|
|
Simulace syntetických difúzních MRI dat na základě Brownova pohybu
Valla, Radek ; Mikl, Michal (oponent) ; Labounek, René (vedoucí práce)
Tato diplomová práce se věnuje dMRI (zobrazování pomocí difuzně vážené magnetické rezonance), a jeho závislosti na difusi v prostředí mozku. Popisuje možnosti převodu získaných signálů do obrazu a jejich vlastnosti, výhody a nevýhody. Věnuje se problému dotýkajících se vláken a jejich zaměnitelnosti s křížícími se vlákny. Je zde také návrh matematických aproximací axonů a návrh simulátoru difuzně vážených MRI (dMRI) dat a jeho realizace. Popisuje jeho schopnost data generovat na základě algoritmu náhodné procházky s geometrickým omezením pro křížící se a ohýbající se vlákna. Práce obsahuje vyhodnocení simulací a jejich interpretace a budoucí možné vylepšení tohoto simulátoru. Výsledná data vykazovala pro některé gradienty dostatečnou rozdílnost, následná rekonstrukce dMRI dat ale ukázala, že tato data se nedají rekonstruovat na stejnou geometrii pro jakou byla simulována.
|
|
|
Trasování axonálních svazků v difúzních MRI obrazech mozku
Piskořová, Zuzana ; Vojtíšek, Lubomír (oponent) ; Labounek, René (vedoucí práce)
Bakalářská práce se zabývá trasováním svazků bílé hmoty v difuzních MRI datech mozku (traktografií). Bílá hmota se vyznačuje specifickým charakterem profilu difuze. Úvodní rešeršní část práce obsahuje výčet existujících metod odhadu 3D profilu anizotropní difuze a popis základního rozdělení trasovacích alrgoritmů. Pro odhad profilu difuze byl vybrán difuzní tensorový model. Na základě DTI bylo vytvořeno vektorové pole nesoucí informaci o směru difuze pro každý voxel. Zadáním startovacího bodu jsme získali úlohu řešitelnou aparátem pro řešení obyčejných diferenciálních rovnic. Pro tuto úlohu byla testována Eulerova a Runge-Kuttova metoda, jako terminační podmínky byly zvoleny nízká hodnota frakční anizotropie a práh pro maximální povolené zakřivení trajektorie. Algoritmus byl testován na matematickém a traktografickém fantomu než bylo přistoupeno k aplikaci na reálná data. Výsledky trasování na fantomech prokázaly správnou funkčnost algoritmu. Dle očekávání se objevila chyba v místech křížení vláken, která souvisí s DTI modelem. Pro řešení problematických vláken zadaných startovacími body u okraje vlákna byl navržen algoritmus frakční anizotropií váhované trilineární interpolace, jehož implementace však nepřinesla zásadní zlepšení. Výsledky trasování na reálných biologických datech přinesly diskutabilnější výsledky. Trasování bylo provedeno na 5 subjektech a 4 anatomicky specifických traktech. Výsledky byly srovnány a vyhodnoceny na základě podobnosti s atlasem traktů bílé hmoty.
|
|
|
Detekce bdělosti mozku ze skalpového EEG záznamu za pomoci vyšších statistických metod
Semeráková, Nikola ; Ronzhina, Marina (oponent) ; Labounek, René (vedoucí práce)
Diplomová práce se věnuje detekci bdělosti mozku ze skalpového EEG záznamu pomocí vyšších statistických metod. Součástí práce je popis elektroencefalografie, od způsobu geneze signálu, snímání, elektroencefalografu, artefaktů EEG signálu, frekvenčních pásem EEG signálu až po jeho možné zpracování. Dále je zde rozebrán pojem mentální únavy a možnosti její detekce v EEG signálu. Následně jsou zde popsány principy vyšších statistických metod PCA a ICA a konkrétní možnosti dekompozice EEG signálu pomocí těchto metod, ze kterých byla vybrána metoda skupinové prostorovofrekvenční ICA jako vhodná metoda pro selekci dílčích oscilačních zdrojů v EEG signálu V další části je popsán způsob akvizice dat, návrh řešení za pomoci vybrané metody a popis implementovaného algoritmu, který byl aplikován na reálná 256-svodová skalpová EEG data nasnímaná při plnění blokového úkolu zaměřeného na testování pozornosti subjektů. Dekomponován byl absolutní a relativní výkon EEG signálu. Z dosažených výsledků pozorujeme, že fluktuace prostorovofrekvenčních vzorů relativního výkonu (zejména pro theta a alfa pásma) mnohem více signifikantně korespondují se změnou reakčního času a s chybovostí subjektů plnících úkol. Tato dosažená pozorování se jeví poměrně konzistentní s dříve publikovanou literaturou a aktuální studie ukazuje, že prostorovo-frekvenční ICA je schopna slepě izolovat prostorovo-frekvenční vzory, jejichž fluktuace jsou statisticky signifikantně korelované s parametry (reakční čas, míra chybovosti) plynoucími přímo z plnění daného úkolu.
