Η συνδετικότητα εγκεφάλου αφορά σε πρότυπα δικτύων τόσο ανατομικών, όσο στατιστικά ή και αιτιακά συσχετισμένων συνδέσεων διακριτών μονάδων του νευρικού συστήματος του εγκεφάλου. Στην εργασία αυτή μελετάται τόσο η απόδοση όσο και η φυσιολογική ερμηνεία μετρικών υπολογισμού της στατιστικής καθώς και αιτιακής συνάφειας χρονοσειρών. Οι χρονοσειρές αφορούν σε καταγραφές περιοχών/ηλεκτροδίων του ηλεκτροεγκεφαλογραφήματος ύπνου φυσιολογικών ανθρώπων. Πιο συγκεκριμένα, οι μέθοδοι υπολογισμού της συνδετικότητας εφαρμόζονται μεταξύ περιοχών του εγκεφάλου και σε χρονικές στιγμές όπου λαμβάνουν χώρα μικρογεγονότα του ύπνου, όπως υπνικές άτρακτοι (sleep spindles) και K-συμπλέγματα (K-complexes), με απώτερο σκοπό την κατανόηση του ρόλου αυτών των γεγονότων στον ύπνο. / During Non-Rapid Eye Movement (NREM) sleep brain is considered to be relatively disconnected from the environment. Also connectedness between brain areas has been found decreased, although we do not know the role played in this by specific elements of sleep microstructure. We developed a method with millisecond time resolution appropriate for assessing brain connectivity during NREM sleep spindles, the φ-coherence. It is based on the observation by Nolte (2008) that when the phase between two signals is zero, the coherence value can be attributed to volume conduction rather than functional neuronal connection. So φ-coherence excludes this value. The new method counts among the effective connectivity measures as advantageous in (a) its superb time resolution (b) ability to study events clustered from different time periods or subjects (c) simultaneous study of any choice from all possible combinations of EEG electrodes and display their φ-coherence in time-frequency topological maps and (d) parameterization of all the plots included in the maps regarding frequency, time and φ-coherence threshold. Preliminary results from 360 fast spindles recorded in whole night sleep of two healthy volunteers the use of φ-coherence indicated a prevailing connectivity pattern of causal interactions mostly from centroparietal regions (C3, Cz, C4, Pz, P3, P4) to right frontotemporal regions (F8, T4). The study aims to help our understanding of the role played by spindles not only in sleep maintenance but also in memory consolidation and in several neuropsychiatric disorders.

Οι υπνικές άτρακτοι είναι χαρακτηριστικές κυματομορφές του ηλεκτροεγκεφαλογραφήματος (ΗΕΓ) του σταδίου 2 του ήσυχου (NREM) ύπνου, που έχουν υπναγωγικό ρόλο και σχετίζονται με διαδικασίες μνήμης και μάθησης. Μια υπνική άτρακτος είναι ομάδα ρυθμικά επαναλαμβανόμενων κυρίως αρνητικών κυμάτων με πλάτος που σταδιακά αυξάνεται και στη συνέχεια, σταδιακά μειώνεται, εντός της ζώνης συχνοτήτων 12-15 Hz (ζώνη συχνοτήτων ρυθμού σίγμα) και με διάρκεια μεταξύ 0.5 και 2 δευτερολέπτων. Η απεικόνιση, για μια κορυφή της ατράκτου, της κατανομής καποιας ηλεκτροεγκεφαλογραφικής μεταβλητής (π.χ. του ηλεκτρικού δυναμικού) στο πεδίο των ηλεκτροδίων καλείται τοπογραφία της κορυφής αυτής. Σκοπός της μελέτης ήταν να διερευνηθεί η τοπογραφία των ταχέων υπνικών ατράκτων κατά μέσο όρο, έτσι από ένα σύνολο 1449 γρήγορων ατράκτων επιλέχθηκαν προς ανάλυση 843 οι οποίες εμφανίζονταν σποραδικά και τουλάχιστον 3 δευτερόλεπτα μακριά από άλλα εμφανή εγκεφαλογραφικά συμβάντα που θα μπορούσαν να τις επηρεάσουν. Οι υπνικές άτρακτοι σημαδεύτηκαν πάνω στο ΗΕΓ οπτικά στην πρώτη, στην μεσαία και στην τελευταία αρνητική κορυφή τους, ακολούθησε προ-επεξεργασία, αποθορυβοποίηση των δεδομένων και εν συνεχεία μεσοποίηση τους στο πεδίο του χρόνου και των συχνοτήτων. Από την ανάλυση προκύπτει ότι η μέση τοπογραφία των ατράκτων στην αρχή, στη μέση και στο τέλος μεγιστοποιείται κεντρικά της κεφαλής και είναι σχετικά σταθερή και στις τρεις περιπτώσεις με μικρή