Ημερολόγιο Εκδηλώσεων

Περιγραφή:
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών Πρόγραμμα Προπτυχιακών Σπουδών ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ ΜΑΡΙΑΣ ΠΑΤΣΙΟΥΡΑ με θέμα ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΜΑΓΝΗΤΟΕΓΚΕΦΑΛΟΓΡΑΦΗΜΑΤΟΣ ΑΠΟ ΠΡΟΚΛΗΤΑ ΔΥΝΑΜΙΚΑ ΟΠΤΙΚΟΥ ΚΑΙ ΑΚΟΥΣΤΙΚΟΥ ΕΡΕΘΙΣΜΑΤΟΣ MEG DATA ANALYSIS OF EVOKED POTENTIALS FROM VISUAL AND AUDITORY STIMULI Εξεταστική Επιτροπή Καθηγητής Μιχάλης Ζερβάκης (επιβλέπων) Καθηγητής Κωνσταντίνος Μπάλας Αναπληρώτρια Καθηγήτρια Αικατερίνη Μανιά Περίληψη Η μαγνητοεγκεφαλογραφία (ΜΕΓ) είναι ένα χρήσιμο εργαλείο προς την κατεύθυνση της κατανόησης των μηχανισμών του ανθρώπινου εγκεφάλου και έχει αξιολογηθεί για την μεγαλύτερη ακρίβειά της σε σχέση με άλλες μεθόδους. Το πεδίο εφαρμογής της παρούσας μελέτης είναι η εξαγωγή των χαρακτηριστικών συγχρονισμού χρησιμοποιώντας ανάλυση ανεξάρτητων συνιστωσών (ICA) σε ΜΕΓ καταγραφές από κανονικούς ανθρώπους, οι οποίοι έχουν υποβληθεί σε ένα πείραμα που περιλαμβάνει την έκθεση σε οπτικό και ακουστικό ερέθισμα. Ο σκοπός της παρούσας διπλωματικής εργασίας είναι η επεξεργασία των δεδομένων ΜΕΓ, προκειμένου να αρθούν τα σήματα που μολύνουν τις καταγραφές της καθαρής εγκεφαλικής δραστηριότητας και, στη συνέχεια, η ταξινόμηση των καναλιών ΜΕΓ, προκειμένου να κατηγοριοποιηθούν οι πιο σημαντικές, αυτές που είναι περισσότερο εμπλεκόμενες στην οπτική και την ακουστική ανταπόκριση του εγκεφάλου, ομάδες καναλιών. Αρχικά, χρησιμοποιήθηκαν κατάλληλες διαδικασίες φιλτραρίσματος, καθώς και μέθοδοι όπως BSS και ICA. Η εφαρμογή της ICA βοήθησε στην εμφάνιση της κρυμμένης εγκεφαλικής και της μη-εγκεφαλικής δραστηριότητας καθώς και στην εξάλειψη των μη-εγκεφαλικών δραστηριοτήτων από τις ανεξάρτητες συνιστώσες. Για τους σκοπούς της ομαδοποίησης των καναλιών, η μέθοδος που χρησιμοποιήθηκε είναι ο αλγόριθμος k-means, με τη βοήθεια των μέτρων, όπως ο δείκτης υστέρησης φάσης (PLI), η ενέργεια και η κύρτωση. Τέλος, μια στατιστική ανάλυση έγινε για την εξαγωγή στατιστικών διαφορών μεταξύ των ακουστικών και των οπτικών αποτελεσμάτων. Abstract Magnetoencephalogram (MEG) is a useful tool towards the direction of understanding of the mechanisms of human brain having been assessed for its superior accuracy over other modalities. The scope of the present study is the extraction of synchronization features using independent component analysis (ICA) on MEG recordings from normal people after being subjected to an experiment that involves exposure to visual and auditory stimulus. The purpose of this diploma thesis is to process MEG data in order to remove artifacts contaminating the brain activity recordings and then to classify the MEG channels in order to categorize the most important ones, that are most involved in the visual and the auditory brain response, into clusters. For the first task, proper filtering procedures, BSS and ICA methods were used. The application of ICA helps to emerge hidden cerebral and non-cerebral activity and the elimination of non-cerebral activity to the independent components. For the clustering purposes, the method that was used is k-means algorithm, with the help of measures like phase lag index (PLI), energy and kurtosis. Finally, a statistical analysis was performed for the extraction of statistical differences between auditory and visual results.