustez de las medidas de conectividad funcional. ^{[ 6 ]}

CONN calcula múltiples medidas de conectividad funcional, incluyendo coeficientes de correlación de Pearson transformados de Fisher entre las series temporales BOLD de diferentes regiones de interés (ROI), así como con cada vóxel del cerebro. También puede estimar la modulación de la fuerza de la conectividad funcional relacionada con la tarea dentro del escáner utilizando el Modelo Lineal General ponderado y modelos de Interacción Psicofisiológica generalizada . Además de las propiedades de las conexiones individuales, también se pueden analizar las propiedades de redes de conectividad más grandes utilizando medidas de teoría de grafos , análisis de componentes independientes y otras medidas a nivel de red. ^{[ 7 ]}

CONN admite inferencias estadísticas de las propiedades de conectividad funcional de una población a partir de las propiedades observadas de sujetos individuales en una muestra más pequeña utilizando un marco de modelo lineal general multivariado y estadísticas de prueba de razón de verosimilitud . ^{[ 8 ]} Los análisis que combinan medidas de conectividad funcional de múltiples ROI o vóxeles también incorporan correcciones adicionales de comparaciones múltiples, como la tasa de falsos descubrimientos , métodos paramétricos basados ​​en la teoría de campos aleatorios continuos , ^{[ 9 ]} y estadísticas no paramétricas a nivel de clúster. ^{[ 10 ]}