τάση μετατόπισης προς τα εμπρός καθώς το φαινόμενο εξελίσσεται. Ομως, οι μεμονωμένες άτρακτοι εμφανίζουν μεγάλη ποικιλία προτύπων κίνησης του σημείου μεγίστης ισχύος η οποία δεν αποτυπώνεται στο μέσο όρο αλλά γίνεται αντιληπτή εξετάζοντας την τοπογραφία ενός μεγάλου αριθμού ατράκτων πριν τη μεσοποίηση. / Sleep spindles are characteristic waveforms of NREM sleep stage 2 electroencephalogram (EEG) which are involved in the generation and preservation of sleep as well as learning and memory processes. A sleep spindle is a group of rhythmic waves with gradually increasing and then decreasing amplitude (crescendo decrescendo morphology) within the frequency band 11-15 Hz and duration from 0.5 to 2 seconds. The voltage map of all electrodes for a spindle’s peak is called topography of the peak (power distribution visualization). The purpose of this study was to investigate the topography of fast spindles average thus, from a set of 1449 fast spindles, 843 were at least 3 seconds away from other EEG notable events which could affect them and were chosen for the average study. Sleep spindles were marked on EEG signal visually at first, middle and last negative peak, the next steps were preprocessing and denoising and finally averaging in time and in frequency domains. After the analysis we conclude that the average topography of the spindles at their start, middle and end is relatively stable and maximizes at the center of the head with a little tension to move forward as the phenomenon evolves. However, individual spindles show a great variety of movement patterns of the point of maximal electrical potential which patterns are not depicted in their average but can be understood by examining a large number of spindles before averaging.

Η εξόρυξη χώρο-χρονικών δεδομένων αποτελεί πλέον μία από τις σημαντικότερες κατευθύνσεις του κλάδου της εξόρυξης γνώσης. Κάποια από τα βασικά προβλήματα που καλείται να αντιμετωπίσει είναι η ανακάλυψη περιοχών που εμφανίζουν ομοιότητες στην χρονική τους εξέλιξη, η αναγνώριση προτύπων που εμφανίζονται τόσο στην χωρική όσο και στη χρονική πληροφορία, η πρόβλεψη μελλοντικών τιμών και η αποθήκευση σε εξειδικευμένες βάσεις δεδομένων με σκοπό την αποδοτική απάντηση χωροχρονικών ερωτημάτων. Οι μέθοδοι που προσεγγίζουν τα παραπάνω προβλήματα καθώς και οι βασικές εργασίες της εξόρυξης γνώσης, όπως η κατηγοριοποίηση και η ομαδοποίηση, εμφανίζονται στον πυρήνα της πλειονότητας των εργαλείων ανάλυσης και επεξεργασίας χώρο-χρονικών δεδομένων. Βασικός στόχος της παρούσας εργασίας είναι η εφαρμογή μεθόδων εξόρυξης χώρο-χρονικών δεδομένων στο Ηλεκτροεγκεφαλογράφημα (ΗΕΓ), το οποίο αποτελεί μία από τις πιο διαδεδομένες τεχνικές ανάλυσης της εγκεφαλικής λειτουργίας. Τα δεδομένα που προκύπτουν από το ΗΕΓ περιέχουν τόσο χωρική όσο και χρονική πληροφορία καθώς αποτελούνται από ηλεκτρικά σήματα που προέρχονται από ηλεκτρόδια τοποθετημένα σε συγκεκριμένες θέσεις στο κρανίο. Τα βασικά προβλήματα που μελετήθηκαν στην επεξεργασία του ΗΕΓ είναι η μοντελοποίηση και η συσταδοποίηση χώρο-χρονικών δεδομένων, τα οποία οδήγησαν στην ανάπτυξη των αντίστοιχων μεθόδων. Στα πλαίσια της παρούσας εργασίας μελετήθηκε επίσης το πρόβλημα της διαχείρισης των δεδομένων ΗΕΓ και τη ανάλυσης ροών δεδομένων σε πραγματικό χρόνο. Η ενασχόληση με τα συγκεκριμένα προβλήματα οδήγησε α) στη δημιουργία καινοτόμων μεθόδων μοντελοποίησης και συσταδοποίησης χωρο-χρονικών δεδομένων, β) στον σχεδιασμό μιας βάσης δεδομένων, γ) στην μελέτη της βιβλιογραφίας στο θέμα της εξόρυξης και της διαχείρισης ροών δεδομένων και δ) στην δημιουργία μιας εφαρμογής για την ανάλυση δεδομένων σε πραγματικό χρόνο πάνω σε ένα σύστημα διαχείρισης ροών δεδομένων. Η παρούσα εργασία περιλαμβάνει ένα ένα σύνολο μεθόδων και εργαλείων ανάλυσης και διαχείρισης δεδομένων που