Χρονοφασματική και χωροχρονική ανάλυση σύγχρονης (φασικά-κλειδωμένης) υψίσυχνης (γ-ζώνης) ταλαντωτικής ηλεκτροεγκεφαλογραφικής δραστηριότητας σε ανώτερης τάξης oπτικογνωστικές αποκρίσεις του ανθρωπίνου εγκεφάλου διεξαγόμενη με το συνεχή μετασχηματισμό του κυματίου και υλοποιούμενη με προηγμένα εργαλεία πληροφορικής της Βιοϊατρικής Μηχανικής στην ψηφιακή επεξεργασία του ΗΕΓ σήματος. / Spectrotemporal and spatiotemporal analysis of synchronous (phase-locked) high-frequency (gamma-band)oscillatory electroencephalographic activity in higher-order visual cognitive responses of the human brain conducted with the continuous wavelet transform and implemented by advanced informatics tools of Biomedical Engineering in digital EEG signal processing.

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).

Σκοπός της παρούσας διδακτορικής διατριβής είναι η ανάπτυξη και η εφαρμογή εξελιγμένων αλγορίθμων ανάλυσης ηλεκτροεγκεφαλογραφήματος ηρεμίας (rest EEG) και προκλητών δυναμικών (ERP) για την εξαγωγή νευροφυσιολογικών συμπερασμάτων σχετικά με νευρολογικές/ψυχιατρικές ασθένειες. Οι τεχνικές που αναπτύσσονται εφαρμόζονται τόσο σε συνθετικά σήματα όσο και σε πραγματικά σήματα μαρτύρων και ατόμων με δυσλεξία, που υποβάλλονται στην ακουστική δοκιμασία Wechsler. Αρχικά μελετούνται τα συμβατικά χαρακτηριστικά προκλητών δυναμικών που αποτελούνται από τα πλάτη των κορυφώσεων και τους λανθάνοντες χρόνους πραγματοποίησής τους μετά το ερέθισμα. Μέσω στατιστικών αναλύσεων αναδεικνύεται ότι τα άτομα με δυσλεξία παρουσιάζουν σημαντικά μικρότερο πλάτος κορύφωσης N100 το οποίο μάλιστα συσχετίζεται με την απόδοση μνήμης. Επίσης, ο προσυνειδητός χρόνος απόκρισης στα ηχητικά ερεθίσματα παρουσιάζεται σε συγκεκριμένα ηλεκτρόδια σημαντικά παρατεταμένος σε άτομα με δυσλεξία. Οι ενεργειακές διαφοροποιήσεις στα φάσματα EEG/ERP προσφέρουν σημαντική πληροφορία σχετικά με το βαθμό ενεργοποίησης των διαφόρων περιοχών του εγκεφάλου. Η ανάλυση ενεργειακών διαφοροποιήσεων πραγματοποιείται στο πεδίο χρόνου-συχνότητας, αναδεικνύοντας χρονικές μεταβολές του φασματικού περιεχομένου. Στο πλαίσιο αυτό, αξιολογούνται συγκριτικά τεχνικές αναπαράστασης χρόνου-συχνότητας τόσο δεύτερης τάξης όσο και προσαρμοστικές. Ο αλγόριθμος matching pursuit αποδεικνύεται ιδιαίτερα αποτελεσματικός στη μείωση των διαγώνιων όρων και στην ανάδειξη ενεργειακών κορυφών. Για τη στατιστική αποτίμηση των ενεργειακών διαφορών στις ζώνες συχνοτήτων δ (0-4 Hz), θ (5-7 Hz), α (8-13 Hz), β (14-30 Hz), προτείνεται μεθοδολογία βασισμένη στο συνδυασμό μεθόδων κανονικοποίησης και διόρθωσης πολλαπλών συγκρίσεων. Η ύπαρξη σημαντικών ενεργειακών διαφοροποιήσεων ενδεχόμενα είναι απόρροια του διαφορετικού τρόπου λειτουργικής συνδεσιμότητας μεταξύ των δύο μελετούμενων ομάδων (μαρτύρων, ατόμων με δυσλεξία). Για το σκοπό αυτό, υπολογίζονται μεγέθη συνδεσιμότητας και αιτιότητας μεταξύ ηλεκτροεγκεφαλογραφικών καταγραφών, με χρήση του μοντέλου πολλαπλής παλινδρόμησης σε συνδυασμό με τις μεθόδους εκτίμησης Yule-Walker, Burg και Least Squares, καταδεικνύοντας την ανωτερότητα των δύο τελευταίων όσον αφορά στην ακρίβεια πρόβλεψης. Μετά από εκτεταμένη συγκριτική αξιολόγηση των μεγεθών αιτιότητας, προτείνεται ένα νέο μέγεθος ανάδειξης των άμεσων ροών δραστηριότητας, το οποίο βασίζεται στο συνδυασμό της μη κανονικοποιημένης κατευθυνόμενης συνάρτησης μεταφοράς και της μερικής κατευθυνόμενης συμφωνίας. Το μέγεθος αυτό αποδεικνύεται ιδιαίτερα αποδοτικό στη μείωση ψευδών ή μη άμεσων ροών και παρουσιάζει φασματικές ιδιότητες παρόμοιες με αυτές των εμπλεκόμενων κυματομορφών. Η εφαρμογή του σε ηλεκτροεγκεφαλογράφημα ηρεμίας, όπου ικανοποιείται