Esta dissertação apresenta os principais métodos estatísticos para analisar as séries temporais de fMRI com o objetivo de detectar regiões ativadas e caracterizar o erro envolvido nessa decisão. Na análise de imagens funcionais, devido à baixa razão sinal-ruído, torna-se necessário o uso de técnicas elaboradas de processamento. O resultado da aplicação de técnicas estatísticas sobre as séries temporais obtidas da imagem de fMRI, é um mapa estatístico paramétrico, (Statistical Parametric Map), (SPM), uma imagem 3-D que permite determinar o estado do voxel, ativado ou não ativado, e a significância estatística do resultado. Propomos um novo método baseado na Difusão Anisotrópica Robusta, (Robust Anisotropic Diffusion), (RAD), que explora uma característica fundamental da imagem funcional, a correlação espacial das regiões ativadas do cérebro humano. O método proposto permite obter mapas estatísticos que melhoram a determinação das áreas ativadas a partir de dados fMRI ruidosos. Os novos mapas estatísticos paramétricos, baseados na correlação espacial da imagem fMRI, reduzem os erros do processo de classificação dos voxels, melhorando assim o mapeamento das regiões ativadas no cérebro. Aplicamos a técnica proposta em dados gerados artificialmente, simulando ruído e sinal, e avaliamos o novo método proposto e um método clássico de processamento de fMRI. Apresentamos resultados comparativos entre um método clássico, o método de correlação e o novo método. Calculamos os erros envolvidos e apresentamos a curvas características de operação de um receptor, (Receiver Operating Characteristics), (ROC), para ambos métodos, comparando os parâmetros mais importantes. Também avaliamos o novo método em dados reais de fMRI de um experimento em blocos com estímulo visual.

This dissertation presents the main statistical methods to analyse fMRI temporal series to detect activated regions and to characterise the error involved in this decision. Due to low signal to noise ratio, elaborate processing techniques are necessary to analyse functional images. Statistical techniques are usually applied on the temporal series obtained from fMRI, resulting in a Statistical Parametric Map (SPM), a 3-D image that makes it possible to determine the state of a voxel, as activated or not activated, and the statistical significance of the result. We proposed a new, simple an elegant method based on Robust Anisotropic Diffusion (RAD) to exploit the spatial correlation of activated regions of the human brain. The new method, named Robust Anisotropic Diffusion of Statistical Parametric Maps (RADSPM), allows one to obtain statistical maps that improve the determination of activated areas from noisy fMRI data. The new parametric statistical maps, based on the voxel spatial correlation of the fMRI image, reduce the classification error thus improving the significance of the results. We have tested the new technique in both simulated and real fMRI, obtaining sharp and noiseless SPMs with increased statistical significance. We compare results of the new RADSPM method with those of a classic method, the conventional correlation method. We calculate the involved errors and we present Receiver Operating Characteristics (ROC) curves for both methods, comparing the most important parameters for simulated fMRI data. We also evaluate the new method on real data of a visual fMRI experiment.