Συντάχθηκε 30-05-2018 12:57
από Sofia Malandraki
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Προπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
ΕΛΕΝΗΣ ΠΕΤΡΟΥ
με θέμα
Εγκεφαλικά Δίκτυα Μέγιστης Ροής Συγχρονισμού Φάσης
Μαγνητοεγκεφαλογραφικών Σημάτων
Brain Networks of Maximum Synchronization from Magneto-encephalographic Signals
Παρασκευή 1 Ιουνίου 2018, 11:30 π.μ.
Αίθουσα 145.Π42, Κτίριο Επιστημών, Πολυτεχνειούπολη
Εξεταστική Επιτροπή
Καθηγητής Μιχαήλ Ζερβάκης (επιβλέπων)
Καθηγητής Μίνως Γαροφαλάκης
Καθηγητής Αθανάσιος Λιάβας
Περίληψη
Ο ανθρώπινος εγκέφαλος, ως ένα από τα πολυπλοκότερα βιολογικά συστήματα και αδιάσπαστο κομμάτι των καθημερινών μας πράξεων, έχει αποτελέσει, τις τελευταίες δεκαετίες, αντικείμενο μελέτης για την κατανόηση βασικών λειτουργιών του και, πιο συγκεκριμένα, τον εντοπισμό θεμελιωδών δυσλειτουργιών και διαταραχών αυτού. Για το λόγο αυτό, πολλά είναι εκείνα τα συστήματα που έχουν εφευρεθεί για την χωρική και χρονική απεικόνιση της δραστηριότητας του ανθρωπίνου εγκεφάλου. Η Μαγνητοεγκεφαλογραφία (ΜΕΓ) αποτελεί μία μη - επεμβατική νευροαπεικονιστική μέθοδο για την ανίχνευση της χωρικής πληροφορίας του εγκεφάλου μέσω της καταγραφής του μαγνητικού πεδίου, το οποίο παράγεται από την ηλεκτρική εγκεφαλική δραστηριότητα. Στην παρούσα διπλωματική εργασία μελετώνται οι ΜΕΓ καταγραφές παιδιών με αναγνωστικές δυσκολίες (Reading Difficulties Group - RD) και παιδιών χωρίς εγκεφαλικές διαταραχές (Non Impaired Group - NI). Με σκοπό την ανίχνευση και τον περιορισμό της μη – εγκεφαλικής δραστηριότητας γίνεται χρήση της μεθόδου των Ανεξάρτητων Συνιστωσών (Independent Component Analysis - ICA). Ως αποτέλεσμα της συγκεκριμένης μεθόδου είναι η εξαγωγή των στατιστικά ανεξάρτητων συνιστωσών (Independent Components – ICs), περιλαμβάνοντας είτε εγκεφαλική είτε μη - εγκεφαλική δραστηριότητα. Στην συνέχεια, δομείται ο γράφος λειτουργικής συνδεσιμότητας (Functional Connectivity Graph – FCG), μέσω της μετρικής καθυστέρησης φάσης (Phase Lag Index - PLI), η οποία αναπαριστά τον συγχρονισμό φάσης μεταξύ δύο σημάτων. Προκειμένου να εξασφαλιστεί η διατήρηση των σημαντικότερων συνδέσεων (significant links) μεταξύ των κόμβων του κάθε FCG, υπολογίζεται η μετρική της καθολικής αποδοτικότητας κόστους (Global Cost Efficiency - GCE). Εν συνεχεία, στο πεδίο μελέτης συμπεριλαμβάνεται ο υπολογισμός των Rich Club τοπολογιών, με στόχο την ανάδειξη κόμβων με υψηλό ποσοστό πληροφορίας και εκτιμώνται στατιστικές διαφορές πάνω στις τοπολογίες αυτών μεταξύ των δύο ομάδων. Οι στατιστικά σημαντικές διαφορές, που προέκυψαν μεταξύ των δύο υπό μελέτη ομάδων συγκεντρώνονται, κυρίως, στην πάνω από τον μετωπιαίο λοβό πλευρά και αριστερά πάνω από το βρεγματικό και κροταφικό λοβό. Αυτά τα στοιχεία έρχονται σε συμφωνία με προηγούμενες μελέτες, εφόσον στις συγκεκριμένες περιοχές εδράζονται τα κύρια κέντρα του λόγου. Επομένως, η χρήση ΜΕΓ και ο συνδυασμός συγχρονισμού φάσης και Rich Club τοπολογιών ίσως βοηθήσει μελλοντικά στην μη επεμβατική ανάδειξη δυσλειτουργιών και κατά συνέπεια στην διάγνωση αναγνωστικών δυσκολιών.
Abstract
The human brain, as one of the most complex biological systems and an inseparable part of our daily actions, has been the object of study over the last few decades to understand its basic functions and, more specifically, to identify its fundamental dysfunctions and disorders. For this reason, there are many systems that have been invented for spatial and temporal imaging of human brain activity. Magnetoencephalography (MEG) is a non-invasive neuroimaging method for detecting spatial information of the brain by recording the magnetic field, generated by electrical activity of the brain. In this thesis are studied the MEG recordings, that were obtained from children with Reading Difficulties (RD Group) and from Non-Impaired children (NI Group). In order to detect and restrict non-cerebral activity, the Independent Component Analysis (ICA) is used. As a result of this method is the export of Independent Components (ICs), that represent cerebral or non-cerebral activity. After that the Functional Connectivity Graph (FCG) is built, through the Phase Lag Index (PLI), which represents the phase synchronization between two signals. In order to ensure the maintenance of the most significant links between the nodes of each FCG, the Global Cost Efficiency (GCE) is calculated. Moreover, in the field of study is also included the estimation of Rich Club topologies, aiming at the pointing out of nodes with high rate of information and the statistical differences on topologies between the two groups are estimated. The statistically significant differences, that occurred between the two groups are mainly appeared above the frontal lobe side and on the left side above the parietal and temporal lobe. These elements are in agreement with previous studies, since the main language centres are located in these areas. Therefore, the use of MEG, in combination with phase synchronization and Rich Club topologies may help in the future in non-invasive pointing out of disorders and consequently in the diagnosis of reading difficulties.
Σύνδεσμος εκδήλωσης:
Τόπος: Λ - Κτίριο Επιστημών/ΗΜΜΥ, 145Π-42, Πολυτεχνειούπολη
Έναρξη: 01/06/2018 11:30
Λήξη: 01/06/2018 12:30