|
|
|
Analýza souvislostí mezi simultánně měřenými EEG a fMRI daty
Labounek, René ; Kremláček,, Jan (oponent) ; Lamoš, Martin (vedoucí práce)
Elektroencefalografie a funkční magnetická rezonance jsou dvě rozdílné metody měření neurální aktivity mozku. EEG signály disponují výborným časovým rozlišením, fMRI snímky pořizují záznamy mozkové aktivity ve výborném prostorovém rozlišení. Předpokládá se, že společnou analýzou je možné využít výhody obou metod současně. K automatické analýze fMRI dat pomocí obecného lineárního modelu slouží volně dostupný software Statistical Parametric Mapping (SPM8), který ale neumožňuje automatizovanou EEG–fMRI analýzu. Proto byl během diplomové práce vytvořen software EEG Regressor Builder, který předzpracuje EEG signály do podoby EEG regresorů, které je možné načíst programem SPM8, kde se spolu s fMRI daty spočítá obecný lineární model. EEG regresory jsou tvořeny vektory časových změn absolutních nebo relativních hodnot výkonu EEG signálu v zadaných frekvenčních pásmech z vybraných elektrod vzhledem k dobám pořízení jednotlivých fMRI snímků. Software je testován na simultánních EEG–fMRI datech vizuálního oddball experimentu. EEG regresory se počítají pro časové změny absolutního i relativního výkonu EEG signálu ve třech frekvenčních pásem zájmu ( 8-12Hz, 12-20Hz a 20-30Hz) z okcipitálních elektrod (O1, O2 a Oz). Celkem jsou provedeny tři druhy testovacích analýz. V první se zkoumají data od tří jednotlivců. Hodnotí se přesnosti výsledků vzhledem k možnostem nastavení metody výpočtu regresoru. V druhé se provedla skupinová analýza dat od dvaceti dvou zdravých pacientů. Ve třetí se realizuje skupinová analýza EEG regresorů pomocí korelační matice vzhledem k zadanému druhu výkonu a frekvenčnímu pásmu mimo obecný lineární model.
|
|
|
Hodnocení vlivu mrkání na výsledek fúze simultánních EEG-fMRI dat
Dobiš, Lukáš ; Jakubíček, Roman (oponent) ; Labounek, René (vedoucí práce)
Práce se zabývá základní teorií k simultánní fúzi EEG-fMRI dat. Principy akvizice jednotlivých dat a jejich artefakty s rozsáhlým zaměřením na jejich předzpracování. Konkrétně na potlačení artefaktu mrkání z EEG dat a metodou analýzy nezávislých komponent. Dále se zabývá technikou fúze dat v obecném lineárním modelu a vytvořením aktivačních map statisticky významných korelací. Práce obsahuje popis metodiky potřebné na analýzu výsledků. Jsou popsány parametry použitých dat. Je navržen a aplikován proces předzpracování EEG dat, včetně potlačení artefaktu a fúze s vyhodnocením v prostředí MATLAB. Výsledky vyhodnocení prokázaly větší vliv mrkacího artefaktu na výsledky počítané z relativního výkonu a neúplnost kompletního potlačení artefaktu z dat pro testovanou metodu.