η συνθήκη στασιμότητας, οδηγεί στην ανάδειξη διαφοροποιήσεων σε συγκεκριμένες ροές δραστηριότητας. Στην περίπτωση μη στάσιμων χρονοσειρών, όπως είναι τα προκλητά δυναμικά, χρησιμοποιείται δυναμικό μοντέλο πολλαπλής παλινδρόμησης για την εκτίμηση των μεγεθών σύζευξης. Μελετάται η ικανότητας αναπαράστασης γρήγορα μεταβαλλόμενων αιτιακών σχέσεων, με χρήση τόσο της προσέγγισης μικρού χρονικού παραθύρου όσο και προσαρμοζόμενων φίλτρων Kalman. Η μελέτη περιλαμβάνει την επίδραση του επιπέδου θορύβου, του συντελεστή προσαρμογής και της χρονικής μεταβολής των συνδέσεων του προτύπου συνδεσιμότητας. Το φίλτρο Kalman αποδεικνύεται ιδιαίτερα ακριβές στην εκτίμηση της χρονικής εξέλιξης των συντελεστών του μοντέλου τόσο σε συνθετικά όσο και σε πραγματικά ηλεκτροεγκεφαλογραφικά δεδομένα. Επιπλέον, μελετήθηκε η προβλεψιμότητα/πολυπλοκότητα των χρονοσειρών, με χρήση μεγεθών φασματικής και προσεγγιστικής εντροπίας. Η φασματική εντροπία και οι παραλλαγές της αποτελούν μεγέθη που αναδεικνύουν τη φασματική πολυπλοκότητα μιας χρονοσειράς και σχετίζονται με φαινόμενα συγχρονισμού και επικράτησης συγκεκριμένων ζωνών συχνοτήτων. Επειδή χρειάζεται να μελετηθεί η χρονική εξέλιξη της πολυπλοκότητας αυτής, τα μεγέθη αυτά υπολογίζονται τόσο με χρήση μετασχηματισμού κυματιδίου όσο και με χρήση βέλτιστου πυρήνα, καταδεικνύοντας την ανωτερότητα του τελευταίου στο διαχωρισμό μεταξύ των δύο ομάδων (μαρτύρων, ατόμων με δυσλεξία). Η αναπαράσταση με χρήση βέλτιστου πυρήνα επιτρέπει την προσαρμογή του πυρήνα σε κάθε υπό ανάλυση σήμα, κάτι το οποίο έχει ιδιαίτερη σημασία σε περιπτώσεις που παρατηρείται έντονη διακύμανση μεταξύ των καταγραφών. Τέλος, μέσω της προσεγγιστικής εντροπίας μελετάται η ύπαρξη όμοιων προτύπων παρατηρήσεων κατά μήκος των χρονοσειρών τόσο σε συγκεκριμένα ηλεκτρόδια όσο και μεταξύ ηλεκτροδίων. Οι μέθοδοι που παρουσιάζονται στο πλαίσιο της παρούσας διδακτορικής διατριβής συμβάλλουν στην πιο αντικειμενική και αξιόπιστη μελέτη συγχρονισμού, αιτιακών σχέσεων και πολυπλοκότητας κατά την ανάλυση ηλεκτροεγκεφαλογραφικών καταγραφών. / The purpose of the present Ph.D. thesis is to develop and apply advanced algorithms for EEG/ERP signal analysis in order to study neurophysiological alterations associated with dyslexia. The used methods aim at a reliable analysis of synchronization, causal connectivity and complexity of EEG/ERP signals and are evaluated on both synthetic and real EEG/ERP signals of dyslexics and controls, acquired during Wechsler auditory test. First, the conventional components of ERP waveforms (peak amplitudes, latencies) are studied. Statistical analysis points out that dyslexics’ signals present significantly lower N100 amplitudes which are known to be associated with memory performance. An important parameter in dyslexia is the pre-attentive reaction time to auditory stimuli which is reflected through P50 latency and is found to be significantly prolonged at specific electrodes. Energy differentiations in time-frequency between the two groups (dyslexics and controls) are examined, enabling study of the temporal changes of ERP content. Various second order and adaptive time-frequency methods are comparatively assessed in terms of their accuracy in representing temporally changing spectra. Matching pursuit is proved to be quite effective in cross terms suppression and representation of energy peaks. Significant energy differentiations at delta (0-4 Hz), theta (5-7 Hz), alpha (8-13 Hz) and beta (14-30 Hz) frequency bands are detected, through a methodology of statistical evaluation based on normalization and multiple comparisons correction