Οι διάφορες δραστηριότητες του εγκεφάλου συχνά χαρακτηρίζονται από ειδικούς ρυθμούς στο ηλεκτροεγκεφαλογράφημα (ΗΕΓ). Το 2ο στάδιο του ύπνου χωρίς ταχείες οφθαλμικές κινήσεις (στάδιο NREM) χαρακτηρίζεται από τις ατράκτους που σηματοδοτούν την ουσιαστική έναρξη του ύπνου. Αποτελούν 0.5-1 δευτερόλεπτα ρυθμικής διαδοχής κύρια αρνητικών κυμάτων γενικευμένα στο ΗΕΓ τα οποία παρουσιάζουν προϊούσα αύξηση και μετά μείωση του πλάτους τους. Οι άτρακτοι συμμετέχουν σε διάφορες σημαντικές λειτουργίες του εγκεφάλου. Η κατανόηση του πολύπλευρου και πολύ σημαντικού ρόλου των ατράκτων έχει αποτελέσει αφορμή ώστε να γίνουν προσπάθειες εντοπισμού των υπεύθυνων για τη γένεσή τους εγκεφαλικών κυκλωμάτων. Σκοπός της προτεινόμενης μεθόδου είναι η εφαρμογή της μεθόδου εντοπισμού σημάτων σε πολυκαναλικές καταγραφές χρησιμοποιώντας περιορισμούς που στηρίζονται στο πεδίο του χώρου (spatial constraints) και το πεδίο της συχνότητας (frequency constraints) χρησιμοποιώντας την τεχνική ανάλυσης σε ανεξάρτητες συνιστώσες (ICA). Η μέθοδος εφαρμόστηκε για την ανάλυση βραδέων και ταχέων ατράκτων σε εγκεφαλογραφήματα ύπνου. Στο εργαστήριο Φυσιολογίας έχουν γίνει ΗΕΓ καταγραφές ολονύκτιου ύπνου με καταμέτρηση πολλών εκατοντάδων ατράκτων οι οποίες χρησιμοποιήθηκαν για την ανάπτυξη της παραπάνω μεθόδου αυτομάτου ανίχνευσης και εντοπισμού των ατράκτων. / Several brain activities are characterized by specific rhythms in electroencephalogram (EEG). The non rapid eye movement (NREM) stage of sleep is characterized by sleep spindles signaling the beginning of sleep. Spindles are rhythmic generalized negative waves in EEG with progressively increasing and gradually decreasing amplitude lasting 0.5-1 sec. Spindles are involved in several brain functions. The comprehension of the significance and multilateral role of spindles has driven efforts to detect the brain circuits involved in their generation. The purpose of this study is the introduction of a signal detection method in multichannel records, using Independent Component Analysis with spatial and frequency constraints. This automatic detection method was applied to the analysis of fast and slow spindles in sleep EEG, obtained from whole-night sleep recording in the laboratory of Physiology Department at University of Patras.