|
|
|
Sdružená EEG-fMRI analýza na základě heuristického modelu
Janeček, David ; Kremláček, Jan (oponent) ; Labounek, René (vedoucí práce)
Diplomová práce se zabývá sdruženou EEG-fMRI analýzou na základě heuristického modelu. Heuristický model popisuje vztah mezi změnami v prokrvení aktivních mozkových oblastí a v elektrické aktivitě neuronů. Dále se tato práce zabývá různými metodami extrakce užitečné informace z EEG záznamu a jejich vlivy na konečný výsledek sdružené analýzy. Byly testovány metody průměrování elektrod zájmu, rozklad pomocí analýzy hlavních komponent a rozklad pomocí nezávislých komponent. Metoda průměrování elektrod zájmu a rozklad pomocí PCA dává podobné výsledky, ale není možné z EEG záznamu extrahovat jedinečnou informaci o určitém stimulačním vektoru. Pomocí ICA rozkladu jsme schopni získat informaci vztahující se k určité stimulaci, ale nastává zde problém v konečné interpretaci a výběru správné komponenty při slepém hledání variability spřažené s experimentem. Bylo zjištěno, že ačkoliv komponenty vypočtené z časové posloupnosti EEG záznamu jsou vzájemně nezávislé, jejich posun spektra vzájemně koreluje. Tato spektrální závislost byla eliminována PCA/ICA rozkladem až na vektorech posunu spektra. Zde již každá komponenta přináší novou informaci o mozkové aktivitě. Výsledky z heuristického přístupu byly porovnávány s výsledky sdružené analýzy na základě výpočtu relativního a absolutního výkonu v pásmech zájmu a byly nalezeny souvislosti mezi aktivačními mapami, a to především mezi heuristickým modelem a relativním výkonem v pásmu gamma (20-40 Hz).
|
|
|
Převrácené hodnoty výkonu EEG signálu ve sdružené EEG-fMRI analýze
Sanetrníková, Dominika ; Kolář, Radim (oponent) ; Labounek, René (vedoucí práce)
Úvodní část práce shrnuje základní teorii měření mozkové aktivity pomocí BOLD signálu a skalpového EEG, vliv šumových jevů v naměřených datech, možnosti jejich potlačení, fúze naměřených dat pomocí obecného lineárního modelu a stávající implementaci výpočetních algoritmů v softwarové knihovně EEG Regressor Builder 1.0. V rámci vlastního řešení jsou v práci popsány změny softwarové knihovny na verzi 1.1 podle požadavků zadání bakalářské práce. Byla testována hypotéza, zda časové změny relativního výkonu pásma (20-40Hz) EEG signálu disponují stejnými prostorovými koreláty s BOLD signálem jako převrácené hodnoty výkonu ve frekvenčním pásmu 0-12Hz. Hypotéza byla zamítnuta na základě výpočtu hodnot podobnostních kritérií mezi 3D aktivačními mapami pro různé nastavení parametrů výpočtu společné analýzy, kde se jako vhodné ukázaly korelační koeficient nebo kosínové kritérium, Euklidovská vzdálenost se ukázala jako nevhodné podobnostní kritérium. Zároveň bylo prokázáno, že převrácená hodnota výkonu EEG signálu v daném frekvenčním pásmu pouze přináší do společné EEG-fMRI analýzy anti-korelovaný signál ke standardnímu absolutnímu výkonu ve stejném frekvenčním pásmu. Dále vliv pohybových regresorů snižuje počet nadprahových voxelů.
|
|
|
Simultanneous EEG-FMRI Data Fusion with Generalized Spectral Patterns
Labounek, René ; Havlíček, Martin (oponent) ; Hlinka, Jaroslav (oponent) ; Jan, Jiří (vedoucí práce)
Lots of different data fusion strategies have been developed during last 15 years of simultaneous EEG-fMRI research. The current doctoral thesis summarizes the actual state of the art in EEG-fMRI data fusion research and puts a goal to improve task-related network visualizations blindly directly from the acquired data. Two different models which should improve it have been proposed within the thesis (i.e. generalized spectral heuristic model and generalized spatiospectral heuristic model). Generalized spectral heuristic model utilizes relative EEG power fluctuations in distinct frequency bands averaged over electrodes of interest and compares the fluctuations with delayed BOLD signal fluctuations via general liner model. The obtained results shows that the model visualizes several different frequency dependent task-related EEG-fMRI networks. The model overcomes the absolute power fluctuation approach and classic heuristic approach too. The absolute power visualized a task-not-related broadband EEG-fMRI component and classic heuristic model was insensitive to visualize the task-related visual network which was observed for the relative -band pattern for visual oddball task data. For the semantic decision task EEG-fMRI data, the frequency dependence was not so evident in final results. Since all the bands visualized only visual network and any areas of speech network, the results were possibly corrupted by not-suppressed eye-blinking artifact in EEG data. Mutual information coefficients between different EEG-fMRI statistical parametric maps showed that the similarities over different frequency bands are similar over different tasks (i.e. visual oddball and semantic decision). More, the coefficients proved that averaging over different electrodes of interest does not bring any new information into the joint analysis, i.e. the signal on one single lead is very smoothed signal from the whole scalp. For that reasons, better incorporation of the channel information into the EEG-fMRI analysis started to be necessary and we have proposed more general spatiospectral heuristic model and designed how to estimate the model with spatiospectral Group Independent Component Analysis of EEG spectra relative power. The obtained results show that spatiospectral heuristic model visualizes the statistically most significant task-related networks (compared to absolute power spatiospectral pattern results and generalized spectral heuristic model results). The spatiospectral heuristic model was the only one, which observed task-related activations in a speech areas for semantic decision data. Beyond the fusion of EEG spatiospectral patterns with fMRI data, we have tested the stability of the spatiospectral pattern estimates over different paradigms (i.e. visual oddball, semantic decision and resting-state) with k-means clustering algorithm. We have got 14 stable patterns for the absolute EEG power and 12 stable patterns for the relative EEG power. Although ten of the patterns appear similar over the power types, the relative power spatiospectral patterns (i.e. spatiospectral heuristic model patterns) have higher evidence to tasks.