methods. The presence of significant energy differentiations may be the result of differing functional connectivity patterns between the two groups (controls, dyslexics). In order to study causal connectivity patterns, the multivariate autoregressive model is estimated using the Yule-Walker, Burg and Least Squares methods, with Burg and Least Squares proved to provide superior performance in terms of prediction error. A new measure for the estimation of direct causal interactions is proposed, which is based on the combination of the full frequency directed transfer function and the partial directed coherence, exhibiting spectral properties similar with those of the involved signals, and increased efficiency in suppressing false and non direct flows. Study of rest EEG connectivity patterns, by means of the new connectivity measure, revealed differentiations in specific activity flows between the two groups under study (controls and dyslexics). In order to calculate coupling measures of non-stationary signals, like ERP, the dynamic autoregressive model is used and its ability to accurately represent rapid changes of causal interactions is assessed using short window and adaptive Kalman filter approaches. The superiority of the Kalman filter approach in terms of the accuracy provided in the estimation of the model’s autoregressive parameters is demonstrated on both synthetic and real EEG/ERP signals. Furthermore, the predictability/complexity of EEG/ERP time-series of dyslexics versus controls was studied, using measures of spectral and approximate entropy. Spectral entropy and its modifications quantify the spectral complexity of time-series and are related with synchronization and dominance of specific frequency bands. In order to study the temporal evolution of signals’ spectral complexity, wavelet transform and optimal kernel approaches were used, and the superiority of the latter concerning its ability to discriminate the two groups was demonstrated. The representation through optimal kernel permits the adjustment to each analyzed signal, a property that is quite important in analyzing data characterized by intense variability. Finally, through approximate entropy, the presence of differentiations in predictability of EEG time series related with single electrodes or pairs of electrodes is studied, demonstrating that dyslexics’ signals are characterized by more predictable patterns.

Προτείνουμε μια προσέγγιση για να αναλύσουμε τα δεδομένα που συλλέγουμε από το παράδειγμα του Ορθογράφου P300, χρησιμοποιώντας την τεχνική μηχανικής μάθησης, support vector machines. Στο συγκεκριμένο πλαίσιο κατηγοριοποίησης, πετύχαμε την σωστή λύση μετά από πέντε επαναλήψεις. Ενώ η κατηγοριοποίηση στους διαγωνισμούς BCI είναι για offline ανάλυση, η προσέγγιση μας μπορεί να θεωρηθεί ως μια online λύση για τον πραγματικό κόσμο. Είναι γρήγορη, απαιτεί λίγες (λιγότερες από 10) θέσεις ηλεκτροδίων, απαιτεί μόνο ένα μικρό ποσοστό προεπεξεργασίας και η επιλογή των τιμών για κρίσιμες παραμέτρους έχει αυτοματοποιηθεί. / We propose an approach to analyze data from the P300 speller paradigm using the machine-learning technique support vector machines. In a conservative classification scheme, we found the correct solution after five repetitions. While the classification within the BCI competition is designed for offline analysis, our approach is also well-suited for a real-world online solution: It is fast, requires few electrode positions (less than 10), demands only a small amount of preprocessing and selection of values for critical parameters is automated.

