Computational Medical Image Analysis : With a Focus on Real-Time fMRI and Non-Parametric Statistics

Functional magnetic resonance imaging (fMRI) is a prime example of multidisciplinary research. Without the beautiful physics of MRI, there would not be any images to look at in the first place. To obtain images of good quality, it is necessary to fully understand the concepts of the frequency domain. The analysis of fMRI data requires understanding of signal processing, statistics and knowledge about the anatomy and function of the human brain. The resulting brain activity maps are used by physicians, neurologists, psychologists and behaviourists, in order to plan surgery and to increase their understanding of how the brain works. This thesis presents methods for real-time fMRI and non-parametric fMRI analysis. Real-time fMRI places high demands on the signal processing, as all the calculations have to be made in real-time in complex situations. Real-time fMRI can, for example, be used for interactive brain mapping. Another possibility is to change the stimulus that is given to the subject, in real-time, such that the brain and the computer can work together to solve a given task, yielding a brain computer interface (BCI). Non-parametric fMRI analysis, for example, concerns the problem of calculating significance thresholds and p-values for test statistics without a parametric null distribution. Two BCIs are presented in this thesis. In the first BCI, the subject was able to balance a virtual inverted pendulum by thinking of activating the left or right hand or resting. In the second BCI, the subject in the MR scanner was able to communicate with a person outside the MR scanner, through a virtual keyboard. A graphics processing unit (GPU) implementation of a random permutation test for single subject fMRI analysis is also presented. The random permutation test is used to calculate significance thresholds and p-values for fMRI analysis by canonical correlation analysis (CCA), and to investigate the correctness of standard parametric approaches. The random permutation test was verified by using 10 000 noise datasets and 1484 resting state fMRI datasets. The random permutation test is also used for a non-local CCA approach to fMRI analysis. Populärvetenskaplig sammanfattning Funktionell magnetresonansavbildning (fMRI) är en icke-invasiv metod för att mäta hjärnaktivitet. Metoden baseras på att blodets magnetiska egenskaper, via syresättningen, förändras när hjärnan är aktiv. fMRI används dels för att öka förståelsen om hjärnan, dels som ett kliniskt verktyg inför borttagning av hjärntumörer. Denna avhandling presenterar metoder för att analysera hjärnaktivitet när försökspersonen ligger i magnetkameran, s.k. realtids-fMRI, till skillnad mot att genomföra analysen efteråt. Realtids-fMRI kan, bland annat, användas som ett hjälpmedel för att lära sig att kontrollera sin egen hjärnaktivitet, för att till exempel undertrycka smärta. Ett annat framtida användningsområde är att skapa gränssnitt mellan hjärnan och en dator, för att till exempel kunna kontrollera en robotarm med tankekraft. Avhandlingen presenterar även metoder för icke-parametrisk fMRI-analys. Ett problem med vanlig, parametrisk, fMRI-analys är att man måste göra en rad antaganden om sina data. Om dessa antaganden är fel kan man inte lita på resultatet av analysen. Icke-parametrisk fMRI-analys bygger på färre antaganden, men kräver dock att mer beräkningar utförs. För att göra icke-parametrisk fMRI-analys praktiskt möjligt, används beräkningskraften hos moderna grafikkort.