|
| |
|
|
Kortiko-subkortikální interakce v EEG datech u pacientů s farmakorezistentní epilepsií
Šíma, Jan ; Králík, Martin (oponent) ; Lamoš, Martin (vedoucí práce)
Tato bakalářská práce se zabývá zpracováním literární rešerše o epilepsii a signálech elektroencefalografie se zaměřením na pacienty s farmakorezistentní epilepsií a analýzou kortiko-subkortikálních vztahů. V teoretické části jsou popsány kapitoly epilepsie, elektroencefalografie, možnosti předzpracování EEG dat a dále analytické metody, pomocí kterých se popisují kortiko-subkortikální interakce. Praktická část obsahuje předzpracování EEG dat, rozbor používaných metod, analýza dat, výsledky, diskuse a závěr. Samotná analýza dat je provedena metodou Phase-amplitude coupling. V diskusi jsou rozebrány výsledky, limitace a další možné navázání práce. Závěr práce shrnuje celou bakalářskou práci.
|
|
|
Akustická analýza Mozartova efektu a jeho působení u pacientů s epilepsii
Zemánek, Václav ; Mekyska, Jiří (oponent) ; Kiska, Tomáš (vedoucí práce)
Hudba obecně dokáže člověka vnitřně uklidnit. U Mozartovy hudby se dají účinky do- konce změřit. Vědci naměřily studentům poslouchající Mozartovu hudbu vyšší IQ, u pa- cientů s epilepsií je potlačována epileptiformní aktivita. Tato diplomová práce se zabývá návrhem vyhodnocovacího systému, který dokáže určit hudební parametry potlačující epileptiformní aktivitu. V řešení je proveden podrobný rozbor skladeb, parametrizace sig- nálu, popis zpracování dat a následná korelační analýza za použití Pearsonova vzorce. V závěrečné kapitole jsou popsány hudební parametry, které potlačují epileptiformní ak- tivitu jak u žen, tak u mužů.
|
|
|
Analýza vysokofrekvenčních oscilací a konektivity v elektrofyziologii mozku
Kozlovská, Magda ; Ronzhina, Marina (oponent) ; Kolářová, Jana (vedoucí práce)
Tato práce se zabývá zkoumáním problematiky analýzy vysokofrekvenčních oscilací (HFO), analýzy konektivity mozkové tkáně a zkoumání účinnosti a přesnosti jednotlivých metod používaných při jejich analýze. Dále je cílem práce zjistit souvislosti mezi HFO a hodnotami získanými měřením konektvity a stanovit optimální způsob pro přesnější a rychlejší lokalizování epileptogenních ložisek, což zvyšuje šanci na úspěšné a kompletní odoperování veškerých epileptogenních ložisek z mozku a tedy k úplnému vymizení epiepsie u operovaného pacienta.
|
|
|
Analýza reakce epileptogenní tkáně na intrakraniální elektrickou stimulaci
Formánková, Zuzana ; Klimeš, Petr (oponent) ; Cimbálník, Jan (vedoucí práce)
Tato práce se zabývá metodami intrakraniální elektrické stimulace a jejich využitím při lokalizaci epileptogenního ložiska. Cílem práce je posouzení reakce patologické tkáně na elektrickou stimulaci pomocí navržených markerů. Mezi vhodné markery byly zařazeny vysokofrekvenční oscilace, interiktální spiky, změny v konektivitě a výkon signálu ve frekvenčních pásmech. Markery byly detekovány v iEEG záznamech snímaných ve Fakultní nemocnici u sv. Anny v Brně. Pro zpracování a detekci byl realizován software v jazyce Python využívající detekční algoritmy knihovny EPYCOM. V závěru byl výskyt markerů analyzován v závislosti na elektrické stimulaci a byl prokázán vliv elektrické stimulace na iEEG epileptických pacientů.
|
|
|
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.
|
host ::
RSS.