The simultaneous acquisitions of electroencephalography (EEG) and functional magnetic resonance imaging (fMRI) have been applied to improve the surgery planning of patients with drug resistant epilepsy. However, the classical approach of analyzing the EEG-fMRI data is inefficient in patients whom only few or non interictal epileptiforms discharges (IEDs) are detected during the simultaneous acquisition. Another issue of EEG-fMRI acquisition is related to its high sensitivity to motion, which decreases the quality of both data, even worse in non-cooperative patients. In this work we propose and discuss the application of two methods of analyzing fMRI data of patients with focal epilepsy: Independent component analysis (ICA) and two-dimensional temporal clustering (2dTCA). Each method was applied in a distinct group of patients and the results were compared to those obtained by the classic EEG-fMRI analysis. We have also proposed a method to improve the quality of EEG data using the head position measurements obtained, by a prospective motion correction (PMC) system, during the EEG-fMRI acquisitions. In the ICA study, we have used the electrical source images for selecting independent components (ICs) in EEG data of 13 patients with different spiking frequency. The method detected epilepsy-related BOLD activity in all the patients. Comparatively, the classic EEG-fMRI could be applied in 11 patients and epilepsy-related BOLD activities were found in seven of them. In the 2dTCA study, we have evaluated 20 patients and found epilepsy-related maps in 14 of them. Thirteen of the twenty patients have IEDs detected during the simultaneous acquisition; the classic EEG-fMRI provided maps related to the epileptogenic region in six of them. Finally we have verified in three health subjects that the proposed method for correcting motion-induced artefacts in the EEG data is effective for high amplitude and velocities (~1cm and 55mm/s). We concluded that the ICA and 2dTCA methods increase the sensitivity of using fMRI for mapping the epileptogenic region, mainly in patients presenting few or no IEDs in the EEG data simultaneously acquired to the fMRI. The PMC use during the fMRI acquisition does not degrade the quality of the EEG data acquired simultaneously. In fact, the motion information can be used for improving its quality by correcting motion-induced artefacts. / As aquisições simultâneas de dados de eletroencefalografia (EEG) e imagens funcionais por ressonância magnética (fMRI) vêm sendo utilizadas com intuito de melhorar o planejamento cirúrgico de pacientes com epilepsia refratária. Entretanto, o processamento classicamente usado nestes dados combinados não é possível em pacientes sem descargas epileptiformes interictais (IEDs) e possui baixa sensibilidade para aqueles em que poucas IEDs são detectadas durante a aquisição simultânea. Além disto, a técnica é sensível ao movimento dos pacientes durante as aquisições, o que reduz a qualidade dos dados, principalmente em pacientes não cooperantes. Neste trabalho é proposto e discutido o uso de dois métodos de processamento, baseados nas técnicas de análise de componentes independentes (ICA) e análise temporal de clusters em duas dimensões (2dtca), para se mapear regiões epileptogênicas. Cada método foi analisado em um conjunto diferente de pacientes e os resultados foram comparados com os obtidos pelo EEG-fMRI clássico. Finalmente, propomos um método que utiliza às medidas de posicionamento da cabeça, obtidas durante a aquisição das fMRI, para aumentar a qualidade dos dados de EEG adquiridos simultaneamente. No estudo usando ICA combinado com imagens de fontes elétricas analisamos os dados de 13 pacientes com diferentes frequências de descargas e observamos que este método encontrou ao menos uma componente independente relacionada à epilepsia em cada paciente. Comparativamente usando o processamento convencional foi possível avaliar 11 dos 13 pacientes, e em apenas sete deles os mapas resultantes foram considerados concordantes com a região epileptogênica (RE). No estudo utilizando 2dTCA avaliamos 20 pacientes e encontramos mapas relacionados com a RE em 14 deles. Neste conjunto de pacientes, 13 apresentaram IEDs durante as aquisições; neles o método clássico de processamento teve resultados concordantes com a RE em seis deles. Finalmente verificamos em três sujeitos saudáveis que o método aqui proposto para corrigir os artefatos induzidos no EEG devido ao movimento é efetivo para altas amplitudes e velocidades (~1cm e 55mm/s). Concluímos que os métodos ICA e 2dTCA aumentam a sensibilidade do uso de fMRI para mapear RE, principalmente em pacientes com baixa ou nenhuma detecção de IEDs durante às aquisições. Também concluímos que o uso da correção prospectiva de movimento em aquisições de fMRI não reduz a qualidade do dado de EEG adquirido simultaneamente e que às informações de movimento mensuradas podem melhorar a qualidade deste dado em situações de repouso e movimento do sujeito durante o experimento.

