Institutional Repository [SANDBOX]
Technical University of Crete
EN  |  EL

Search

Browse

My Space

Brain networks of maximum synchronization from magneto-encephalographic signals

Petrou Eleni

Simple record


URIhttp://purl.tuc.gr/dl/dias/696D8EEA-74E8-4667-8A4F-6F4529C0F258-
Identifierhttps://doi.org/10.26233/heallink.tuc.76211-
Languageel-
Extent145 σελίδεςel
TitleΕγκεφαλικά δίκτυα μέγιστης ροής συγχρονισμού φάσης μαγνητοεγκεφαλογραφικών σημάτωνel
TitleBrain networks of maximum synchronization from magneto-encephalographic signalsen
CreatorPetrou Elenien
CreatorΠετρου Ελενηel
Contributor [Thesis Supervisor]Zervakis Michailen
Contributor [Thesis Supervisor]Ζερβακης Μιχαηλel
Contributor [Committee Member]Garofalakis Minosen
Contributor [Committee Member]Γαροφαλακης Μινωςel
Contributor [Committee Member]Liavas Athanasiosen
Contributor [Committee Member]Λιαβας Αθανασιοςel
PublisherΠολυτεχνείο Κρήτηςel
PublisherTechnical University of Creteen
Academic UnitTechnical University of Crete::School of Electrical and Computer Engineeringen
Academic UnitΠολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστώνel
Content SummaryΟ 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.el
Content SummaryThe 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.en
Type of ItemΔιπλωματική Εργασίαel
Type of ItemDiploma Worken
Licensehttp://creativecommons.org/licenses/by/4.0/en
Date of Item2018-06-04-
Date of Publication2018-
SubjectΣυγχρονισμός φάσηςel
SubjectRich club topologiesen
SubjectΑναγνωστικές δυσκολίεςel
SubjectΜαγνητοεγκεφαλογράφημαel
SubjectΑνάλυση ανεξάρτητων συνιστωσώνel
Bibliographic CitationΕλένη Πέτρου, "Εγκεφαλικά δίκτυα μέγιστης ροής συγχρονισμού φάσης μαγνητοεγκεφαλογραφικών σημάτων", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2018el
Bibliographic CitationEleni Petrou, "Brain networks of maximum synchronization from magneto-encephalographic signals", Diploma Work, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2018en

Available Files

Services

Statistics