|
|
|
Hodnocení vlivu mrkání na výsledek fúze simultánních EEG-fMRI dat
Dobiš, Lukáš ; Jakubíček, Roman (oponent) ; Labounek, René (vedoucí práce)
Práce se zabývá základní teorií k simultánní fúzi EEG-fMRI dat. Principy akvizice jednotlivých dat a jejich artefakty s rozsáhlým zaměřením na jejich předzpracování. Konkrétně na potlačení artefaktu mrkání z EEG dat a metodou analýzy nezávislých komponent. Dále se zabývá technikou fúze dat v obecném lineárním modelu a vytvořením aktivačních map statisticky významných korelací. Práce obsahuje popis metodiky potřebné na analýzu výsledků. Jsou popsány parametry použitých dat. Je navržen a aplikován proces předzpracování EEG dat, včetně potlačení artefaktu a fúze s vyhodnocením v prostředí MATLAB. Výsledky vyhodnocení prokázaly větší vliv mrkacího artefaktu na výsledky počítané z relativního výkonu a neúplnost kompletního potlačení artefaktu z dat pro testovanou metodu.
|
|
|
Detekce bdělosti mozku ze skalpového EEG záznamu za pomoci vyšších statistických metod
Semeráková, Nikola ; Ronzhina, Marina (oponent) ; Labounek, René (vedoucí práce)
Diplomová práce se věnuje detekci bdělosti mozku ze skalpového EEG záznamu pomocí vyšších statistických metod. Součástí práce je popis elektroencefalografie, od způsobu geneze signálu, snímání, elektroencefalografu, artefaktů EEG signálu, frekvenčních pásem EEG signálu až po jeho možné zpracování. Dále je zde rozebrán pojem mentální únavy a možnosti její detekce v EEG signálu. Následně jsou zde popsány principy vyšších statistických metod PCA a ICA a konkrétní možnosti dekompozice EEG signálu pomocí těchto metod, ze kterých byla vybrána metoda skupinové prostorovofrekvenční ICA jako vhodná metoda pro selekci dílčích oscilačních zdrojů v EEG signálu V další části je popsán způsob akvizice dat, návrh řešení za pomoci vybrané metody a popis implementovaného algoritmu, který byl aplikován na reálná 256-svodová skalpová EEG data nasnímaná při plnění blokového úkolu zaměřeného na testování pozornosti subjektů. Dekomponován byl absolutní a relativní výkon EEG signálu. Z dosažených výsledků pozorujeme, že fluktuace prostorovofrekvenčních vzorů relativního výkonu (zejména pro theta a alfa pásma) mnohem více signifikantně korespondují se změnou reakčního času a s chybovostí subjektů plnících úkol. Tato dosažená pozorování se jeví poměrně konzistentní s dříve publikovanou literaturou a aktuální studie ukazuje, že prostorovo-frekvenční ICA je schopna slepě izolovat prostorovo-frekvenční vzory, jejichž fluktuace jsou statisticky signifikantně korelované s parametry (reakční čas, míra chybovosti) plynoucími přímo z plnění daného úkolu.
|
host ::
RSS.