εξετάστηκαν και χρησιμοποιήθηκαν προκειμένου να μελετηθεί η καταλληλότητά της εφαρμογής τους στις καταγραφές ΗΕΓ. Με τον τρόπο αυτό επιτυγχάνεται ο πρωταρχικός στόχος της εργασίας: η προώθηση υπαρχόντων και η δημιουργία καινοτόμων μεθόδων ανάλυσης από τον κλάδο της εξόρυξης γνώσης στα δεδομένα του ηλεκτροεγκεφαλογραφήματος. / Mining spatiotemporal data is one of the most significant topics in the field of data mining and knowledge discovery. Detecting locations that exhibit similarities in their temporal evolution, recognizing patterns that appear in both spatial and temporal information and storing spatiotemporal data in specialized databases are some of the fundamental problems tackled by researchers in this specific area. Methods and algorithms that address such problems along with the common data mining tasks (e.g. classification and clustering) are critical in the development of applications for analyzing spatiotemporal data, fact that highlights the necessity of continuous advancements of these algorithms in terms of usability, accuracy and performance. The most significant objective of the work performed during this thesis is the application of spatiotemporal data mining methods on the analysis of EEG, in order to exploit the both the spatial and the temporal nature of these data (i.e. electrodes placed on specific locations on the scalp that continuously record the electrical activity of the brain). Towards this direction the problems of modeling and clustering spatiotemporal data were extensively studied and the major outcome was the development of two corresponding methods. Furthermore, during this work the problem of managing EEG data was investigated both in the offline and the online scenario and within the latter, the state of the art in mining data streams was studied. The outcomes of this thesis related to the aforementioned problems include a) the development of a graph-based method for modeling spatiotemporal data, b) a method for clustering spatiotemporal data based on this model, c) the design of a database schema for storing eeg recording data and meta-data and d) the development of an application for online spindle detection over a data stream management system. Finally, this work aims towards the development of new and the adaptation of existing data mining methods in the context of spatiotemporal EEG analysis.

Στην παρούσα διπλωματική εργασία γίνεται μελέτη της μεθόδου ανάλυσης ανεξάρτητων συνιστωσών στο ηλεκτροοεγκεφαλογράφημα. Αφού εξετάσουμε το κομμάτι της φυσιολογίας του εγκεφάλου θα δοθεί ένα μαθηματικό υπόβαθρο της ανάλυσης ανεξάρτητων συνιστωσών. Στη συνέχεια θα γίνει μια βιβλιογραφική έρευνα στη σύγκριση αλγορίθμων της ανάλυσης ανεξάρτητων συνιστωσών όταν εφαρμόζονται σε ηλεκτροεγκεφαλογραφήματα με στόχο την βέλτιστη εξαγωγή παρασίτων. Στο τέλος θα γίνει εφαρμογή της μεθόδου της ανάλυσης ανεξάρτητων συνιστωσών σε πραγματικά δεδομένα ηλεκτροεγκεφαλογραφήματος 64 καναλιών μέσω του περιβάλλοντος του Matlab. Στόχος της εφαρμογής αυτής είναι ο διαχωρισμός των ανεξάρτητων συνιστωσών μη-εγκεφαλικής προέλευσης και η αφαίρεση τους από τα αρχικά δεδομένα. / This thesis is a study of the independent componenet analysis in electroencephalogram. After looking at the piece of brain physiology we will give a mathematical framework of independent component analysis. Then it will become a literature search in the comparison algorithms of Independent Component Analysis in EEGs when applied with a view to optimal extraction of artifacts. At the end will be the method of independent component analysis to real EEG data 64 channels through the environment of Matlab. The aim of this application is the separation of independent components of non brain activity and removing them from the original data.