Είναι γεγονός ότι τόσο το ευθύ όσο & το αντίστροφο EEG & MEG πρόβλημα έχει αποτελέσει αντικείμενο μελέτης ερευνητών διαφόρων ειδικοτήτων (των Μαθηματικών, της Πληροφορικής, των Φυσικών, των Ηλεκτρολόγων Μηχανικών & φυσικά της Ιατρικής), ήδη από τις δεκαετίες του 1950 & 1960, που αναζητούσαν τρόπους υπολογισμού του ηλεκτρικού & του μαγνητικού πεδίου που παράγουν στο εξωτερικό του εγκεφάλου δεδομένες πηγές που βρίσκονται στο εσωτερικό του (ευθέα προβλήματα EEG - MEG), είτε τρόπους προσδιορισμού των πηγών από μετρήσεις των πεδίων αυτών εξωτερικά του εγκεφάλου (αντίστροφα προβλήματα EEG - MEG). Όλα τα νευρικά σήματα του εγκεφάλου διαδίδονται μέσω μικρών ηλεκτρικών ρευμάτων, τα οποία παράγουν ηλεκτρικό & μαγνητικό πεδίο εντός & εκτός του εγκεφάλου λόγω του συζευγμένου χαρακτήρα του ηλεκτρομαγνητισμού για τα χρονικώς μεταβαλλόμενα φαινόμενα. Τα ηλεκτρικά πεδία & τα μαγνητικά πεδία που παράγονται καταγράφονται από το Ηλεκτροεγκεφαλογράφημα (EEG) & το Μαγνητοεγκεφαλογράφημα (MEG) αντίστοιχα. Στην παρούσα εργασία παρουσιάζουμε τα αποτελέσματα των ερευνών που έχουν καταγραφεί τα τελευταία χρόνια & έχουν δώσει χρήσιμες σχέσεις για το ηλεκτρικό & μαγνητικό πεδίο για τα διάφορα πρότυπα του εγκεφάλου & συγκεκριμένα του σφαιρικού, του σφαιροειδούς & του ελλειψοειδούς προτύπου. Επίσης αναλύεται η αναγωγή προς το σφαιρικό πρότυπο από τα άλλα δύο πρότυπα για να αποδειχθεί ότι τελικά η σφαιρική συμπεριφορά αποκαθίσταται & αναφέρονται ποιες είναι οι σιωπηλές πηγές που δεν συνεισφέρουν στην δημιουργία του μαγνητικού πεδίου στα διάφορα πρότυπα. Τέλος γίνεται αναφορά στο αντίστροφο πρόβλημα του ΗΕΓ που δεν έχει μοναδική λύση & αναφέρουμε πως μπορεί να επιλυθεί αρκεί από τα δεδομένα που έχουμε για το ηλεκτρικό πεδίο να έχει εξαλειφθεί ο θόρυβος με κάποιες μεθόδους που εξηγούνται. Αντικείμενο της εργασίας είναι αρχικά να περιγράψει τη μεθοδολογία για την ανάλυση του ηλεκτρικού πεδίου σε καρτεσιανές συντεταγμένες όσον αφορά το ελλειψοειδές πρότυπο του εγκεφάλου, που είναι & το βέλτιστο δεδομένου ότι ο μέσος εγκέφαλος είναι ελλειψοειδής με άξονες 9, 6.5, 6 cm. Στη συνέχεια δημιουργήσαμε ένα πρόγραμμα σε matlab με σκοπό την καταγραφή των πειραματικών αποτελεσμάτων (που είναι ο προσδιορισμός της πηγής & της θέσης της) & την τρισδιάστατη γραφική παράστασή τους από την παραμετρική ανάλυσή του ηλεκτρικού πεδίου. Στόχος μας ήταν η εύρεση & η σύγκριση των πηγών & των θέσεων που αυτές εντοπίζονται στο εσωτερικό του εγκεφάλου υπό διάφορες συνθήκες που καθορίζονται από την μεταβολή διαφόρων παραμέτρων όπως το πεδίο τιμών των μετρήσεων & των σφαλμάτων τους. / The fact is that both the EEG & MEG problems and the EEG & MEG inverse problems have been studied by researchers of various disciplines (Mathematics, Informatics, Physics, Electrical Engineering & Medicine), since 1950 and 1960, that have been seeking for ways of calculating the electrical and the magnetic field that are produced outside the brain by given sources located within the brain (EEG – MEG problems), or for methods of determining the sources from the measurement of these fields outside the brain (EEG – MEG inverse problems). All the nerve signals of the brain propagate via small electric currents, which produce electric and magnetic fields within and outside the brain due to the coupled nature of electromagnetism for the time-varying phenomena. Electric and magnetic fields, that are generated, are recorded by EEG recording (EEG) & the MEG recording (MEG), respectively. In this work we present