• resting state f-MRI
• nucleare
• nuclear
• MRI
• risonanza magnetica
• magnetic resonance
• machine learning
• connettività
• connectivity
• classifier
• classificatore

In questo lavoro di tesi viene effettuato un confronto tra diverse misure della connettività funzionale al fine di valutarne l’efficacia per la discriminazione tra soggetti con autismo e soggetti di controllo con tecniche di machine learning. La connettività funzionale è stata valutata a partire da dati di resting-state fMRI. Questa tecnica di imaging prevede l’acquisizione di immagini di risonanza magnetica funzionale mentre il paziente non compie alcuna attività particolare (a riposo). Il segnale acquisito viene chiamato BOLD, la cui intensità dipende dal livello di ossigenazione delle aree cerebrali che sono coinvolte nell’attività neuronale. E' stato fatto un confronto fra le performance di classificazione di un classificatore L-SVM allenato con matrici di connettività ottenuto con la correlazione di Pearson e con la coerenza wavelet. I risultati hanno evidenziato che la coerenza wavelet è in grado di cogliere meglio della correlazione di Pearson la complessità della connettività funzionale e delle relative alterazioni che possono presentarsi in presenza di un disturbo.