Το θέμα της παρούσας διατριβής αφορά στην μοντελοποίηση ενός εξελιγμένου ιατρι- κού συστήματος κατάλληλου για τη διαχείριση ζωτικών σημάτων με κύριο άξονα εφαρμογής τις διάφορες κατηγορίες ηλεκτροεγκεφαλογραφημάτων (EEG). Με τον όρο εξελιγμένο ιατρικό σύστημα αναφερόμαστε στη συγκεκριμένη διατριβή σε ένα ανεξάρτητο ανοικτό πληροφοριακό σύστημα που καλύπτει έναν πολύ συγκεκριμένο ιατρικό τομέα. Ως ζωτικά σήματα ή βιοσήματα για τη διατριβή νοούνται ψηφιακές καταγρα- φές ιατρικών οργάνων που μπορούν να αποθηκευτούν σε ψηφιακά αρχεία προτυποποιημένου μορφότυπου (format). Η διαχείριση περιλαμβάνει ανοικτές αρχιτεκτονικές λογισμικού με τις οποίες αρχειο- θετούνται και γίνονται αντικείμενο διαδραστικής επεξεργασίας ετερογενείς καταγραφές ια- τρικής πληροφορίας. Ο συγκεκριμένος ιατρικός τομέας ανάπτυξης του θέματος της διατριβής οριοθετείται στον ευρύτερο τομέα της επιληψίας και εστιάζεται στη χειρουργική της επιληψίας. Η βασική πρωτοτυπία της διατριβής έγκειται στη μοντελοποίηση και υλοποίηση ενός εξελιγμένου ιατρικού συστήματος για τη διαχείριση ηλεκτροεγκεφαλογραφημάτων (EEG), άλλων ζωτικών σημάτων καθώς και όλο το σύνολο των απεικονιστικών ιατρικών εξετάσεων που απαιτούνται και την υποστήριξη λήψης απόφασης στη χειρουργική της επιληψίας. Η αρχιτεκτονική πάνω στην οποία αναπτύχθηκε η πλατφόρμα αυτή αναφέρεται ως DESSA και αποτελεί έναν ολοκληρωμένο ηλεκτρονικό χώρο εργασίας κατάλληλο για όλες τις ειδικότητες ιατρών που ασχολούνται με το συγκεκριμένο θέμα. Η DESSA είναι προϊόν στενής συνεργασίας μεταξύ ιατρών, μηχανικών και αναλυτών αγοράς. / -

Η παρούσα εργασία αποτελεί μια θεωρητική μελέτη των παραμέτρων που επηρεάζουν και συνιστούν ένα διαγνωστικό μηχάνημα επιληψίας. Η εργασία χωρίζεται σε δύο μέρη. Στο πρώτο μέρος και στο πρώτο κεφάλαιο επιχειρείται μια συνεκτική και απλουστευμένη παρουσίαση του πεδίου εφαρμογής του ηλεκτροεγκεφαλογραφήματος, του εγκεφάλου. Δίνεται επίσης μια εικόνα για τους μηχανισμούς της προέλευσης των σημάτων που καταγράφονται στο ΗΕΓ. Τέλος γίνεται αναφορά στη νόσο της επιληψίας και τους τύπους των κρίσεων που παρουσιάζονται. Στο δεύτερο κεφάλαιο γίνεται αναφορά στις μεθόδους που έχουν χρησιμοποιηθεί για την καταγραφή και την απεικόνιση των σημάτων του εγκεφάλου και ειδικότερα στο ΗΕΓ. Πιο συγκεκριμενα παρουσιάζεται ο μηχανισμός καταγραφής του ΗΕΓ καθώς και οι ρυθμοί της εγκεφαλικής δραστηριότητας που αποτυπόνωνται. Στο δεύτερο μέρος περιγράφονται τα εργαλεία που χρησιμοποιεί ένα διαγνωστικό μηχάνημα. Στο τρίτο κεφάλαιο δίνεται μετασχηματισμός wavelet που αποτελεί χρήσιμο εργαλείο στην ανάλυση των βιοσημάτων. Στο τέταρτο κεφάλαιο παρουσιάζεται η ανάλυση ανεξάρτητων συνιστωσών (ICA), απαραίτητη για το διαχωρισμό των καταγραφόμενων σημάτων και στο κεφάλαιο 5 περιγράφονται μερικές παράμετροι που εξάγονται από τα βιοσήματα και βοηθούν στην καλύτερη επεξεργασία τους. Στο κεφάλαιο 6 περιγράφονται κάποια χαρακτηριστικά των νευρωνικών δικτύων(βασικό τμήμα ενός διαγνωστικόυ μηχανήματος) καθώς και ο αλγόριθμος οπίσθιας διάδοσης σφάλματος που χρησιμεύει στην εκπαίδευση των νευρωνικών δικτύων. Τέλος στο έβδομο κεφάλαιο γίνεται μια τυπική εκπαίδευση νευρωνικού δικτύου με μονοκάναλα δεδομένα, μετά από κατάλληλη επεξεργασία. / -

