|
|
Detection of High-Frequency EEG Activity in Epileptic Patients
Cimbálník, Jan ; Kremláček, Jan (oponent) ; Jiruška,, Přemysl (oponent) ; Jurák, Pavel (vedoucí práce)
This work deals with automated detection of high-frequency oscillations as a novel electrophysiologic biomarker of epileptogenic tissue in intracranial EEG. Visual detection of these oscillations is a time-consuming process and is prone to reviewer bias. Epilepsy is one of the most common neurological diseases affecting 1 % of population. Even though two thirds of cases are successfully treated with anti-epileptic drugs, the rest of the patients are dependent mainly on surgical procedure, which requires precise localization of pathologic focus. High-frequency oscillations have been studied over the last decade for their potential to localize the focus of pathological tissue. Initial part of this work is a summary of the current state of high-frequency oscillations research and a detailed list of detectors used in research. Within the scope of this work three high-frequency oscillation detectors were developed or enhanced. The description of the algorithms is followed by detector evaluation with regard to the concordance with expert reviewed events, feature estimation and the ability to correctly localize pathological tissue. The final part of the work provides an overview of developed visualization methods and a short summary of achieved scientific results.
|
|
| |
|
|
Stanovení vzájemných vazeb mezi mozkovými strukturami
Klimeš, Petr ; Hlinka,, Jaroslav (oponent) ; Krajča,, Vladimír (oponent) ; Halámek, Josef (vedoucí práce)
Lidský mozek je tvořen vzájemně propojenými populacemi nervových buněk, které formují anatomicky i funkčně oddělené struktury. Pro studium fyziologie a patologie lidského mozku je zcela zásadní znát, jak jsou tyto struktury propojeny a jak se mezi nimi šíří informace. Publikované metody na detekci vzájemných vazeb se velmi často omezují pouze na analýzu povrchového EEG, pracují s vymezeným počtem kontaktů a nezachycují dynamický vývoj konektivity při kognitivních procesech nebo při různých stavech vědomí. Současně nepopisují konektivitu patologických částí mozku, jejíž analýza by mohla zásadně přispět k výzkumu a léčbě dané patologie. Cílem této práce je návrh metodiky a následná analýza časového průběhu vzájemných vazeb mezi mozkovými strukturami z intrakraniálního EEG. Analyzovány jsou fyziologické procesy v průběhu kognitivní stimulace, a lokální konektivita patologických částí epileptického mozku při klidu a spánku. Výsledky přinášejí nové poznatky v oblasti základního výzkumu fyziologie lidského mozku, kterých bylo dosaženo pomocí inovativního postupu, jenž kombinuje metody konektivity a výpočty výkonů EEG signálů. V druhé části práce je analyzována lokální konektivita epileptického ložiska (SOZ). Výsledky popisují funkční oddělení SOZ od okolní tkáně a mohou přispět do klinické praxe léčby epilepsie.
|
|
|
The influence of deep brain stimulation on the brain connectivity
Horváthová, Ľubica ; Výtvarová, Eva (oponent) ; Klimeš, Petr (vedoucí práce)
The deep brain stimulation (DBS) represents effective treatment for patients with Parkinson’s disease (PD) or patients with pharmacoresistant epilepsy. However its mechanisms by which it moderates seizures and improves movement still remain largely unknown. To understand it better and to determine in which frequency bands is the change most relevant, comparisons between DBS OFF and DBS ON were made using correlation method and phase lag index. Eleven patients with (PD) and with implanted neurostimulators for DBS from the companies Medtronic and St.Jude Medical are the subjects of the recorded data used in this thesis. The results prove that not only does the change in connectivity occur during the DBS, but also that the higher frequencies such as beta, low gamma and high gamma are affected the most. Changes in these frequencies, responsible for motor activity, attentive focusing and information processing, are consistent with the PD clinical findings. During this disease, pathological beta activity is hypersynchronized and gamma activity is reduced in motor areas. With gamma activity increasing during DBS ON, the physiological state of the patients is partially restoring and therefore improving their motility. The methods and results of this thesis will be used for further research on patients with PD and epilepsy.
