O mapeamento das respostas BOLD (Blood Oxygenation Level Dependent) constitui etapa importante nos experimentos de imagem funcional por ressonância magnética (Functional Magnetic Resonance Imaging fMRI) e de EEG-fMRI simultâneo. Em sua grande maioria, a análise de dados de fMRI e de EEG-fMRI está baseada no modelo linear geral (General Linear Model GLM), que procura localizar as respostas BOLD por meio de modelos definidos a priori. Porém, em muitos casos, como em pacientes, variações na forma e/ou atraso podem reduzir a confiabilidade dos resultados. Desse modo, o primeiro objetivo deste trabalho foi explorar métodos clássicos e propor novos métodos para análise de dados de fMRI e de EEG-fMRI simultâneo. Neste trabalho, um método modificado baseado na distância de Kullback-Leibler generalizada (dKLg) foi desenvolvido. Diferentemente do GLM, essa abordagem não requer um modelo para a resposta. Dados simulados foram utilizados para otimizá-lo e compará-lo ao GLM sob diferentes condições de resposta como a relação sinal ruído e a latência. Em seguida, o dKLg foi testado em dados reais, adquiridos em 14 voluntários assintomáticos, submetidos a tarefas motoras e auditivas padrões. Os resultados mostram a equivalência entre o dKLg e o GLM. Em seguida, essa estratégia foi testada em 02 pacientes com com estenose carotídea unilateral. Neste caso, o dKLg foi capaz de detectar regiões significativas ipsilaterais à estenose, não detectadas pelo GLM, em virtude do atraso do sinal BOLD. Em seguida, esses métodos foram aplicados sobre exames de EEG-fMRI realizados em 45 pacientes com epilepsia. Para esse conjunto de dados, mais uma abordagem foi elaborada, que utiliza a Análise de Componentes Independentes (Independent Component Analysis ICA). Denominado ICA-GLM, ele permite extrair de modo semi-automático a amplitude, duração e topografia das descargas epileptiformes interictais (Interictal Epileptiform Discharges IED), favorecendo a inclusão de sinais do EEG de menor destaque. Além dessa vantagem, ele ainda permite incluir modelos do sinal BOLD com diferentes latências, aumentando a abrangência da variabilidade das respostas encontradas em pacientes com epilepsia. A eficiência do ICA-GLM também foi comparado à do GLM e dKLg nos exames de EEG-fMRI. Embora os resultados tenham demonstrado a robustez do GLM, em alguns pacientes o dKLg foi mais eficiente para localizar regiões concordantes que não foram detectadas pelo GLM. Ainda, em boa parte dos casos o ICA-GLM detectou regiões mais extensas e com maior valor estatístico, quando comparado ao GLM. De forma geral, nota-se que o dKLg e ICA-GLM podem ser ferramentas complementares importantes ao GLM, aumentando a sensibilidade dos exames de EEG-fMRI como um todo. Outra etapa importante nas avaliações de EEG-fMRI em pacientes com epilepsia tem sido a utilização de imagens de fontes elétricas (Electrical Source Imaging ESI). Neste trabalho, os mapas de ESI foram obtidos por dois métodos de solução inversa distribuída nunca usados no cenários da EEG-fMRI: Bayesian Model Averaging (BMA) e constrained Low Resolution Electromagnetic Tomography (cLORETA). Além da construção dos mapas de ESI, avaliamos a utilidade de combinar as técnicas de ESI e de EEG-fMRI para promover a diferenciação entre fontes primárias e de propagação temporal. Essa análise permitiu avaliar a concordância entre as regiões detectadas pelo ESI e EEG-fMRI e diferenciar as respostas BOLD relacionadas aos componentes iniciais e posteriores da IED. Embora os resultados ainda sejam preliminares para eleger qual método seria mais eficiente (cLORETA ou BMA), a distância encontrada entre o máximo ESI e o cluster de EEG-fMRI mais próximo foi consistentemente similar, em ambos, com os dados recentes da literatura.

Functional magnetic resonance imaging (fMRI) and combined EEG-fMRI usually rely on the successful detection of Blood Oxygenation Level Dependent (BOLD) signal. Typically, the analysis of both fMRI and EEG-fMRI are based on the General Linear Model (GLM) that aims at localizing the BOLD responses associated to an a priori model. However, the responses are not always canonical, as is the case of those from patients, which may reduce the reliability of the results. Therefore, the first objective of the present study was to explore the usage of classical methods, such as the GLM, and to propose alternative strategies to the analysis of fMRI and combined EEG-fMRI. A first method developed was based on the computation of the generalized Kullback-Leibler distance (gKLd), which does not require the use of an a priori model. Simulated data was used to allow quantitative comparison between the gKLd and GLM under different response conditions such as the signal to noise ratio and delay. The gKLd was then tested on real data, first from 14 asymptomatic subjects, submitted to classical motor and auditory fMRI protocols. The results demonstrate that under these conditions the GLM and gKLd are equivalent. The same strategy was applied to 02 patients with unilateral carotid stenosis. Now the dKLg was capable of detecting the expected bilateral BOLD responses that were not detected by the GLM, as a consequence of the response delay imposed by the stenosis. Those comparisons were now extended to the evaluation of EEG-fMRI exams from 45 patients with epilepsy. For this data set, an additional method was used, based on the use of Independent Component Analysis (ICA), which was called ICA-GLM. It allows extracting semi-automatically the amplitude, duration and topography of EEG interictal Epileptiform Discharges (IED), favoring the use of less prominent signals. Moreover, it also allows the use of BOLD response models with different delays, expanding the variability of the responses to be detected in patients with epilepsy. ICA-GLM was also compared to GLM and dKLg in these EEG-fMRI evaluations. Although in general the results have demonstrated the robustness of the GLM, dKLg was more efficient in detecting the responses from some pacients, while the ICA-GLM mostly detected broader regions with more significant results when compared to GLM. In general, dKLg and ICA-GLM seem to offer an important complementary aspect to the GLM, increasing its sensibility in EEG-fMRI as a whole. Another important aspect of EEG-fMRI applied to patients with epilepsy has been the inspection of Electrical Source Imaging (ESI) to evaluate some dynamical aspects of the IED. Herein, ESI maps were obtained from two inverse distributed solutions that were not applied so far to EEG-fMRI: Bayesian Model Averaging (BMA) and constrained Low Resolution Electromagnetic Tomography (cLORETA). Besides, we also evaluated the combined information from ESI and EEG-fMRI in order to differentiate from primary sources to temporal propagation of the signal. Such analysis allowed us to inspect for the correspondence between regions detected by ESI e EEG-fMRI and to separate BOLD signals whose sources are related to the initial and later components of the IED. Although the results are preliminary to determine which ESI method (cLORETA or BMA) is more efficient, the distance between the maximum ESI and the closest EEG-fMRI cluster was consistently similar with those reported in the literature.