< Terug naar vorige pagina

Project

Learning from Structured EEG and fMRI Data Supporting the Diagnosis of Epilepsy (Leren van gestructureerde EEG en fMRI data voor ondersteuning van de diagnose van epilepsie)

Epilepsie is een neurologische aandoening die gekarakteriseerd wordt door de aanwezigheid van epileptische aanvallen als gevolg van abnormale, synchrone activiteit van een grote groep neuronen. Afhankelijk van welkehersengebieden aangetast zijn, geven aanvallen verschillende klinische ziektebeelden. Epilepsie kan niet genezen worden en in vele gevallen ookniet gecontroleerd met medicatie.  Voor deze groep patiënten kan het operatief verwijderen van de epileptogene zone, het gebied verantwoordelijk voor het genereren van epileptische aanvallen, een oplossingbieden.

Elektro-encefalografie (EEG) en functionele magnetische resonantie beeldvorming (fMRI) meten
veranderingen in hersenactiviteit over de tijd op van verschillende gebieden in de hersenen. Daarmee kunnen ze belangrijke informatie leveren over de oorzaak, de timing en de spatiale bron van de epileptische activiteit.  Beide techniekenmeten echter een combinatie van hersenactiviteit en ruisbronnen.  EEG en fMRI signalen worden dus gekenmerkt door een lage signaal-tot-ruis
verhouding. Data kwaliteit en de grote hoeveelheid data maken visuele interpretatie van deze signalen onpraktisch.

Daarom is het doel van deze thesis automatische analyse technieken te ontwikkelen die de
diagnose van epilepsie kunnen ondersteunen. Het fundamentele principe achter de voorgestelde technieken is om de spatiotemporele structuur die in de signalen aanwezig is, te benutten. Dit in
gedachten houdend, identificeren we problemen en bieden we oplossingen aan voor drie belangrijke aspecten van de pre-chirurgische evaluatie.

Eerst is een automatische aanvalsdetector ontwikkeld. Terwijl traditionele detectoren verschillende EEG kanalen afzonderlijk analyseren, gebruikt onze oplossing spatiale informatie aanwezig in het meerkanaals EEG. Daarvoor passen we een regularisatie schema gebaseerd op de nucleaire norm toe, die lage-rank structuren oplegt.  We tonen aan dat de voorgesteldemethode aanvalsdetectie verbeterd ten opzichte van traditionele methoden, zelfs wanneer zeer weinig aanvalsinformatie beschikbaar is om de methode te trainen.

Eenmaal een aanval gedetecteerd is, is de volgende stap in het diagnostische probleem om de
epileptogene zone op basis van het EEG te bepalen. Blinde bron scheidingstechnieken (BSS) kunnen visuele interpretatie helpen door artefacten te scheiden van de aanvalspatronen, of kunnen zuivere epileptische activiteit schatten. Vermits zulke blinde methoden op verschillende assumpties berusten, is
hun  gebruik geschikt in bepaalde situaties en gelimiteerd in andere. In deze thesis hebben we een nieuwe
methode, de blok term ontbinding (BTD) toegepast die rang (L,L,1) componenten uit het EEG haalt. Afhankelijk van de gekozen tensor voorstelling, laat de formulering toe om aanvallen te modeleren als een som van exponentieel gedempte sinussen of als oscillerende fenomenen die variëren in frequentie of zich
uitspreiden over verschillende gebieden in de tijd.                                                       

NL" lang="NL">Hoewel de patronen van aanvalsactiviteit belangrijke informatie verschaffen, blijft het een tijdsintensieve procedure.  Een alternatief kan zijn om het epileptische netwerk te lokaliseren op basis van interictale fMRI metingen. Voor dit doel is onafhankelijke bron ontbinding (ICA) toegepast om spatieel onafhankelijke bronnen uit de fMRI tijdsserie te halen. Het is aangetoond dat ICA epileptische
componenten kan schatten die substantieel overlappen met de epileptogene zone.  Tot slot is ook een methode ontwikkeld die de epileptische component bepaald zonder toevoeging van andere
klinische informatie. Het resultaat van de methode is dat de epileptogene zone kan bepaald worden aan de hand van deze component.

Pre-chirurgische evaluatie bouwt op multidisciplinaire consensus. De operatie wordt gepland opbasis van alle klinische onderzoekingen en multimodale beeldvorming. Detechnieken ontwikkeld in deze thesis kunnen bijdragen tot de huidige procedure door nauwkeurige informatie op een efficiënte manier te leveren.

 
 


/* Style Definitions */
table.MsoNormalTable
{mso-style-name:"Table Normal";
mso-tstyle-rowband-size:0;
mso-tstyle-colband-size:0;
mso-style-noshow:yes;
mso-style-parent:"";
mso-padding-alt:0in 5.4pt 0in 5.4pt;
mso-para-margin:0in;
mso-para-margin-bottom:.0001pt;
mso-pagination:widow-orphan;
font-size:10.0pt;
font-family:"Times New Roman";
mso-ansi-language:#0400;
mso-fareast-language:#0400;
mso-bidi-language:#0400;}

</></></>
Datum:19 sep 2009 →  2 jun 2014
Trefwoorden:fMRI
Disciplines:Andere ingenieurswetenschappen en technologie
Project type:PhD project