the results of surveys in the recent years that have given useful relations for the electric and magnetic field for various models of the brain and in particular the spherical, the spheroid and the ellipsoid model. We also analyzed the reduction in the spherical model from the other two models in order to demonstrate that finally the spherical behavior is restored. Moreover, we listed the silent sources that do not contribute to the creation of the magnetic field in the various models. Finally, we refer to the EEG inverse problem that has not a unique solution and we refer how it can be solved provided that the noise is removed from the data we have - regarding the electric field- with some methods that are explained. The scope of this work is to describe at first the methodology for the analysis of the electric field for the ellipsoid model of the brain (that is the optimal model since the average brain is ellipsoid with axes 9, 6.5, 6 cm) in cartesian coordinates. Then we create a program in matlab in order to record the results, as far as the source and the position of the source are concerned, and their three-dimensional graphics. Our goal is to find and compare the vectors of the sources and the vectors of the positions that these sources are located within the brain, under various conditions determined by changing the various parameters such as the measurement parameters and the errors of the measurement parameters.

Electrocardiography (ECG) has been established as one of the most useful diagnostic tools in medicine and is critical in the management of various heart conditions. Automated or semi-automated ECG analysis algorithms are expected to play an important role in the utilization of the ECG data. The correct identification of the QRS complexes is a fundamental step in every ECG analysis method. A major problem that is often encountered in automatic QRS detection is the presence of artifacts in the ECG data, which cause considerable alterations to the signal. Some common filters can smooth the effect of the artifacts, however they cannot eliminate them due to their spectral frequency overlap with the signal components. In this thesis, the objective was to develop a method, based on Time-Frequency Analysis that would be able to automatically detect and remove artifacts in order to increase the reliability of automatic QRS detection. The ECG data used for this purpose was taken from the Physionet library and more specifically from the MIMIC II database. The data in this database was acquired from ICU patients and it contains various types of rhythms as well as artifacts. First, a Graphical User Interface (GUI) was developed in order to manually annotate ECG data and was used for creating the ground truth for testing the methods developed. The Time-Frequency Analysis method used for the analysis of the ECG data, was based on a time-varying Autoregressive (AR) model whose solutions were obtained using Burg’s method. Several factors that affect the effectiveness of the method were investigated in order to optimize the algorithm experimentally. The algorithm implemented performs three main functions: “Artifact Hypothesis Testing,” “Artifact Detection and Removal,” and “QRS Complex Detection.” The first step, “Artifact Hypothesis Testing,” examines whether the signal contains any artifact or not. This is performed with a correct classification rate of 95.56%. The second step was the “Artifact Detection and