Multi-voxel fMRI analysis using an high throughput grid framework

O presente trabalho apresenta uma nova abordagem à análise de imagens de RMf do cérebro, especificamente a utilização de medidas associativas na análise de séries temporais de RMf. Este tipo específico de análise, computacionalmente intensivo, requer recursos que normalmente não se encontram disponí...

ver descrição completa

Detalhes bibliográficos
Autor principal: Andrade, Rodolfo João Oliveira de (author)
Formato: masterThesis
Idioma:eng
Publicado em: 2011
Assuntos:
Texto completo:http://hdl.handle.net/10773/2064
País:Portugal
Oai:oai:ria.ua.pt:10773/2064
Descrição
Resumo:O presente trabalho apresenta uma nova abordagem à análise de imagens de RMf do cérebro, especificamente a utilização de medidas associativas na análise de séries temporais de RMf. Este tipo específico de análise, computacionalmente intensivo, requer recursos que normalmente não se encontram disponíveis em ambientes clínicos. Redes Grid é um novo paradigma de computação distribuída de elevada performance que pode ser utilizado para potenciar a utilização deste tipo de análise, disponibilizando a capacidade de computação necessária. Implementouse um framework que permite a utilização de uma infraestrutura Grid para correr este tipo de análise de forma transparente, viabilizando a sua utilização em ambientes clínicos, onde o tempo é um factor crítico. ABSTRACT: This work, introduces a new approach to fMRI brain image analysis, namely multivoxel fMRI association analysis. The problem associated with this type of approach is that requires a large computing capacity that is not normally available at clinical sites. To enable this specific type of analysis we are required to use High Performance Computing paradigms. In this context we analysed the use of Grid computing and implemented a framework that allows running the multivoxel fMRI association analysis using a grid infrastructure resources. The use of this framework makes this type of analysis usable in clinical environments where time constraints can have a vital importance.