|
|
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.
|
|
| |
|
|
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.
|
|
|
Reference v intrakraniálním EEG: implementace a analýza
Uher, Daniel ; Hejč, Jakub (oponent) ; Ronzhina, Marina (vedoucí práce)
PĹ™edstava záznamu mozkovĂ© aktivity bez zkreslujĂcĂch artefaktĹŻ koluje ve vÄ›deckĂ˝ch kruzĂch jiĹľ nÄ›kolik desĂtek let. ParazitnĂ jevy a nežádoucĂ sloĹľky dokážà vĂ˝raznÄ› komplikovat analĂ˝zu pacientskĂ©ho záznamu intrakraniálnĂho elektroencefalografu (iEEG). S nástupem modernĂ technologie však zaÄŤaly pĹ™ibĂ˝vat novĂ© metody pro preciznĂ odstranÄ›nĂ zkreslujĂcĂho šumu. Zde nastupuje koncept virtuálnĂch referenÄŤnĂch signálĹŻ, jakoĹľto nástroj pro eliminaci nežádoucĂch komponent. V tĂ©to práci, metoda zaloĹľená na prĹŻmÄ›rovánĂ spolu s modernÄ›jšĂmi metodami zaloĹľenĂ˝ch na analĂ˝ze nezávislĂ˝ch komponent (ICA) byly realizovány a testovány na rĹŻznĂ˝ch iEEG záznamech. Bylo zjištÄ›no, Ĺľe algoritmy zaloĹľenĂ© na ICA umoĹľĹujĂ lepšà a pĹ™esnÄ›jšà odhad referenÄŤnĂho signálu v porovnánĂ s prĹŻmÄ›rovacĂ metodou. Na závÄ›r byly všechny navrĹľenĂ© metody implementovány do open-source Python knihovny đť‘źđť‘’đť‘“đť‘ đť‘–đť‘”, která je veĹ™ejnÄ› dostupná, jednoduše instalovatelná a pĹ™ipravena k pouĹľitĂ.
|
|
|
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.
|
|
|
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.
|
|
|
Využití strojového učení pro klasifikaci epileptogenní tkáně po elektrické stimulaci
Formánková, Zuzana ; Mívalt, Filip (oponent) ; Cimbálník, Jan (vedoucí práce)
Tato práce se zabývá elektrofyziologickými biomarkery epileptické aktivity po přímé elektrické stimulaci v klasifikaci epileptogenní tkáně. Mezi vhodné biomarkery byly zařazeny vysokofrekvenční oscilace, interiktální spiky, změny v konektivitě a výkon signálu ve frekvenčních pásmech. Biomarkery byly detekovány v iEEG záznamech a jejich reakce na přímou elektrickou stimulaci byla analyzována statistickými testy. Analýza biomarkerů prokázala vliv přímé elektrické stimulace na elektrofyziologické biomarkery epileptické aktivity. Relevantními biomarkery byly selekčními metodami vybrány výkon signálu ve frekvenčním pásmu 80-250 Hz, relativní entropie ve frekvenčním pásmu 250-600 Hz a lineární korelace. Pro klasifikaci epileptogenní tkáně byly implementovány modely strojového učení, konkrétně logistická regrese, metoda podpůrných vektorů a rozhodovací lesy. Metoda podpůrných vektorů prokázala nejvyšší senzitivitu (70,5 %) mezi modely, avšak celkové výsledky jsou nedostatečné (PPV 38,5 %, F1 skóre 42,9 %). Přestože klasifikační modely nedosáhly očekávaných výsledků, tato práce naznačuje potenciál elektrofyziologických biomarkerů pro identifikaci epileptogenních ložisek a poskytuje základ pro další výzkum v této oblasti.
|
|
|
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.
|
|
|
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.
|
|
|
Reference Signals In Intracranial Eeg:
Implementation And Analysis
Uher, Daniel
The idea of an artifact-free brain activity recording has been circling around the scientific world for a few decades. Noise present in brain activity recordings may complicate the process of evaluation and interpretation. For the elimination of such unwanted components, the concept of virtual reference signals is usually used. In this work, the algorithms for reference signal estimation using common average-based method as well as more recent methods based on independent component analysis (ICA) were realized and evaluated on a new set of real clinical data. It was found that the ICA-based algorithms allow obtaining more accurate estimation of the reference signal as compared to the average-based one. Finally, all the methods were implemented into a free installable Python toolbox, which will be publicly available after additional testing on real data.
|
host ::
RSS.