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 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.

Σκοπός της παρούσας μεταπτυχιακής διπλωματικής εργασίας είναι η μελέτη και σχεδίαση ενός υδατογραφικού σχήματος για ηλεκτροεγκεφαλογραφικά (ΗΕΓ) σήματα επιληπτικών ασθενών. Το υδατογραφικό σχήμα που εφαρμόστηκε βασίζεται στο Μετασχηματισμό Κυματιδίων (wavelet transform) και είχε μέχρι πρότινος εφαρμοστεί μόνο σε ιατρικές εικόνες. Στόχος της ανάπτυξης του υδατογραφικού αυτού σχήματος, είναι η ενσωμάτωση πληροφοριών που έχουν μεγάλη αξία για διάγνωση και θεραπεία χωρίς όμως να αλλοιώνεται αισθητά το σήμα μετά την ενσωμάτωση των δεδομένων. Πριν την εφαρμογή όμως του υδατογραφικού μας σχήματος, απομονώνεται με έναν ειδικά σχεδιασμένο αλγόριθμο η περιοχή της επιληπτικής κρίσης γιατί είναι η περιοχή με τη μεγαλύτερη διαγνωστική αξία και στόχος είναι να παραμείνει εντελώς αναλλοίωτη. Η πρόοδος στον τομέα της τηλεϊατρικής έχει επιτρέψει τη μεταφορά ιατρικών σημάτων με στόχο τη διάγνωση και θεραπεία ασθενών που βρίσκονται σε απομακρυσμένες περιοχές. Κατά τη μεταφορά του υδατογραφημένου σήματος όμως μπορεί αυτό να υποστεί αλλοιώσεις που προέρχονται από συμπιέσεις του σήματος με σκοπό τη μείωση του μεγέθους τους, αλλά και αλλοιώσεις που προέρχονται από προσθήκη θορύβου. Για να εκτιμηθεί η αποτελεσματικότητα λοιπόν του υδατογραφικού μας σχήματος, εφαρμόζονται στο σήμα επιθέσεις συμπίεσης με διαφορετικά κατώφλια και επιθέσεις προσθήκης λευκού θορύβου με διαφορετικούς σηματοθορυβικούς λόγους SNR. Εφαρμόζοντας αυτές τις επιθέσεις, υπολογίζεται το ποσοστό ανάκτησης του υδατογραφήματος από το σήμα που έχει υποστεί επίθεση καθώς και το ποσοστό αλλοίωσης μεταξύ του αρχικού υδατογραφημένου σήματος και του υδατογραφημένου σήματος που έχει υποστεί επίθεση. Μεγαλύτερο ποσοστό ανάκτησης του υδατογραφήματος παρατηρείται όσο το κατώφλι συμπίεσης μικραίνει ενώ αντίθετα ο σηματοθορυβικός λόγος SNR μεγαλώνει. / The purpose of this thesis is the disquisition of a digital watermarking scheme for electroencephalogram (EEG) signals designed for epileptic patients. The watermarking scheme that has been applied in EEG signals is based on wavelet transform applied only in medical images. The objective implementing this digital watermarking scheme in EEG signals, is to embed important data with great significance in patient’s medical history. Furthermore, the scheme can be used for: diagnosis and cure, without distort the initial signal in such a way that leads in a misdiagnosis. Prior to implementation of our watermarking scheme, the area that presents the epileptic seizure is isolated with a specific designed algorithm so as the signal in this area remains undistorted. Nowadays, modern telecommunication infrastructure supports the possibility of delivering quality health care without the physical presence of medical experts. During the telecommunication signal transfers, the watermarking signals can be distorted due to compression methods or/and addition of white noise. In order to evaluate the efficiency of watermarking scheme, the signal is subjected to different kinds of attacks, such as compression with different compression thresholds, and attacks of adding white noise with different SNR ratio. After applying these attacks to the signal, it is computed the recovery ratio of the watermark and the distortion between the initial watermarked signal and the signal that has been subjected to the attacks. Given the results, the conclusion is that the smaller the compression threshold is, the better the recovery ratio of the watermark. On the other hand, in white noise attacks, the recovery ratio increases as the SNR ratio gets higher.