|
|
|
Unsupervised Deep Learning Approach for Seizure Onset Zone localization in Epilepsy
Přidalová, Tereza ; Cimbálník, Jan (oponent) ; Mehnen, Lars (vedoucí práce)
Epilepsy affects about 50 million people worldwide, with one-third of patients being drugresistant and therefore candidates for an invasive brain resection surgery. Brain resection surgery candidates undergo invasive intracranial encephalography (iEEG) monitoring to determine the seizure onset zone (SOZ). Recorded data can span over weeks and need to be manually reviewed by a physician to assess SOZ. This process can be time-consuming and burdensome due to the vast amount of collected data. This work investigates utilisation of an deep autoencoder for unsupervised data exploration and specifically its ability to discriminate between SOZ and non-SOZ (NSOZ) iEEG channels. The data used in this thesis consists of iEEG collected from 33 patients in two institutes (Mayo Clinic, Rochester, Minnesota, USA and St. Anne´s University Hospital, Brno, Czech Republic - FNUSA) who underwent invasive presurgical monitoring. The autoencoder’s capability to discriminate between SOZ and NSOZ was evaluated using a self-learned embedded feature space representation of the autoencoder network. Autoencoder features were compared to previously established biomarkers for SOZ determination. Discrimination capability was evaluated for both autoencoder features and biomarkers using a Naive Bayes classifier and leave-one-out cross-validation. The achieved area under receiver operating characteristic curve (AUROC) was 0.68 for the FNUSA and 0.56 for the Mayo dataset. Performance in discriminating between SOZ and NSOZ electrodes was not significantly different between the investigated autoencoder features and previously established biomarkers. Selecting the better performing classifier for each patient increased the AUROC to 0.75 and 0.64 for the FNUSA and Mayo dataset, respectively. The results suggest that future approaches combining biomarkers and self-learning methods have a potential to improve the SOZ vs NSOZ discrimination capability of unsupervised iEEG exploration systems, and thus to enhance the surgical management of epilepsy.
|
|
|
Real-Time Processing of Intracranial EEG Signals
Begáň, Patrik ; Malik, Aamir Saeed (oponent) ; Černocký, Jan (vedoucí práce)
In this thesis, we designed and implemented a tool that is able to process intracranial EEG signals in real-time. That is done by applying functions for computing various iEEG biomarkers implemented in python library Epycom on the incoming data stream and storing the results into the database. We compared results computed by our tool against the offline computations and evaluated if real-time signal processing is suitable for clinical practice.
|
|
|
Klasifikace vysokofrekvenčních oscilací v intrakraniálním EEG
Kozlovská, Magda ; Vítek, Martin (oponent) ; Ronzhina, Marina (vedoucí práce)
Tato diplomová práce se zabývá zkoumáním vysokofrekvenčních oscilací v intrakraniálním elektroencefalografickém záznamu u pacientů s fakmakorezistentní formou epilepsie. Popisuje jednotlivé typy oscilací s ohledem na jejich frekvenční vymezení, zkoumá jejich fyziologické rozdíly a výskyt. Kromě klasických vysokofrekvenčních oscilací (přibližně do 600 Hz) se zaměřuje i na oscilace s frekvenční složkou nad 1kHz. Tyto oscilace by dle nedávných studií měly vykazovat vyšší specificitu pro stanovení patologické tkáně v epileptickém mozku. Data pro zhotovení této práce byla získána manuálním značením a kategorizací přibližně 1500 úseků signálu stereoencefalografického záznamu pacientů, kteří podstoupili chirurgické odstranění epileptického ložiska (případně ložisek) a kteří byli následně monitorováni pro získání přehledu o úspěšnosti operace. Rozdíly mezi jednotlivými skupinami oscilací a resekovanou či neresekovanou tkání jsou v této práci zkoumány metodami využívajícími výpočty entropie signálů a cross frequency couplingu. Nejvýznamnějších výsledků práce dosahuje pro klasifikační skupinu (FR + vFR) vs. uFR, metody frequencyamplitude coupling a sample entropy 1. Při kategorizaci dle informace o resekci kanálu je nejúspěšnějším klasifikačním parametrem metoda využívající výpočtu Shannonovy entropie.
