- / -

Σκοπός της παρούσας διπλωματικής εργασίας ήταν η μελέτη ηλεκτροεγκεφαλογραφικών σημάτων επιληψίας με χρήση συνδεδεμένων χαοτικών συστημάτων. Στο πλαίσιο της εργασίας παρουσιάζονται αρχικά μέθοδοι συμφωνίας και οι διάφορες μορφές της συνάρτησης μεταφοράς πληροφορίας. Οι τεχνικές που έχουν χρησιμοποιηθεί κυρίως μέχρι σήμερα είναι γραμμικές ωστόσο έχει φανεί σε αρκετές περιπτώσεις ότι η γραμμικότητα δεν επαρκή για την εξήγηση των σημάτων ΗΕΓ και της σύζευξης μεταξύ τους. Για τον λόγο αυτόν αναπτύσσεται η μη γραμμική μέθοδος υπολογισμού της συνάρτησης μερικής κατευθυνόμενης συμφωνίας η οποία μελετά τα καταγεγραμμένα σήματα στον χώρο φάσης-κατάστασης. Βάση αυτής διερευνάται η μη γραμμική συνδεσιμότητα περιοχών του εγκεφάλου. Η εργασία αποτελείται από πέντε μέρη. Το πρώτο μέρος περιλαμβάνει τη παρουσίαση της φυσιολογίας του ανθρώπινου εγκεφάλου. Στο δεύτεροο μέρος παρουσιάζεται η ασθένεια της επιληψίας καθώς και οι διάφοροι τύποι της. Στο τρίτο μέρος παρουσιάζεται η μέθοδος της μη γραμμικής ανάλυσης χρονοσειρών μέσω της μερικής κατευθυνόμενης συμφωνίας που περιλαμβάνει την ανακατασκευή των σημάτων στον φασικό χώρο. Ακολουθεί ο υπολογισμός των κατάλληλων παραμέτρων για την σωστή ανακατασκευή του φασικού χώρου των σημάτων. Τέλος, στο πέμπτο κεφάλαιο παρουσιάζονται αποτελέσματα από εφαρμογή της μεθόδου σε προσομοιωμένα δεδομένα,καθώς και σε πραγματικά δεδομένα από ασθενή με επιληψία, τα οποία έχουν ληφθεί από το νοσοκομείο Ευαγγελισμός. / This diploma thesis aim at studying Electroencephalografic (EEG) Signal Recordings by adopting methodologies able to analyse and observe coupling of chaotic systems. Although linear methods seems to be inadequate for the analysis of EEG signals, the most commonly used methodologies today are linear. In this thesis, a non-linear partial directed coherence method is adopted to compute the transfer function of EEG signals in the phase-state space and is used to estimate the non-linear connectivity among brain areas. This thesis consists of five chapters. In the first and second chapter, an introduction to the brain's physiology and epilepsy pathophysiology is presented. In the third chapter, a methodology for the non-linear analysis of time series is presented based on the PDC method, which reconstructs attractors in the phase-state. In the fourth chapter, the parameters for the phase-state reconstruction of the attractors are properly selected. In the fifth chapter, the proposed method is applied on simulated and real epilepsy EEG data and the obtained results are presented and discussed.