Σκοπός της παρούσας διπλωματικής εργασίας είναι η μελέτη του συγχρονισμού των ηλεκτροεγκεφαλικών σημάτων ως μέθοδος διάγνωσης των μαθησιακών δυσκολιών. Τα δεδομένα που χρησιμοποιήθηκαν είναι ηλεκτροεγκεφαλογραφήματα ηρεμίας και εγκεφαλικά προκλητικά δυναμικά υγιών και ατόμων με μαθησιακές δυσκολίες. Η μεθοδολογία που εξετάζεται βασίζεται στον υπολογισμό γραμμικών και μη γραμμικών μεγεθών. Τα γραμμικά μεγέθη περιλαμβάνουν την ετεροσυσχέτιση (cross-correlation) και τη συνοχή (coherence). Τα μη γραμμικά μεγέθη περιλαμβάνουν πέντε μεγέθη που προκύπτουν από την ανακατασκευή του σήματος στο χώρο των καταστάσεων, και δύο μεγέθη που προκύπτουν από το μετασχηματισμό Hilbert. Τα αποτελέσματα της ανάλυσης δείχνουν ότι ο συγχρονισμός στα άτομα με μαθησιακές δυσκολίες είναι σημαντικά ελαττωμένος σε σχέση με τους υγιείς στο σύνολο των ηλεκτροδίων και των εγκεφαλικών ρυθμών. / The aim of the present thesis is the analysis of the synchronization of the electroencephalogram as a method for the diagnosis of learning difficulties. The utilized data are electroencephalogram and evoked potentials of healthy subjects and subjects with learning difficulties. The method includes the estimation of linear and non linear measures. Two linear measures are used, namely cross-correlation and coherence. Five non linear measures are based on the reconstruction of the state space, and two non linear measures are based on the Hilbert transform. Driver synchronization is observed in subjects with learning difficulties as demonstrated by all the studied measures.

Το ηλεκτροεγκεφαλογράφημα (ΗΕΓ) είναι μια καταγραφή διαφορών δυναμικού στο τριχωτό της κεφαλής που προέρχονται από τη βιοηλεκτρική δραστηριότητα του εγκεφάλου. Με ιστορία άνω των 70 ετών, η αξία του ΗΕΓ σαν κλινική εξέταση είναι δεδομένη, με σημαντικό πλεονέκτημα το γεγονός ότι είναι μια μη επεμβατική μέθοδος. Ωστόσο, το πλήθος των ιστών που παρεμβάλλονται ανάμεσα στον εγκέφαλο και το τριχωτό της κεφαλής, σε συνδυασμό με το μικρό ύψος των εγκεφαλικών ρυθμών (τάξης μV) κάνουν τις ΗΕΓ καταγραφές επιρρεπείς σε πλήθος παρασίτων εξωεγκεφαλικής προέλευσης (artifacts). Όσον αφορά την κλινική εξέταση το πρόβλημα των artifacts είναι αντιμετωπίσιμο σε κάποιο βαθμό. Άλλωστε, για την κλινική εξέταση έχουν λογική μια απαίτηση ακινησίας και ηρεμίας του εξεταζομένου, που δεν είναι όμως πάντα δυνατή, σε ηλεκτρομαγνητικά θωρακισμένο χώρο, το κόστος του οποίου είναι αποσβέσιμο σε μακροπρόθεσμο χρονικό ορίζοντα. Σε τελική ανάλυση, η διάρκεια καταγραφής ενός ΗΕΓ μπορεί να επιμηκυνθεί τόσο όσο χρειάζεται ο κλινικός ιατρός ώστε να εξάγει ασφαλή διάγνωση. Τέτοιου είδους περιορισμοί όμως, μάλλον φαντάζουν εκτός λογικής σε φιλόδοξες εμπορικές εφαρμογές στον τομέα του Brain Computer Interface. Οι λύσεις σε αυτόν τον τομέα πρέπει να είναι φθηνές, να δουλεύουν ικανοποιητικά στο συνηθισμένο οικιακό ή εργασιακό περιβάλλον και να μην περιορίζουν τον χρήστη. Η προσέγγιση λοιπόν δεν πρέπει να είναι τόσο στον περιορισμό των artifacts, όσο στην αναγνώριση και αφαίρεσή τους. Στην παρούσα εργασία η αφαίρεση των artifacts προσεγγίζεται σαν ένα πρόβλημα Τυφλού Διαχωρισμού Σημάτων. Εφαρμόζονται τεχνικές Ανάλυσης Ανεξαρτήτων Συνιστωσών με σκοπό το διαχωρισμό των artifacts σε ξεχωριστές Ανεξάρτητες Συνιστώσες κάνοντας εύκολη στη συνέχεια την αφαίρεση τους Η παραπάνω προσέγγιση εκτός της προαναφερθείσας εφαρμογής στον τομέα του Brain Computer Interface, έχει σαφώς και κλινική αξία. Θα μπορούσε να εφαρμοστεί για παράδειγμα σε μη συνεργάσιμους ασθενείς (π.