Οι υπνικές άτρακτοι είναι απότομες αλλαγές της ρυθμικής δραστηριότητας που χαρακτηρίζονται από σταδιακή αύξηση και κατόπιν μείωση του πλάτους. Εμφανίζονται κυρίως στα στάδια 2,3 και 4 του υπνικού εγκεφαλογράμματος. Τοπογραφικές αναλύσεις έχουν δείξει την ύπαρξη δύο ξεχωριστών τύπων υπνικών ατράκτων, «αργές» και «ταχείς», περίπου στα 12 και 14 Hz, αντίστοιχα. Υπάρχουν ενδείξεις ότι υπάρχουν τουλάχιστον δύο, λειτουργικά, ξεχωριστές γεννήτριες υπνικών ατράκτων, που αντιστοιχούν στις κλάσεις συχνοτήτων. Ο λόγος της εργασίας αυτής ήταν η επεξεργασία υπνικών ατράκτων με την τεχνική Ανάλυσης Ανεξάρτητων Συνιστωσών (ICA) με σκοπό την έρευνα της πιθανότητας εξαγωγής, στα από την ICA ανακατασκευαζόμενα ηλεκτροεγκεφαλογραφήματα (ΗΕΓ), «συνιστωσών» ατράκτων που αντιστοιχούν σε ξεχωριστές δομές ΗΕΓ, και η μελέτη των πηγών που δημιουργούν αυτές τις συνιστώσες. Χρησιμοποιήθηκαν 8κάναλες καταγραφές υπνικών ατράκτων ΗΕΓ από έναν εξεταζόμενο, που καταγράφηκαν στα πλαίσια του Biopattern Network of Excellence, οι οποίες αρχικά επεξεργάστηκαν με ένα φίλτρο FIR με συχνότητες αποκοπής (-3dB) στα 6 και 21 Hz. Κατόπιν εφαρμόστηκε η ανάλυση ICA και εξάχθηκαν οι ανεξάρτητες συνιστώσες (ICs). Έγινε επιλογή των συνιστωσών οι οποίες θα ανακατασκεύαζαν τα ΗΕΓ και τέλος ανακατασκευάσθηκαν αυτά. Στα ανακατασκευασμένα ΗΕΓ έφαρμόστηκε η ανάλυση LORETA. Πρωτού γίνει όμως αυτό έγινε μία εξομείωση του «ευθύ» και «ανάστροφου» προβλήματος. Αυτό έγινε για να μελετήσουμε κατά πόσον θα μπορούσαμε να εξάγουμε αξιόπιστα αποτελέσματα από την τεχνική LORETA με τόσο μικρό αριθμό καναλιών καταγραφής. Η μελέτη αυτή έδειξε ότι τα αποτελέσματά μας θα μπορούσαν να μας δώσουν αξιόπιστες πληροφορίες όσον αφορά την ευρεία περιοχή παραγωγής των ατράκτων και όχι την ακριβή τους θέση. Τα τελικά αποτελέσματα έδειξαν ότι υπάρχει διαφοροποίηση, όσον αφορά την περιοχή παραγωγής τους, και σταθερότητα των πηγών που σχετίζονται με συνιστώσες ατράκτων που ανακατασκευάζονται από ξεχωριστές ομάδες ανεξαρτήτων συνιστωσών (ICs). / Sleep spindles are bursts of rhythmic activity characterized by progressively increasing, then gradually decreasing amplitude, present predominantly in stages 2, 3 and 4 of the sleep electroencephalogram (EEG). Topographic analyses of sleep spindle incidence suggested the existence of two distinct sleep spindle types, “slow” and “fast” spindles at approximately 12 and 14 Hz respectively. There are indications that there exist at least two functionally separated spindle generators, corresponding to each frequency spectrum class. The purpose of the present study was to process sleep spindles with Independent Component Analysis (ICA) in order to investigate the possibility of extracting, in the ICA-reconstructed EEG, spindle “components” corresponding to separate EEG activity patterns, and to investigate the sources underlying these spindle components. We used 8-channel EEG recordings of sleep spindles of a single subject, recorded in the framework of the Biopattern Network of Excellence, which were processed by a FIR filter with cut-off frequencies (-3 dB) at 6 and 21 Hz. Afterwards, ICA was applied and ICs were extracted. There were a choice of the ICs which would reconstruct the EEG and the EEG were finally reconstructed. Source analysis using Low-Resolution Brain Electromagnetic Tomography (LORETA) was applied on the reconstructed EEGs. Before that we made a simulation of the “direct” and “inverse” problem. This was made in order to investigate if we would extract reliable results from the LORETA technique with only 8-channel recordings. The investigation stated that the results could give reliable information only for the brain sites at which the spindle generators were located and not for their exact position. Results indicate separability and stability of sources related to sleep spindle components reconstructed from separate groups of Independent Components (ICs).

