Os avanços nas técnicas de neuroimagem, principalmente com o de- senvolvimento da ressonância magnética funcional (RMf), vem possibilitando um melhor compreendimento dos processos e mecanismos cerebrais. Este trabalho tem como objetivo o desenvolvimento de um modelo de conectividade dinâmico entre diversas áreas cerebrais útilzando dados de RMf. A modelagem dinâmica do fluxo de informação é realizada com a estimação dos parâmetros de um modelo autoregressivo multivariado com coeficientes variandos no tempo, baseado na projeçã o de funções em bases de ondaletas. Dessa forma, um método para estimação e a derivação de suas propriedades assintóticas são apresentados. Diversos conjuntos de simulações computacionais são realizados visando a avaliação do desempenho do método proposto. Por fim, são apresentadas aplicações do modelo de conectividade variante no tempo em dados de ressonância magnética funcional.

Advances in neuroimage technologies, mainly with the development of functional magnetic resonance imaging (fMRI), improve the comprehension of brain processes and mechanisms. The main goal of this work is the development of a time-varying connectivity model between many brain areas using fMRI datasets. The dynamic modelling of the information flow is related to the parameters estimation of a time-varying multivariate autoregressive process, based on functions projection in wavelet basis. We propose an estimation procedure and present its asymptotic properties. Computational simulations were performed focusing the evaluation of the proposed approach. Further, applications of these methodologies to real functional magnetic resonance datasets are presented.