• General Linear Model
• fMRI
• default-mode network
• Craddock template
• connettività
• AAL template
• Independent Component Analysis
• resting state

Il presente lavoro di tesi ha lo scopo di confrontare le tecniche impiegate per il preprocessing dei dati di risonanza magnetica funzionale a riposo impiegati per la stima della connettività cerebrale.
Sono stati presi in esame approcci model-based, come l'analisi di regressione lineare multipla basata sul general linear model (GLM), ed approcci model-free, come l'analisi delle componenti indipendenti (ICA).
Nel dettaglio, l’obiettivo è stato quello di verificare se e dove si manifesta una differenza significativa nell’impiego delle due diverse tecniche di denoising dei dati a livello delle mappe di connettività, le quali mostrano le regioni che interagiscono tra loro e l’entità di tale interazione. L’impatto diverso indotto a livello delle reti a riposo dai metodi di regressione lineare ed ICA è stato messo in relazione con il criterio di selezione delle regioni cerebrali, da cui vengono estratti gli andamenti temporali dell’attività spontanea del cervello. Sono stati impiegati due tipi di template di regioni, definiti su criteri anatomici e funzionali, come quelli forniti dagli atlanti AAL2 e Craddock, con e senza l’impiego di maschere.
Inoltre, è stata messa in rilievo l'importanza dell'attività spontanea che si registra nel cervello in assenza di stimoli sensoriali e/o task cognitivi e le sorgenti di rumore che degradano il segnale, oltre ai processi fisici e fisiologici alla base della risonanza magnetica funzionale.