Το φαινόμενο του ύπνου αποτελεί ένα μυστήριο της ανθρώπινης ζωής. Η έρευνα του φαινομένου του ύπνου γίνεται κυρίως μέσω καταγραφών Ηλεκτροεγκεφαλογραφήματος. Η επεξεργασία και η ανάλυση του ηλεκτροεγκεφαλογραφήματος ύπνου με την χρήση υπολογιστικών αλγορίθμων έχει δώσει μεγάλη ώθηση στην διερεύνηση της εγκεφαλικής δραστηριότητας. Κατά την διάρκεια του ύπνου παρουσιάζονται χαρακτηριστικοί ρυθμοί και κύματα όπως είναι οι άτρακτοι (spindles) και τα συμπλέγματα Κ (K-Complex). Η ακριβής σημασία και συμβολή των συγκεκριμένων ρυθμών δεν έχει πλήρως διερευνηθεί. Πιστεύεται όμως ότι έχουν σπουδαίο υπναγωγικό ρόλο και συμβάλλουν στις διαδικασίες σταθεροποίησης της μνήμης κατά τον ύπνο. Στην παρούσα εργασία γίνεται μια προσπάθεια εύρεσης της χρονικής συσχέτισης μεταξύ των εμφανιζόμενων ρυθμών και κυμάτων κατά την διάρκεια του ύπνου. Για την ανάπτυξη του προγράμματος χρησιμοποιήθηκε το εργαλείο που έχει αναπτυχθεί και χρησιμοποιείται για επεξεργασία σήματος στο Εργαστήριο Νευροφυσιολογίας του Πανεπιστημίου Πατρών (Flying Circus). Το συγκεκριμένο πρόγραμμα επεκτάθηκε με τις κατάλληλες ρουτίνες έτσι ώστε να παράγονται γραφικές απεικονίσεις των χρονικών στιγμών εμφάνισης των ΗΕΓ χαρακτηριστικών εκ των οποίων να συνάγεται οπτικά αν υπάρχει συσχέτιση μεταξύ τους, το ψηφιδόπλεγμα (raster). Ο χρήστης μπορεί να επιλέξει είτε την συσχέτιση των ρυθμών στον χρόνο (time raster) είτε την συσχέτιση των ρυθμών στο πεδίο των συχνοτήτων (spectrum raster). Στην εργασία παρουσιάζονται οι γραφικές απεικονίσεις και τα αποτελέσματα από την χρήση του προγράμματος σε καταγραφές ύπνου που έχουν γίνει στο Εργαστήριο Νευροφυσιολογίας. / Sleep is a mysterious phenomenon of human life. Electroencephalogram (EEG) is the main tool that researchers use to explore the physiology of sleep. Advanced analysis of sleep recordings enormously contributed to the research and understanding of brain activity. During sleep we observe some characteristic rhythms and waves such as spindles and K-Complexes. The exact meaning and role of these rhythms has not yet fully discovered. However, it is believed that they play a significant sleep promoting role and partake in cognitive processes of sleep. The present work attempts to find the temporal correlation between those rhythms and waves that appear during the second stage of non-REM sleep i.e. whether any changes in the rate of occurrence of spindles can predict or can be predicted by the occurrence of K-Complexes. A graphic interface tool was developed by adding new processing functions to the tool that is used at the Neurophysiology Unit of the University of Patras’ Medical School (Flying Circus). This program is a raster used to support the EEG studies with the appropriate routines in order to produce graphical representations of the time development of various EEG characteristics and to demonstrate visually any possible correlation between them. The new environment includes methods that can correlate the appearance of rhythms and waves in the time domain or in the frequency spectrum domain using the raster graphical representation. The result of these methods is either a time raster or a spectrum raster depending on the user choices. In this paper we present the results of using these methods in real sleep recordings that have been conducted in the Neurophysiology Unit.