Συντάχθηκε 05-10-2015 15:00
από Esthir Gelasaki
Email συντάκτη: egelasaki<στο>tuc.gr
Ενημερώθηκε:
-
Ιδιότητα: υπάλληλος.
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
ΠΕΖΟΥΛΑ ΒΑΣΙΛΗ
με θέμα
Δυναμική ανάλυση εγκεφαλικής δραστηριότητας με χρήση Μαγνητοεγκεφαλογραφικών (ΜΕΓ) σημάτων
Dynamic analysis of brain activity using
Magnetoencephalographic (MEG) signals
Τετάρτη 7 Οκτωβρίου 2015, 11:30πμ
Αίθουσα 2041, Κτίριο Επιστημών, Πολυτεχνειούπολη
Εξεταστική Επιτροπή
Καθηγητής Μιχάλης Ζερβάκης (επιβλέπων)
Αναπληρώτρια Καθηγήτρια Αικατερίνη Μανιά
Αναπληρωτής Καθηγητής Γεώργιος Καρυστινός
Περίληψη
Η Μαγνητοεγκεφαλογραφία (Magnetoencephalography - MEG), είναι μια σύγχρονη μη-επεμβατική νευροαπεικονιστική μέθοδος για την ανίχνευση, την ανάλυση και την ερμηνεία του μαγνητικού πεδίου που παράγεται από την ηλεκτρική δραστηριότητα του εγκεφάλου. Στόχος της διπλωματικής εργασίας είναι να αναδείξει τις εγκεφαλικές περιοχές που παρουσιάζουν σημαντικές διαφορές στην λειτουργική συνδεσιμότητα, εξετάζοντας μαγνητοεγκεφαλογραφικά (ΜΕΓ) δεδομένα από δύο ομάδες υποκειμένων, σε κατάσταση ηρεμίας ˙ την μη-απομειωμένη ομάδα (NI - Group) και την ομάδα των αναγνωστικών δυσκολιών (RD - Group). Για να καταστεί αυτό εφικτό, χρησιμοποιείται η μέθοδος της δυναμικής ανάλυσης, παρέχοντας την δυνατότητα λεπτομερούς μελέτης της εγκεφαλικής δραστηριότητας, σε επιμέρους χρονικά στιγμιότυπα. Ωστόσο, πριν την εφαρμογή της, είναι απαραίτητη η ενσωμάτωση μια ολοκληρωμένης διαδικασίας προεπεξεργασίας. Η προεπεξεργασία εφαρμόζεται για κάθε υποκείμενο ξεχωριστά και συνίσταται στην κατάλληλη προετοιμασία των δεδομένων, στην εξαγωγή των ανεξάρτητων συνιστωσών (ICs) της εγκεφαλικής (και μη) δραστηριότητας με χρήση της ICA, στην προτεινόμενη μέθοδο για την ανίχνευση και διόρθωση των ICs που αντιστοιχούν σε διάφορες βιολογικές ή άλλου είδους παρεμβολές (artifacts). Η δυναμική ανάλυση εφαρμόζεται στα διορθωμένα δεδομένα κάθε υποκειμένου, δίνοντας έμφαση σε συνολικά επτά επιμέρους εγκεφαλικούς ρυθμούς και στηρίζεται στην μετρική καθυστέρησης φάσης (PLI) για την κατασκευή των λεγόμενων γράφων λειτουργικής συνδεσιμότητας (FCGs), σε κάθε χρονικό στιγμιότυπο (δυναμικοί γράφοι). Έπειτα υπολογίζονται οι μέσοι δυναμικοί γράφοι (με βάρη τις τιμές του μέσου PLI), λαμβάνοντας τον μέσο όρο των αντίστοιχων στιγμιοτύπων του PLI, σε κάθε ομάδα. Πάνω στους τελευταίους κατασκευάζονται ελάχιστα συνδετικά δέντρα (MSTs), έχοντας ως στόχο την αποκλειστική διατήρηση των ισχυρών συνδέσεων μεταξύ των αισθητήρων. Για την μελέτη των δομικών και λειτουργικών χαρακτηριστικών κάθε MST, χρησιμοποιούνται οι μετρικές BC, ECC και DEG. Στις μετρικές αυτές εφαρμόζεται η στατιστική ανάλυση, σε επίπεδο καναλιών, με στόχο τον εντοπισμό στατιστικά σημαντικών διαφορών μεταξύ του μέσου αριθμού υποκειμένων των δύο ομάδων. Ωστόσο, μόνο οι μετρικές BC και DEG εκδήλωσαν έντονη συγκέντρωση σημαντικών διαφορών. Τέλος, τα αποτελέσματα της δυναμικής ανάλυσης επιβεβαιώνουν ευρήματα από την βιβλιογραφία, αναφορικά με την ύπαρξη διαφορών στα κέντρα του λόγου, στον μηχανισμό της ανάγνωσης αλλά και στις διεργασίες της μνήμης, που επικεντρώνονται στον βήτα εγκεφαλικό ρυθμό και εντοπίζονται κυρίως στην περιοχή μεταξύ του αριστερού βρεγματικού και κροταφικού λοβού, στον προμετωπιαίο λοβό καθώς και σε περιοχές μεταξύ των ινιακών και κροταφικών λοβών, των δύο ημισφαιρίων.
Abstract
Magnetoencephalography (MEG) is a modern, non-invasive, neuroimaging method for detecting, analyzing and interpreting the magnetic field generated by the electrical activity in the brain. The objective of this thesis is to highlight the brain regions that exhibit significant differences in functional connectivity, by examining MEG recordings that were obtained from two groups of subjects, in resting state ˙ the non-impaired group (NI - Group) and the reading disorders group (RD - Group). In order to make this possible, the method of dynamic analysis is used, providing the ability for a much more detailed study of the brain activity, into individual time segments. However, before implementing this approach, it is necessary to incorporate an integrated preprocessing process. Preprocessing is applied for each individual subject and involves a proper preparation of the data, such as extracting the independent components (ICs) of the brain (and non-brain as well) activity using ICA and implementing the proposed method for the detection and correction of ICs corresponding to various biological or other interferences (artifacts). Dynamic analysis is applied to the corrected data of every subject, focusing on a total of seven individual brain rhythms and is based on the metric of phase lag index (PLI) in order to construct the so-called functional connectivity graphs (FCGs) at each time instant (dynamic graphs). Average dynamic graphs are then computed (using as weights the values of mean PLI), by calculating the average of the respective segments of PLI, in each group. On these graphs, minimum spanning trees (MSTs) are constructed so as to preserve, exclusively, the most powerful connections between the sensors. In order to study the structural and functional characteristics of each MST, the metrics of BC, ECC and DEG have been used. Based on these three metrics, statistical analysis has been performed, at channel level, in order to detect statistically significant differences between the average number of subjects in each group. However, only the BC and DEG metrics exhibited high concentration of significant differences. Finally, the results of dynamic analysis confirm findings from the literature, regarding the existence of differences in the language centers, in the reading mechanisms as well as in memory processes, which focus on beta brain rhythm and are mainly located in the area between the left temporoparietal lobe, in the prefrontal lobe and also in areas between the occipital and temporal lobes of both hemispheres.