χ. μικρά παιδιά) ή σε θορυβώδη εξωτερικά περιβάλλοντα αποσυνδέοντας το ηλεκτροεγκεφαλογράφημα από την απαίτηση ενός καλά ελεγχόμενου, ηλεκτρομαγνητικά θωρακισμένου χώρου. / --

Το σύμπλεγμα-Κ και η άτρακτος είναι από τα χαρακτηριστικότερα ηλεκτροεγκεφαλογραφικά στοιχεία του δευτέρου NREM σταδίου του ύπνου στον άνθρωπο. Η παρούσα μελέτη διεξήχθη με σκοπό να διερευνήσει πιθανές σχέσεις μεταξύ των φαινομένων αυτών που εμφανίζονται κατά το δεύτερο στάδιο του NREM ύπνου, με ταυτόχρονη φιλοδοξία να απαντήσει σε ερωτήματα σχετικά με τον λειτουργικό ρόλο αυτών. Δέκα υγιή υποκείμενα έλαβαν μέρος στην μελέτη, κατά την οποία ελήφθη το ολονύχτιο ηλεκτροεγκεφαλογράφημα του ύπνου τους. Τα φαινόμενα ενδιεφέροντος αναγνωρίστηκαν, επιλέχθησαν και σημειώθηκαν προκειμένου να υποβληθούν σε συμβαντο-σχετιζόμενη ανάλυση, η οποία ενισχύθηκε από την εφαρμογή ανάλυσης χρόνου-συχνοτήτων καθώς και διδιάστατης τοπογραφικής απεικόνισης στον χώρο των ηλεκτροδίων. Η παρούσα μελέτη οδήγησε στα παρακάτω ευρήματα σχετικά με τα κύρια ηλεκτροεγκεφαλογραφικά στοιχεία του δευτέρου NREM σταδίου του ανθρώπινου ύπνου. Ταχείες άτρακτοι στην πορεία των οποίων τυγχάνει να εμφανιστεί σύμπλεγμα-Κ διακόπτουν την ταλάντωσή τους. Άτρακτοι οι οποίες με μεγάλη πιθανότητα εμφανίζονται μετά την πάροδο του συμπλέγματος-Κ έχουν υψηλότερη συχνότητα ταλάντωσης τόσο από εκείνες που διεκόπησαν όσο και από τις σποραδικές, μη-συσχετισμένες με σύμπλεγμα-Κ, ατράκτους. Η εν λόγω αύξηση στην συχνότητα τείνει προς μια μέγιστη συχνότητα ταλάντωσης και δεν εξαρτάται από κάποιο από τα ηλεκτροεγκεφαλογραφικά καταγραφόμενα χαρακτηριστικά του συμπλέγματος-Κ. Αντίστοιχα, και η διακοπή της ταλάντωσης των ατράκτων πρό του συμπλέγματος-Κ δεν μπορεί με βεβαιότητα να αποδωθεί στο σύμπλεγμα-Κ. Εντός του συμπλέγματος-Κ εμφανίζεται με μεγάλη πιθανότητα ρυθμική δραστηριότητα στο άνω όριο της θήτα ζώνης συχνοτήτων. Η δραστηριότητα αυτή είναι ανεξάρτητη του συμπλέγματος-Κ, καθώς εμφανίζει κατά πλειονότητα προσθιο-οπίσθιο προφίλ διάδοσης όταν το αργό κύμα του συμπλέγματος-Κ έχει μετωπιαία εντόπιση. Ο υψηλός θήτα ρυθμός αυτός, όσο περισσότερες ταλαντώσεις επιτυγχάνει εντός του συμπλέγματος-Κ τόσο περισσότερο τείνει να εισέλθει συχνοτικά στην άλφα ζώνη συχνοτήτων, από την οποία κατά πλειονότητα επανέρχεται στα αρχικά συχνοτικά επίπεδα κατά την τελευταία ταλάντωση˙ μια φασματική επαναφορά προτύπου πέδησης, την οποία ελλείψει άλλων οπτικά αξιολογήσιμων στοιχείων αποδίδουμε στην ύστερη δράση του συμπλέγματος-Κ. Η μελέτη αυτή έδειξε: α) ότι το σύμπλεγμα-Κ και οι άτρακτοι αποτελούν υπναγωγικά στοιχεία του φλοιού και του θαλάμου αντίστοιχα, τα οποία αντικατοπτρίζουν ανεξάρτητες αλλά συνεργές διαδικασίες που σκοπό έχουν να διατηρήσουν την συνέχεια του ύπνου, και β) ότι οι αλληλεπιδράσεις του συμπλέγματος-Κ με τους περί αυτό ρυθμούς υποδεικνύουν την ύπαρξη