Desenvolvimento de métodos para análise de dados de experimentos naturalísticos com fNIRS (Developing method to analyze fNIRS signals from naturalistic experiments)
O cérebro é um dos órgãos mais intrigantes e complexos do corpo humano. Compreender sua função e estrutura tem sido um grande desafio para a ciência. A Espectroscopia de Infravermelho Próximo Funcional (fNIRS) é uma técnica de neuroimagem que melhorou nosso conhecimento dos mecanismos neurais subjacentes ao cérebro humano, especialmente durante as tarefas diárias. Esta tese visa fornecer novas metodologias para analisar dados fNIRS de experimentos naturalísticos. Dois métodos são propostos. Um combina a regressão da matriz de distância multivariada (MDMR) e a correlação entre sujeitos (ISC) para investigar a associação cérebro-comportamento. Aplicamos o framework proposto a dados de um experimento naturalístico sobre valências de emoções veiculadas pela música. O método identificou uma associação significativa de dados de fNIRS e resposta comportamental relacionada ao trecho musical que conduziu os participantes à valência mais negativa. Também aplicamos a metodologia proposta a um experimento de design de bloco tradicional para avaliar o córtex pré-frontal (PFC) durante uma tarefa de geração de números aleatórios. Comparamos os resultados com os resultados da análise com a abordagem tradicional de GLM. Ambos os resultados convergiram e demonstraram a viabilidade e aplicabilidade da metodologia proposta. O segundo método consiste em aplicar o Support Vector Regression (SVR) para prever a série temporal de fNIRS coletada de um cérebro usando os outros sinais cerebrais como preditores. Nós o aplicamos a dados de um hiperscanning de cinco díades professor-crianças durante uma tarefa de interação. Comparamos os resultados com as previsões usando os mínimos quadrados ordinários (OLS). O SVR previu os sinais dos alunos de todas as díades, enquanto o OLS previu apenas duas díades. As previsões de SVR foram estatisticamente significativamente correlacionadas com os dados de teste reais em pelo menos um par de canais para todas as díades. No geral, 27/85 pares de canais nas cinco díades (17 canais x 5 díades = 85 pares de canais) foram significativos com a abordagem de SVR. Por outro lado, o OLS convencional resultou em apenas 3 das 85 previsões válidas. Esses resultados demonstraram que o SVR poderia ser usado para realizar previsões por canal entre indivíduos. Assim, esta tese contribui para o campo de análise de dados fNIRS e abre novas oportunidades para a realização de experimentos com protocolos mais flexíveis.