Normalizing flows for neuroimaging research

dc.contributor
Universitat Pompeu Fabra. Departament de Tecnologies de la Informació i les Comunicacions
dc.contributor.author
Masias Bruns, Mireia
dc.date.accessioned
2024-07-26T10:31:28Z
dc.date.issued
2024-07-08
dc.identifier.uri
http://hdl.handle.net/10803/691941
dc.description.abstract
Psychotic disorders are characterized by poorly understood pathophysiological mechanisms, with a remarkable heterogeneity among patients, both cross-sectionally and longitudinally. This results in a lack of definitive biomarkers, whose outcome could greatly benefit from early diagnosis and intervention. In this thesis, we propose to address these challenges in two directions: from a neuroanatomical, and neurochemical standpoints. Although intrinsically different problems, these can be approached from a common perspective: distribution modeling. To achieve this, in both cases we propose tools sustained on the use of Normalizing Flows (NF), a relatively new family of generative-based artificial intelligence methods, characterized by their explicitness, expressiveness, and intrinsic bijectivity, with the ability to work with large-dimensional and/or complex data. These properties are analyzed in this thesis and later adapted for the two objectives. In the first case, we propose a tool to generate highly personalized normative neuroanatomical models. In this context, we need tools able to accurately align observed entities with those of a reference distribution, a process contextualized within a temporal framework. We address the issue by introducing an adaptation of the classic NF models, using Optimal Transport (OT) concepts, to enable the approximation of a source distribution to any target distribution accessible through samples. The bidirectional parametric nature of NF is proposed to be used to 1) enable the dynamic alignment of distributions, while 2) constraining the transformation paths, enforcing them to be smooth. The intrinsic bijectivity of NF is exploited to enable image-to-image translation across different time points, without the need for paired samples, enabling the prediction of individual brain trajectories through the years. In the second case, we propose to target the disentanglement of factors underlying functional alterations already observed at the onset of the disease, as suggested by our experiments. We propose achieving this using available whole-brain mathematical models (WBM), which may help overcome experimental limitations, while further opening the possibility to address causality methodologically. However, their usefulness is sustained by their well-posedness. Thus, we propose to take advantage of the explicitness and expressiveness of NF, considering their limitations in the context of the complex network behavior of the brain, to closely approximate the posterior of the inferred parameters, in an efficient and amortized manner, potentially easing the WBM’s translation to its clinical use. While further work is required, by leveraging the strengths of NF, this thesis aims to pave the way for the development of more precise diagnostic tools for psychotic disorders, extensible to its application to other neurological conditions.
ca
dc.description.abstract
Els trastorns psicòtics es caracteritzen per mecanismes fisiopatològics poc entesos, amb una notable heterogeneïtat entre els pacients, tant transversalment com longitudinal. Això dona lloc a una manca de biomarcadors definitius, l’existència dels quals podria beneficiar enormement el diagnòstic precoç i la intervenció de la malaltia. En aquesta tesi, proposem abordar aquestes dificultats en dues direccions: des d'un punt de vista neuroanatòmic i neuroquímic. Tot i ser problemes intrínsecament diferents, aquests podrien abordar-se des d'una perspectiva comuna: la modelització de distribucions. Per aconseguir-ho, en ambdós casos proposem eines basades en l'ús de Fluxos Normalitzadors (NF), una família relativament nova de mètodes generatius d'intel·ligència artificial, caracteritzats per la seva explicitat, expressivitat i bijectivitat intrínseca, amb la capacitat de treballar amb dades complexes i/o d'alta dimensionalitat. Dites propietats s'analitzen en aquesta tesi i s'adapten amb la finalitat d'assolir els objectius esmentats. En el primer cas, proposem una eina per generar models neuroanatòmics normatius personalitzats. En aquest context, necessitem eines capaces d'ajustar amb precisió les entitats observades amb les d'una distribució de referència, un procés contextualitzat dins d'un marc temporal. Abordem aquesta qüestió introduint una adaptació dels models NF clàssics, utilitzant conceptes de Transport Òptim (OT), per permetre l'aproximació d'una distribució font a qualsevol distribució de destinació accessible a través de mostres. Es proposa utilitzar la naturalesa paramètrica bidireccional dels NF per 1) possibilitar l'ajust dinàmic de les distribucions, mentre 2) restringim els camins de transformació, obligant-los a ser progressius. Així mateix, s'aprofita la bijectivitat intrínseca dels NF per permetre la traducció d'imatge a imatge a través de diferents punts temporals, sense necessitat de disposar de mostres aparellades, permetent la predicció de les trajectòries cerebrals individuals al llarg dels anys. En el segon cas, proposem desentrellar el paper dels factors subjacents a les alteracions funcionals ja observades en el començament de la malaltia, com suggereixen els nostres experiments. Proposem aconseguir-ho utilitzant models matemàtics capaços de generar simulacions a nivell de xarxa cerebral completa, els quals poden ajudar a superar les limitacions experimentals, i a més, obren la possibilitat d'abordar metodològicament la causalitat. No obstant això, la seva utilitat es basa en la seva bona formulació. Així, proposem aprofitar l’explicitat i expressivitat dels NF, considerant les seves limitacions en el context de la complexa xarxa cerebral, per aproximar la distribució posterior dels paràmetres inferits, de manera eficient i amortitzada, amb l'objectiu final de facilitar la translació dels models WBN al seu ús clínic. Tot i que es requereix més treball, aprofitant els punts forts dels NF, aquesta tesi té com a objectiu obrir el camí per al desenvolupament d'eines de diagnòstic més precises per a trastorns psicòtics, extensibles a la seva aplicació a altres condicions neurològiques.
ca
dc.format.extent
171 p.
ca
dc.language.iso
eng
ca
dc.publisher
Universitat Pompeu Fabra
dc.rights.license
ADVERTIMENT. Tots els drets reservats. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs.
ca
dc.source
TDX (Tesis Doctorals en Xarxa)
dc.subject
Psychotic disorders
ca
dc.subject
Normalizing flows
ca
dc.subject
Normative modeling
ca
dc.subject
Optimal transport
ca
dc.subject
Whole-brain models
ca
dc.subject
Amortized inverse-inference
ca
dc.subject
Trastorns psicòtics
ca
dc.subject
Fluxos normalitzadors
ca
dc.subject
Modelització normativa
ca
dc.subject
Transport òptim
ca
dc.subject
Models de funció cerebral
ca
dc.subject
Inferència inversa amortitzada
ca
dc.title
Normalizing flows for neuroimaging research
ca
dc.type
info:eu-repo/semantics/doctoralThesis
dc.type
info:eu-repo/semantics/publishedVersion
dc.subject.udc
62
ca
dc.contributor.authoremail
mireia.masias@upf.edu
ca
dc.contributor.director
Piella, Gemma
dc.contributor.director
González Ballester, Miguel Ángel
dc.embargo.terms
24 mesos
ca
dc.date.embargoEnd
2026-07-08T02:00:00Z
dc.rights.accessLevel
info:eu-repo/semantics/embargoedAccess
dc.description.degree
Programa de Doctorat en Tecnologies de la Informació i les Comunicacions


Documents

This document contains embargoed files until 2026-07-08

This item appears in the following Collection(s)