Removal,” which could detect and remove the artifact area with an accuracy of 95.60% based on each signal sample identified as artifact or not. The final step, the “QRS Complex Detection,” correctly identified 92% of QRS complexes (322 out of 335 annotated QRS complexes). Finally, the proposed method was compared with one of the most commonly used methods in ECG analysis, the Wavelet Transform Analysis (WTA). The two methods were tested on exactly the same dataset. The WTA resulted in an overall score of 65.3% mainly due to the large number of false positive detections in the regions of artifact. / Το ηλεκτροκαρδιογράφημα (ΗΚΓ) έχει καθιερωθεί ως ένα από τα πιο χρήσιμα εργαλεία διάγνωσης στην ιατρική και είναι πολύ σημαντικό στη διαχείριση καρδιαγγειακών παθήσεων. Αυτοματοποιημένοι ή ημι-αυτοματοποιημένοι αλγόριθμοι ανάλυσης του ΗΚΓ αναμένεται να έχουν σημαντικό ρόλο στη χρήση των δεδομένων του ΗΚΓ. Η σωστή αναγνώριση των συμπλεγμάτων QRS είναι βασικό βήμα σε κάθε μέθοδο ανάλυσης του ΗΚΓ. Ένα σημαντικό πρόβλημα που συχνά προκύπτει σε αυτόματη ανίχνευση QRS είναι η παρουσία των τεχνητών σφαλμάτων (artifacts) στα δεδομένα ΗΚΓ, τα οποία προκαλούν σημαντικές αλλαγές στο σήμα. Κάποια κοινά φίλτρα μπορούν να εξομαλύνουν τις επιπτώσεις των τεχνητών σφαλμάτων, ωστόσο δεν μπορούν να τα εξαλείψουν λόγω της μεγάλης επικάλυψης του φάσματος συχνοτήτων τους με αυτού των στοιχείων του σήματος. Στην παρούσα εργασία στόχος ήταν η ανάπτυξη μιας μεθόδου, βασισμένης στην Ανάλυση Χρόνου-Συχνότητας, που θα είναι σε θέση να εντοπίσει αυτόματα και να αφαιρεί τα τεχνητά σφάλματα, ώστε να έχουμε μια πιο αξιόπιστη μέθοδο αυτόματης ανίχνευσης των QRS. Τα δεδομένα ΗΚΓ που χρησιμοποιήθηκαν για το σκοπό αυτό λήφθηκαν από τη βιβλιοθήκη Physionet και πιο συγκεκριμένα από τη βάση δεδομένων MIMIC II. Τα δεδομένα σε αυτή τη βάση δεδομένων προέρχονται από ασθενείς της Μονάδας Εντατικής Θεραπείας, και ως εκ τούτου, περιέχουν διάφορα είδη ρυθμών αλλά και τεχνητών σφαλμάτων. Αρχικά, ένα Γραφικό Περιβάλλον Χρήστη (GUI), σχεδιάστηκε για τη χειροκίνητη σηματοδότηση των διάφορων περιοχών ΗΚΓ σημάτων και χρησιμοποιήθηκε για τη δημιουργία των αληθών αποτελεσμάτων για δοκιμή της μεθόδου. H Ανάλυση Χρόνου-Συχνότητας έγινε με τη χρήση ενός χρονικά μεταβαλλόμενου Αυτοπαλινδρομικού (AR) μοντέλου οι λύσεις του οποίου βρέθηκαν με τη μέθοδο Burg. Ακολούθησε η διερεύνηση διαφόρων παραγόντων που επηρεάζουν την αποτελεσματικότητα της μεθόδου, προκειμένου να βελτιστοποιηθεί πειραματικά η μέθοδος. Ο αλγόριθμος που υλοποιήθηκε εκτελεί τρεις βασικές λειτουργίες: “Artifact Hypothesis Testing,” “Artifact Detection and Removal” και “QRS Complex Detection.” Κατ’ αρχήν, το βήμα "Artifact Hypothesis Testing" εξετάζει αν το σήμα περιέχει τεχνητό σφάλμα ή όχι, με το ποσοστό σωστής ταξινόμησης να ανέρχεται στο 95.56%. Το δεύτερο βήμα, η ανίχνευση και αφαίρεση της περιοχής του τεχνητού σφάλματος, έγινε με ακρίβεια 95.60% με βάση το πόσα σημεία του σήματος αναγνωρίστηκαν ως τεχνητό σφάλμα ή όχι. Τέλος, το συνολικό ποσοστό ορθής ανίχνευσης των συμπλεγμάτων QRS ήταν 92% (322 από τα 335 QRS που επισημάνθηκαν χειροκίνητα). Τέλος, έγινε μια σύγκριση μεταξύ της προτεινόμενης μεθόδου και μιας μεθόδου ανάλυσης ΗΚΓ που χρησιμοποιείται πολύ συχνά, της ανάλυσης με Μετασχηματισμό Wavelet (WTA). Οι δύο μέθοδοι δοκιμάστηκαν στα ίδια ακριβώς δεδομένα. Η ορθή ανίχνευση των συμπλεγμάτων QRS με τη μέθοδο WTA ήταν 65.3% κυρίως λόγω του μεγάλου αριθμού ψευδώς θετικών αποτελεσμάτων στις περιοχές των τεχνητών σφαλμάτων.

