Η άνοια είναι ένα κλινικό σύνδρομο που εκδηλώνεται με έκπτωση στις γνωστικές λειτουργίες λόγω διάφορων νευροεκφυλιστικών αιτιών. Παρόλο που η διάγνωση εξαρτάται σε μεγάλο βαθμό από την κλινική εξέταση, η ύπαρξη βιοδεικτών μπορεί να βοηθήσει σημαντικά στην έγκαιρη διάγνωση της άνοια, ειδικά σε άτομα χωρίς κλινικά στοιχεία νευρογνωστικής εξασθένησης. Πιο συγκεκριμένα, οι νευροεκφυλιστικές ασθένειες συνδέονται με ανάπτυξη παθολογικών αλλαγών στον εγκέφαλο πολύ πριν την ανάπτυξη λειτουργικής ανεπάρκειας, καθιστώντας την νευροαπεικόνιση πιθανώς καίρια για την διάγνωση διαταραχών της άνοιας σε προσυμπωματικό στάδιο. Δημιουργείται η ανάγκη λοιπόν για πιο ακριβείς και αξιόπιστες τεχνικές εξέτασης της δομής και λειτουργικής συνδεσιμότητας του εγκεφάλου. Η παρούσα διπλωματική εργασία επικεντρώνεται στην ανάλυση δεδομένων λειτουργικών μαγνητικών τομογραφιών (fMRI) με χρήση της εργαλειοθήκης CONN του προγράμματος MATLAB. Μεταξύ άλλων τεχνικών απεικόνισης, η μαγνητική τομογραφία (MRI) παίζει βασικό ρόλο στην διαφοροποίηση μεταξύ των διαφόρων συνδρόμων άνοιας και στον αποκλεισμό άλλων υποκείμενων παθολογιών. Η μελέτη περιλαμβάνει ένα δείγμα 136 υποκειμένων που διαφοροποιούνται από υγιή άτομα (Normal) , ασθενείς με νόσο Αλτσχάιμερ (AD) , ασθενείς με μετωποκροταφική άνοια (FTD), ασθενείς με ήπια γνωστική έκπτωση (MCI) και ασθενείς με ήπια γνωστική έκπτωση υψηλού κινδύνου μετάπτωσης σε άνοια (MCI_AD). Πραγματοποιήθηκε προεπεξεργασία ,αφαίρεση θορύβου και ανάλυση των λειτουργικών και δομικών εικόνων του εγκεφάλου σε κατάσταση ηρεμίας και τέλος ανάλυση της λειτουργικής συνδεσιμότητας των διάφορων δικτύων του εγκεφάλου. Η ανάλυση επικεντρώθηκε στην εξέταση των προτύπων συνδεσιμότητας εντός του προεπιλεγμένου δικτύου, καθώς και άλλων δικτύων όπως το οπτικό, εξέχον και γλωσσικό δίκτυο. Τα ευρήματα στοχεύουν να ρίξουν φως στη σχέση μεταξύ αυτών των δικτύων και της εξέλιξης της νόσου της Άνοιας.

Dementia is a clinical syndrome manifested by a decline in cognitive functions due to various neurodegenerative causes. Although the diagnosis is mainly dependent on clinical examination, the presence of biomarkers can significantly aid in the early diagnosis of dementia, especially in individuals without clinical evidence of neurocognitive impairment. More specifically, neurodegenerative diseases are associated with the development of pathological changes in the brain long before the development of functional impairment, making neuroimaging potentially crucial for the diagnosis of dementia disorders in the presymptomatic stage. The need, therefore, arises for more accurate and reliable techniques for examining the structure and functional connectivity of the brain. This thesis focuses on the analysis of functional magnetic resonance imaging (fMRI) data using the CONN toolbox of the MATLAB program. Among other imaging techniques, magnetic resonance imaging (MRI) plays a key role in differentiating between the various dementia syndromes and ruling out other underlying pathologies. The study includes a sample of 136 subjects differentiated from healthy individuals (Normal), patients with Alzheimer's disease (AD), patients with frontotemporal dementia (FTD), patients with mild cognitive impairment (MCI) and patients with mild cognitive impairment at high risk of progression to dementia (MCI_AD). Pre-processing, noise removal, and analysis of the functional and structural images of the brain at rest were performed, and finally analysis of the functional connectivity of the various brain networks. The analysis focused on examining connectivity patterns within the default network, as well as other networks such as the visual, salience, and language networks. The findings aim to shed light on the relationship between these networks and the progression of dementia.