|
|
|
Měření konektivity mozku
Sladký, Vladimír ; Jurčo, Juraj (oponent) ; Cimbálník, Jan (vedoucí práce)
Epileptické onemocnění mozku je spojeno se změnou aktivity neuronových center. Analýza konektivity mozku se zabývá statistickou závislostí aktivity neuronových center. Předchozí studie ukazují na změnu konektivity mozkové tkáně v okolí epileptického ložiska. Příčiny změn v konektivitě a její charakteristika v interiktálních záznamech však není zcela známa. V této práci jsou analyzována data z intrakraniálních EEG elektrod, umístěných uvnitř a v bezprostředním okolí epileptického ložiska. Změna konektivity v epileptickém ložisku a jeho okolí byla sledována pomocí metody nelineární korelace. Byl detekován pokles konektivity v epileptickém ložisku během delta spánku na frekvencích nad 80 Hz. Dále byl zjištěn pokles konektivity na rozhraní epileptického ložiska a zdravé tkáně. Pozorované jevy byly navíc zvýrazněny během spánku. Zároveň bylo zjištěno, že konektivita na rozhraní epileptického ložiska projevuje nelineární charakter. Z výsledků tedy vyplývá, že fyziologické procesy během spánku ovlivňují konektivitu v blízkosti epileptického ložiska a redukce konektivity v jeho okolí může souviset s nelinearní závislostí aktivit neuronů uvnitř a vně něj. Práce potvrzuje hypotézy předchozích studií a odkrývá nové skute čnosti o konektivitě epileptického ložiska z pohledu nelineárních dějů. Navazující studium těchto poznatků může vést k přesnější lokalizaci epileptického ložiska a k lepšímu pochopení procesů, které způsobují epileptické záchvaty.
|
|
|
Celospolečenská a státní perspektiva u pacientů se syndromem Dravetové a Lennox-Gastautovým syndromem
Krejčová, Martina ; Klimeš, Jiří (vedoucí práce) ; Grega, Dominik (oponent)
Celospolečenská a státní perspektiva u pacientů se syndromem Dravetové a Lennox-Gastautovým syndromem Autor: Martina Krejčová Vedoucí diplomové práce: PharmDr. Jiří Klimeš, Ph.D. Konzultant: PharmDr. David Suchánek Katedra sociální a klinické farmacie, Farmaceutická fakulta v Hradci Králové, Univerzita Karlova Úvod a cíl: Syndrom Dravetové (DS) a Lennox-Gastautův syndrom (LGS) jsou vzácná epileptická onemocnění. Ke snížení frekvence záchvatů u těchto onemocnění je indikován léčivý přípravek pro vzácná onemocnění (LPVO) Epidyolex (kanabidiol). Cílem práce je podat ucelený přehled o legislativě související s LPVO a možnostech jejich úhrady ze zdravotního pojištění a stanovit náklady na DS a LGS z celospolečenské a státní perspektivy. Metodika: Data pro analýzu nákladů jsou získána na základě dotazníkového šetření sledující čerpání sociálních dávek, zvýšení nákladů domácností a ztrátu produktivity pacienta a pečovatele. Respondenti jsou kontaktováni skrze pacientské organizace a specializovaná centra. Náklady z obou perspektiv jsou stanoveny součtem nákladů z pohledu zdravotní pojišťovny a nákladů na ztrátu produktivity (celospolečenská perspektiva), nebo nákladů systému sociálního zabezpečení (státní perspektiva). U celospolečenské perspektivy je pro monetizaci využita metoda human capital approach...
|
|
|
Vliv Mozartova efektu na přesnost střelby na koš u profesionálních basketbalistů.
Kranjčevič, Stefan ; Pánek, David (vedoucí práce) ; Pavlů, Dagmar (oponent)
Název: Vliv Mozartova efektu na přesnost střelby na koš u profesionálních basketbalistů Cíle: Cílem této diplomové práce je prokázat, zda má Mozartův efekt vliv na úspěšnost proměněných trestných hodů u mladých prvoligových basketbalistů v porovnání s házením bez hudby. Metody: Jelikož se jedná o pilotní studii, bylo získávání dat na toto téma nejprve zahájeno zkoumáním dosavadně sepsaného textu o Mozartově efektu na poli řešení úloh nejen s časově-prostorovými rysy, na kterých stojí prvotní studie. Projekt je experimentální pilotní studií, které se zúčastnilo 21 probandů, kteří byli randomizováně rozděleni do tří skupin. Experiment je rozdělen na 2 části. V prvním mají probandi za úkol naházet sto trestných hodů v pěti blocích po dvaceti. Ve druhé části je výzkumný soubor vystaven různým druhům akustického stimulu, během kterého házejí dalších sto trestných hodů. Všechno měření probíhalo po kondičním, nebo střeleckém tréninku pro nejvěrohodnější replikaci herní situace. Proces praktické části proběhl v souladu s metodikou CRISP-DM, která patří mezi nejpoužívanější metodiky pro dobývání znalostí z databází (DZD). Výsledky: Z výsledků je dle Pearsonova korelačního koeficientu patrná hraničně nízká korelace mezi střelbou s hudbou a bez hudby, a to o hodnotě 0,33. Cílem použití této statistické funkce...
|
host ::
RSS.