Οι τεχνικές απεικόνισης μοριακής διάχυσης (DWI) και τανυστή διάχυσης (DTI) είναι από τις πιο δημοφιλείς τεχνικές μαγνητικής τομογραφίας (MRI) στην έρευνα του εγκεφάλου. Διάχυση (ή θερμική κίνηση Brown) είναι ένα τυχαίο φαινόμενο το οποίο περιγράφει τη μεταφορά υλικού (π.χ μόρια νερού) από μία χωρική θέση σε άλλη με την πάροδο του χρόνου. Η διάχυση του νερού σε βιολογικούς ιστούς παρατηρείται μέσα, έξω, γύρω από τις κυτταρικές δομές και είναι αποτέλεσμα της θερμικής ενέργειας των μορίων. Η κάθε τεχνική υποστηρίζεται από τον δικό της αλγόριθμο από τους οποίους προκύπτουν και οι αντίστοιχοι παραμετρικοί χάρτες. Πιο συγκεκριμένα από την τεχνική διάχυσης προκύπτει ο δείκτης της φαινόμενης σταθεράς διάχυσης (ADC-Apparent Diffusion Coefficient) , ενώ από την τεχνική του τανυστή διάχυσης προκύπτει ο δείκτης της κλασματικής ανισοτροπίας (FA-Fractional Anisotropy). Η παράμετρος ADC δείχνει πόσο διαφέρει η διάχυση στην περιοχή ενδιαφέροντος σε σχέση με την μέση τιμή διάχυσης. Η κλασματική ανισοτροπία (FA) είναι δείκτης μέτρησης του βαθμού ανισοτροπίας της διάχυσης και η τιμή της εξαρτάται άμεσα από την ακεραιότητα των νευρικών ινών. Το φάσμα εφαρμογής των δύο τεχνικών είναι ευρύ (εφαρμογή σε απομυελινωτικές νόσους, ισχαιμικά επεισόδια, εγκεφαλικοί όγκοι). Ο κύριος λόγος είναι ότι η διάχυση των μορίων νερού είναι ιδιαίτερα ευαίσθητη σε τυχόν αλλοιώσεις στη δομή των ινών της Λευκής ουσίας. Σκοπός της παρούσας ερευνητικής είναι η εφαρμογή των τεχνικών Τανυστή Διάχυσης (DTI) και Μοριακής Διάχυσης (DWI) σε τρείς κατηγορίες εγκεφαλικών όγκων (μηνιγγιώματα, γλοιώματα υψηλής και χαμηλής κακοήθειας, εγκεφαλικούς μεταστατικούς όγκους) με σκοπό τον διαχωρισμό αυτών. / The brain is a highly organized organ with a complex microstructural organization . The microstructural organization of brain tissue affects the molecular motion (diffusion) of water. Diffusion therefore reflects the structural organization of tissue. Diffusion imaging is a Magnetic Resonance (MR) imaging technique that allows the quantification to the molecular motion of water. Magnitude and directionality (anisotropy) of molecular motion of water can be described. Measurements of the magnitude of diffusion have been used to identify abnormal tissue in tumors, stroke, multiple sclerosis and status epilepticus. Diffusion tensor imaging (DTI) is a relatively new technique that allows rotationally invariant measurements of both magnitude and directionality of water diffusion. DTI sequences with calculation of apparent diffusion coefficient (ADC) and fractional anisotropy (FA) scalars allow characterization of the shape and magnitude of the diffusion ellipsoid. These parameters consequently reflect the microstructural architecture of the human brain. In addition, quantification of diffusion can be especially helpful as it may allow early diagnosis of pathology . The purpose of this study was to correlate the changes in FA and ADC between three different brain tumors and outline the probability of presurgical tumor differentiation.