The simultaneous acquisitions of electroencephalography (EEG) and functional magnetic resonance imaging (fMRI) have been applied to improve the surgery planning of patients with drug resistant epilepsy. However, the classical approach of analyzing the EEG-fMRI data is inefficient in patients whom only few or non interictal epileptiforms discharges (IEDs) are detected during the simultaneous acquisition. Another issue of EEG-fMRI acquisition is related to its high sensitivity to motion, which decreases the quality of both data, even worse in non-cooperative patients. In this work we propose and discuss the application of two methods of analyzing fMRI data of patients with focal epilepsy: Independent component analysis (ICA) and two-dimensional temporal clustering (2dTCA). Each method was applied in a distinct group of patients and the results were compared to those obtained by the classic EEG-fMRI analysis. We have also proposed a method to improve the quality of EEG data using the head position measurements obtained, by a prospective motion correction (PMC) system, during the EEG-fMRI acquisitions. In the ICA study, we have used the electrical source images for selecting independent components (ICs) in EEG data of 13 patients with different spiking frequency. The method detected epilepsy-related BOLD activity in all the patients. Comparatively, the classic EEG-fMRI could be applied in 11 patients and epilepsy-related BOLD activities were found in seven of them. In the 2dTCA study, we have evaluated 20 patients and found epilepsy-related maps in 14 of them. Thirteen of the twenty patients have IEDs detected during the simultaneous acquisition; the classic EEG-fMRI provided maps related to the epileptogenic region in six of them. Finally we have verified in three health subjects that the proposed method for correcting motion-induced artefacts in the EEG data is effective for high amplitude and velocities (~1cm and 55mm/s). We concluded that the ICA and 2dTCA methods increase the sensitivity of using fMRI for mapping the epileptogenic region, mainly in patients presenting few or no IEDs in the EEG data simultaneously acquired to the fMRI. The PMC use during the fMRI acquisition does not degrade the quality of the EEG data acquired simultaneously. In fact, the motion information can be used for improving its quality by correcting motion-induced artefacts. / As aquisições simultâneas de dados de eletroencefalografia (EEG) e imagens funcionais por ressonância magnética (fMRI) vêm sendo utilizadas com intuito de melhorar o planejamento cirúrgico de pacientes com epilepsia refratária. Entretanto, o processamento classicamente usado nestes dados combinados não é possível em pacientes sem descargas epileptiformes interictais (IEDs) e possui baixa sensibilidade para aqueles em que poucas IEDs são detectadas durante a aquisição simultânea. Além disto, a técnica é sensível ao movimento dos pacientes durante as aquisições, o que reduz a qualidade dos dados, principalmente em pacientes não cooperantes. Neste trabalho é proposto e discutido o uso de dois métodos de processamento, baseados nas técnicas de análise de componentes independentes (ICA) e análise temporal de clusters em duas dimensões (2dtca), para se mapear regiões epileptogênicas. Cada método foi analisado em um conjunto diferente de pacientes e os resultados foram comparados com os obtidos pelo EEG-fMRI clássico. Finalmente, propomos um método que utiliza às medidas de posicionamento da cabeça, obtidas durante a aquisição das fMRI, para aumentar a qualidade dos dados de EEG adquiridos simultaneamente. No estudo usando ICA combinado com imagens de fontes elétricas analisamos os dados de 13 pacientes com diferentes frequências de descargas e observamos que este método encontrou ao menos uma componente independente relacionada à epilepsia em cada paciente. Comparativamente usando o processamento convencional foi possível avaliar 11 dos 13 pacientes, e em apenas sete deles os mapas resultantes foram considerados concordantes com a região epileptogênica (RE). No estudo utilizando 2dTCA avaliamos 20 pacientes e encontramos mapas relacionados com a RE em 14 deles. Neste conjunto de pacientes, 13 apresentaram IEDs durante as aquisições; neles o método clássico de processamento teve resultados concordantes com a RE em seis deles. Finalmente verificamos em três sujeitos saudáveis que o método aqui proposto para corrigir os artefatos induzidos no EEG devido ao movimento é efetivo para altas amplitudes e velocidades (~1cm e 55mm/s). Concluímos que os métodos ICA e 2dTCA aumentam a sensibilidade do uso de fMRI para mapear RE, principalmente em pacientes com baixa ou nenhuma detecção de IEDs durante às aquisições. Também concluímos que o uso da correção prospectiva de movimento em aquisições de fMRI não reduz a qualidade do dado de EEG adquirido simultaneamente e que às informações de movimento mensuradas podem melhorar a qualidade deste dado em situações de repouso e movimento do sujeito durante o experimento.

