Efecto del tamaño kernel en el suavizado de señal BOLD en paradigmas funcionales (RMf)

El suavizado es una técnica de filtraje esencial para el análisis de señal cerebral, que consiste en hacer promedio de la activación de un voxel con los que están a su alrededor. Diversos autores han propuesto alternativas o modificaciones a este proceso, pero resulta difícil encontrar investigaciones que comparen el efecto de diferentes tamaños de ventana de suavizado en los mismos datos. Así, el presente estudio pretende comprobar el efecto de la aplicación de diferentes tamaños de suavizado y resaltar la importancia de la elección del tamaño adecuado del mismo. Se aplicaron cinco criterios de suavizado a imágenes cerebrales resultantes de una tarea motriz sencilla por parte de cinco participantes adultos. Los distintos tamaños de suavizado muestran diferencias significativas en los resultados, principalmente entre la no aplicación de suavizado o el suavizado menor respecto a los dos de mayor tamaño. Las áreas cerebrales más activadas se mantienen a medida que aumenta el suavizado, mientras desaparecen aquellas con menos activación significativa y de área más reducida. Aunque se ha dispuesto de poca muestra, se puede ver una tendencia en los resultados que destaca la importancia de aplicar un suavizado en el tratamiento de imágenes RMf, pareciendo óptimos los suavizados de 2.5 y 3.