This thesis suggests that the idea of the rhetorical situation-a work's text (or language), author, audience, and social context-can serve as a connection between literature, literary theory, and composition studies. Criticisms of Emily Dickinson's Poem 754 are presented, and each is categorized according to the element of the rhetorical situation upon which it focuses.

The Master’s thesis deals with the precision of machine tools, especially with the three-axis vertical milling machine. It is structurally divided into a theoretical and practical part. While the theoretical part focuses on problems of geometric errors and measuring devices, the practical one is devoted to the machine tool being tested. In this case, the data processing and the proposed statistical analysis are essential, and at the end of the thesis another possible way of developing the data processing is outlined.

The spectral analysis of heart rate variability is a tool that gained more and more clinical importance in the latest years. It can be used in order to access autonomic function on the cardiovascular system through the evaluation of the different frequency bands of the HRV. So far different mathematical approaches have been used towards this aim, often with contradictory results. Therefore, the need for standardization of the methods seems more and more important. In this thesis 2 non-parametric, Fourier-based methods and two parametric based on autoregressive modeling were used in order to extract the power spectral density of patients with epilepsy. Their results were statistically compared to age matched controls. The analysis have shown that when a parametric method is used, a careful model order selection method must be used, and when this is accomplished, the power spectrum could more efficient highlight differences between controls and patients. The results between non-parametric and parametric methods were different, therefore these methods cannot be considered interchangeable. The analysis methodolgy established in this first part of the study has been used to analyse HRV signals from patients before and after deep brain stimulation. / Η φασματική ανάλυση της Μεταβλητότητας της Καρδιακής Συχνότητας (ΜΚΣ) χρησιμοποείται όλο και περισσότερο σε κλινικές μελέτες τα τελευταία χρόνια. Και αυτό γιατί μπορεί να δώσει πληροφορίες σχετικά με την λειτουργία του αυτόνομου νευρικού συστήματος πάνω στην καρδιά αναλύοντας το συχνοτικό περιεχόμενο των ΜΚΣ σημάτων σε διακριτές ζώνες συχνοτήτων. Μέχρι τώρα διαφορετικές μαθηματικές μέθοδοι έδωσαν διαφορετικά, συχνα αντικρουόμενα αποτελέσματα. Έτσι η ανάγκη λεπτομερής περιγραφής των μεθόδων φαίνεται όλο και περισσοτερο επιτακτική. Σε αυτή τη διπλωματική εργασία, δυο μη παραμετρικές μέθοδοι και δύο παραμετρικές βασισμένες σε μοντέλα αυτοπαλινδρόμησης (autoregressive modeling) εφαρμόστηκαν προκειμένου να υπολογιστεί το φάσμα ασθενών με χρόνια επιληψία. Τα αποτελέσματα συγκρίθηκαν με υγιείς εθελοντές ίδιου ηλικιακού προφίλ. Η ανάλυση έδειξε ότι όταν χρησιμοποιουνται παραμετρικές μέθοδοι, η επιλογή της τάξης του μοντέλου πρέπει να γίνεται με προσοχή και όταν αυτό γίνει, το φάσμα μπορεί να αναδείξει πιο αποτελεσματικά διαφορές μεταξύ ασθενών και υγειών εθελοντών. Τα αποτελέσματα μεταξύ παραμετρικών και μη παραμετρικών μεθόδων αποδείχθηκαν διαφορετικα, και κατά συνέπεια οι δύο αυτές κατηγορίες ανάλυσης δεν μπορούν να θεωρηθούν ίδιες. Η μεθοδολογία που αναπτύχθηκε στο πρώτο αυτό μέρος της εργασίας χρησιμοποιήθηκε για να αναλύσει σήματα ΜΚΣ από ασθενείς με Πάρκινσον πριν και μετά εν τω βάθει ερεθισμό (Deep brain simulation).