Submitted by PPG Engenharia El?trica (engenharia.pg.eletrica@pucrs.br) on 2018-10-29T13:30:23Z No. of bitstreams: 1 TIAGO BENETTI_DIS.pdf: 5038519 bytes, checksum: 95fa8d1b367b574eee27e772a55a9a49 (MD5) / Approved for entry into archive by Caroline Xavier (caroline.xavier@pucrs.br) on 2018-10-30T17:21:55Z (GMT) No. of bitstreams: 1 TIAGO BENETTI_DIS.pdf: 5038519 bytes, checksum: 95fa8d1b367b574eee27e772a55a9a49 (MD5) / Made available in DSpace on 2018-10-30T17:27:25Z (GMT). No. of bitstreams: 1 TIAGO BENETTI_DIS.pdf: 5038519 bytes, checksum: 95fa8d1b367b574eee27e772a55a9a49 (MD5) Previous issue date: 2018-08-31 / Heart rate monitoring using Photoplethysmography (PPG) signals acquired from the individuals pulse has become popular due to emergence of numerous low cost wearable devices. However, monitoring during physical activities has obstacles because of the influence of motion artifacts in PPG signals. The objective of this work is to introduce a new algorithm capable of removing motion artifacts and estimating heart rate from pulse PPG signals. Normalized Least Mean Square (NLMS) and Recursive Least Squares (RLS) algorithms are proposed for an adaptive filtering structure that uses acceleration signals as reference to remove motion artifacts. The algorithm uses the Periodogram of the filtered signals to extract their heart rates, which will be used together with a PPG Signal Quality Index to feed the input of a Kalman Filter. Specific heuristics and the Quality Index collaborate so that the Kalman filter provides a heart rate estimate with high accuracy and robustness to measurement uncertainties. The algorithm was validated from the heart rate obtained from Electrocardiography signals and the proposed method with the RLS algorithm presented the best results with an absolute mean error of 1.54 beats per minute (bpm) and standard deviation of 0.62 bpm, recorded for 12 individuals performing a running activity on a treadmill with varying speeds. The results make the performance of the algorithm comparable and even better than several recently developed methods in this field. In addition, the algorithm presented a low computational cost and suitable to the time interval in which the heart rate estimate is performed. Thus, it is expected that this algorithm will improve the obtaining of heart rate in currently available wearable devices. / O monitoramento da frequ?ncia card?aca utilizando sinais de Fotopletismografia ou PPG (do ingl?s, Photopletismography) adquiridos do pulso de indiv?duos tem se popularizado devido ao surgimento de in?meros dispositivos wearable de baixo custo. No entanto, o monitoramento durante atividades f?sicas tem dificuldades em raz?o da influ?ncia de artefatos de movimento nos sinais de PPG. O objetivo deste trabalho ? introduzir um novo algoritmo capaz de remover artefatos de movimento e estimar a frequ?ncia card?aca de sinais de PPG de pulso. Os algoritmos do M?nimo Quadrado M?dio Normalizado ou NLMS (do ingl?s, Normalized Least Mean Square) e de M?nimos Quadrados Recursivos ou RLS (do ingl?s, Recursive Least Squares) s?o propostos para uma estrutura de filtragem adaptativa que utiliza sinais de acelera??o como refer?ncia para remover os artefatos de movimento. O algoritmo utiliza o Periodograma dos sinais filtrados para extrair suas frequ?ncias card?acas, que ser?o utilizadas juntamente com um ?ndice de Qualidade do Sinal de PPG para alimentar a entrada de um Filtro de Kalman. Heur?sticas espec?ficas e o ?ndice de Qualidade colaboram para que filtro de Kalman forne?a uma estimativa da frequ?ncia card?aca com alta acur?cia e robustez a incertezas de medi??o. O algoritmo foi validado a partir da frequ?ncia card?aca obtida de sinais de Eletrocardiografia e o m?todo proposto com o algoritmo RLS apresentou os melhores resultados com um erro m?dio absoluto de 1,54 batimentos por minuto (bpm) e desvio padr?o de 0,62 bpm, registrados para 12 indiv?duos realizando uma atividade de corrida em uma esteira com velocidades variadas. Os resultados tornam o desempenho do algoritmo compar?vel e at? mesmo melhor que v?rios m?todos desenvolvidos recentemente neste campo. Al?m disso, o algoritmo apresentou um custo computacional baixo e adequado ao intervalo de tempo em que a estimativa da frequ?ncia card?aca ? realizada. Dessa forma, espera-se que este algoritmo melhore a obten??o da frequ?ncia card?aca em dispositivos wearable atualmente dispon?veis.