L’EEG de surface permet l'étude spatio-temporelle de l’activité cérébrale avec une résolution temporelle élevée, cependant elle souffre de la forte atténuation du champ électrique propagée par l'os du crâne et de la présence de sources de bruits externes. De ce fait, nous souhaitons exploiter les mesures issues de la Stéréo-EEG (SEEG). Cette modalité consiste en l'introduction d'électrodes d'enregistrement au plus près des générateurs, bénéficiant ainsi d'un rapport signal à bruit bien supérieur à celui observé en EEG. Nous proposons ainsi dans cette thèse une étude de faisabilité de l'imagerie de sources à partir de ces mesures, basée sur une méthode d'inversion de type dipôle équivalent associée à un modèle de propagation à une sphère, capable d'amener à une précision de localisation de l'ordre de quelques millimètres. A partir d'une implantation clinique usuelle de la SEEG, nous évaluons les performances de localisation lorsque différents sous-ensembles de capteurs sont considérés. En présence de bruit réaliste, nous constatons que l'ajout de capteurs lointains peut amener à une dégradation de la précision de localisation. Ces conclusions nous amènent à proposer une approche de sélection des capteurs locaux dans le but d'optimiser la fiabilité des résultats. Les atouts et faiblesses de cette approche sont analysés dans un cadre de simulation réaliste afin d'explorer de façon pertinente les différents paramètres pouvant influer sur la qualité de résolution du problème inverse. Les approches sont appliquées sur des enregistrements SEEG récoltés au CHRU de Nancy afin de confronter les méthodes de localisation proposées à des mesures réelles / The surface EEG makes it possible to study the brain activity with a high temporal resolution, however it suffers from the severe attenuation of the electrical propagation through the skull bone as well as the addition of external artifacts. As an alternative, we would like to exploit the Stereo-EEG (SEEG) recordings, consisting in shaft electrodes implanted in the brain volume in the direct vicinity of the brain generators. These data benefit from a high signal to noise ratio compared to this observed in surface EEG. We propose in this thesis a feasibility study of source imaging from the SEEG, based on an equivalent current dipole inversion method associated with an analytical One-Sphere propagation model, able to bring localization precision of the order of a few millimeters. Using a typical clinical electrode implantation, we evaluate the localization performance when different subsets of sensors are considered. In the presence of realistic noise, we observe that the addition of distant sensors with respect to the source can lead to a degradation of the localization accuracy. These conclusions lead us to propose a local sensor selection approach in order to optimize the reliability of the results. The strengths and weaknesses of this approach are analyzed on a realistic simulation framework, for a relevant exploration of the different parameters impacting on the quality of the SEEG source imaging. The approaches are applied on SEEG recordings collected at the CHRU of Nancy to evaluate their performance when facing real measurements

Στη συγκεκριμένη μεταπτυχιακή εργασία γίνεται ανάλυση των ηλεκτροεγκεφαλογραφικών καταγραφών επιληπτικών ασθενών με βάση την κλασματική διάσταση για τον εντοπισμό της έναρξης των επιληπτικών κρίσεων καθώς και για την ανίχνευση των επερχόμενων επιληπτικών κρίσεων. Πιο συγκεκριμένα, χρησιμοποιούνται τέσσερις μέθοδοι υπολογισμού της κλασματικής διάστασης στο πεδίο του χρόνου. Πραγματοποιείται μία συγκριτική μελέτη των συγκεκριμένων μεθόδων χρησιμοποιώντας δύο συνθετικά σήματα γνωστής κλασματικής διάστασης και στη συνέχεια οι μέθοδοι εφαρμόζονται σε ηλεκτροεγκεφαλογραφικές καταγραφές ασθενών που πάσχουν από επιληψία. Η συγκεκριμένη εργασία αποδεικνύει ότι όλες οι μέθοδοι μπορούν και εντοπίζουν την έναρξη των επιληπτικών κρίσεων ενώ η στατιστική ανάλυση δείχνει ότι κάποιες από αυτές τις μεθόδους μπορούν να χρησιμοποιηθούν και ως δείκτες πρόβλεψης των επερχόμενων επιληπτικών κρίσεων. Επίσης, διαπιστώνεται ότι ανάλογα με το είδος των ηλεκτροεγκεφαλογραφικών καταγραφών, το μέγεθος του παραθύρου και τη ζώνη διέλευσης του φίλτρου τα αποτελέσματα της κλασματικής διάστασης που προκύπτουν επηρεάζονται. / Τhe fractal dimension is a powerful tool in the analysis of electroencephalograms. In this work, four methods of estimating the fractal dimension of electroencephaolographic recordings of epileptic patients directly in the time domain are analyzed and compared. The analysis is performed over both synthetic data and real recordings of epileptic patients. The effects of the type of recordings, the window size and the frequencies in the passband filter are examined. This study shows that the four methods detect the beginning of the epileptic seizures, while the statistic analysis proves that some of these methods can be used for the prediction of the next seizures.