μιας ακόμη πιο βραχύχρονης δυναμικής διεργασίας στην μικρο-αρχιτεκτονική του ύπνου. Παράλληλα η μελέτη οδήγησε στην ανάπτυξη ενός νέου εργαλείου ταυτόχρονης απεικόνισης της μακρο-αρχιτεκτονικής και της μικρο-αρχιτεκτονικής του ύπνου: του υπνοφασματογραφήματος, του διαγράμματος χρόνου-συχνοτήτων του ολονύχτιου ηλεκτροεγκεφαλογραφήματος του ύπνου. / The K-complex and the sleep spindle are the most distinctive electroencephalographic features of the the second stage of NREM human sleep. This study was performed in order to investigate the potential relations between these phenomena that make their appearance in the second stage of NREM sleep, at the same time aiming in answering questions regarding their physiological role. Ten healthy individuals participated in this study, during which the whole-night sleep electroencephalogram was derived. The features of interest were identified, selected and marked in order to undergo event-related analysis, empowered by time-frequency analysis and 2-dimentional topography in electrode space. This study led to the following conclusions regarding the main electroencephalographic features of the second stage of NREM human sleep. Fast sleep spindles, during the course of which a K-complex happens to appear, interrupt their oscillation. The spindles that appear with high probability after the K-complex have higher frequency of oscillation from both the interrupted ones as well as form the sporadic, non-cprrelated to the K-complex, spindles. This increment in frequency tends towards a maximum oscillation frequency and is not dependent in any of the electroencephalographically recorded features of the K-complex. Respectively, the interruption of the oscillation of the pre-K-complex spindles cannot be credited to the K-complex with certainty. During the course of the K-complex a rhythmic activity of the upper theta band appears with high probability. This activity is independent from the K-complex as, in majority, it exhibits a antero-posterior profile of displacement when the slow wave of the K-complex has a frontal localization. This high-theta rhythm, the more oscillation peaks it achieves during the K-complex, the more it tends to enter the alpha band, from which, in majority, it returns to the initial frequency levels during the last oscillation; a spectral breaking profile that, in the absence of other visually evaluated elements, we credit to the late action of the K-complex. This study showed that: a) the K-complex and the sleep spindle are sleep-promoting elements of the cortex and the thalamus, respectively, that represent independent but cooperative processes that aim in preserving the continuity of sleep, and b) that the interactions of the K-complex with the rhythms around it reveal the existence of an even briefer dynamic process of the micro-architecture of sleep. At the same time, this study led to the development of a novel tool for concurrent visualization of the macro-architecture and the micro-architecture of sleep: the hypnospectrogram, the time-frequency plot of the whole-night sleep electroencephalogram.

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.