Imagem funcional por ressonância magnética (fMRI) é uma técnica usada para estudar a localização de atividade no cérebro humano em funcionamento. Durante um experimento de fMRI, uma sequência de imagens por ressonância magnética é adquirida enquanto um indivíduo deesempenha tarefas comportamentais específicas. Mudanças no sinal medido podem ser usados para identificar e caracterizar a atividade cerebral resultante da tarefa desempenhada. Duas questões centrais na análise dos dados de fMRI adquiridos durante uma estimulação periódica são: i) como medir a resposta determinada experimentalmente em séries temporais de fMRI; e ii) como decidir se uma resposta aparente é significativa. Neste trabalho, nossos esforços são direcionados para tentar resolver a segunda questão. Assim, estudamos dois algoritmos inspirados em m todos bayesianos: o método de pixel independente e um novo método multigrid bayesiano. Os resultados obtidos em aplicações a dados artificiais do método de pixel independente, mostraram a importância da informação a priori no erro total de atribuição de atividade. A fim de direcionar o problema de atribuição a priori de um único pixel, propomos um esquema interativo que origina-se do fato que pixels individuais tendem a estar agrupados. Ele é baseado em uma aplicação de multiescalas de idéias bayesianas. Seu objetivo é construir uma distribuição de probabilidade a priori para atribuição de atividade a um dado pixel a partir das propriedades de atribuição de atividade a uma região de grande escala. Assim permite introduzir um prior local a partir das propriedades globais da imagem. A atribuição de atividade, o resultado principal do algoritmo, é proporcional à distribuição de probabilidade posterior no final da escala, aquele de um pixel. Estudamos dados artificiais e reais fornecidos de um simples experimento motor. Os resultados, ainda preliminares, são muito positivos. Também apontamos várias ) direções para pesquisa futura que podem possivelmente ajudar a fazer esta nova técnica útil em um nível prático.

Functional Magnetic Resonance Imaging (fMRI) is a technique used for studying the localization of activity in the working human brain. During a fMRI experimento, a sequence of magnetic resonance images is obtained while a subject performs specific behavioral tasks. Changes in the measured signal can be used to identify and characteriz brain activity resultant of the task performance. Two central questions in the analysis of fMRI data acquired during periodic stimulation are: i) how to measure the experimentally determined response in fMRI times series; and ii) how to decide wheter an apparent response is significant. In this work we address the second question. Thus, we study two algorithms inspired in bayesian methods: the independent pixel method and a new multigrid bayesian method. The results obtained in applications to artificial data of the independent pixel algorithm showed the importance of the prior information in the overall error of atribution of activity. In norder to address the problem of prior attribution of a single pixel we propose an iterative scheme that stems from the fact that individual pixels are not expected to be isolated. It is based on a multigrid application of bayesian ideas. Its objective is to build a prior probability distribution for assignment of activity toa given region from the properties of the attribution of activity to a larger scale region. Thus, it permits introducing a local prior from the global properties of the image. The level of activity, the algorithm main result, is proportional to the porterior probability distribution in the finnes scale, that of a pixer. We studied both artificial and real data acquired of a simple motor experiment. The results, white still preliminary are very positive. We also point out several directions for future research which may possibly help make this new technique useful on a practical level.