Spelling suggestions: "subject:"eletroencefalografia."" "subject:"electroencefalografia.""
151 |
Impacto da cirurgia de epilepsia no desempenho cognitivo de pacientes com esclerose mesial temporal unilateral / Impact of epilepsy surgery on cognitive performance of patients with unilateral mesial temporal sclerosisHumberto de Castro Lima Filho 21 November 2017 (has links)
INTRODUÇÃO: A esclerose mesial temporal (EMT) é uma das principais causas de epilepsia focal farmacorresistente. O prognóstico cirúrgico é excelente, porém pode ocorrer declínio cognitivo pós-operatório. Este estudo teve como objetivo verificar o impacto cognitivo da lobectomia temporal anterior em pacientes com EMT, levando em consideração o padrão de envolvimento eletrográfico ictal. MÉTODOS: Foram selecionados pacientes com epilepsia farmacorresistente secundária à EMT unilateral e sujeitos sem epilepsia, com idade entre 18 e 55 anos e oito ou mais anos de escolaridade. Os pacientes foram agrupados de acordo com o lado da EMT em esquerda (EMTE) e direita (EMTD). Aqueles que recusaram cirurgia foram incluídos no grupo-controle clínico e os que optaram por cirurgia foram incluídos no grupo cirúrgico. Pacientes do grupo cirúrgico foram submetidos a vídeo-EEG e teste de Wada. Pacientes com representação de linguagem atípica foram excluídos. O grupo cirúrgico foi subdividido de acordo com o padrão eletrográfico ictal determinado pelo vídeo-EEG em: envolvimento eletrográfico ictal exclusivamente ipsilateral e envolvimento eletrográfico ictal bilateral. A avaliação neuropsicológica dos pacientes foi realizada em dois momentos. Os sujeitos sem epilepsia foram avaliados apenas uma vez. Para análise estatística, foram utilizados testes paramétricos ou não paramétricos a depender da normalidade da distribuição dos dados. Os grupos foram comparados em relação a variáveis clínicas, pontuações basais nos testes neuropsicológicos e diferenças médias das pontuações entre a segunda e primeira avaliações. Também foram comparadas as pontuações médias da primeira e segunda avaliações dentro de um mesmo grupo. O grupo clínico foi utilizado para o cálculo do índice de mudança confiável (RCI). Considerou-se melhora no desempenho cognitivo escore Z > 1,645 e piora escore Z < -1,645. RESULTADOS: A análise final incluiu 65 pacientes com epilepsia e 40 sujeitos sem epilepsia. Vinte e um pacientes (nove EMTE, doze EMTD) recusaram cirurgia e foram incluídos no grupo clínico. O grupo cirúrgico foi composto por 25 pacientes com EMTE e 19 com EMTD. Dez pacientes do grupo cirúrgico com EMTE apresentaram envolvimento ictal exclusivamente ipsilateral e 15 bilateral. No grupo cirúrgico com EMTD, dez apresentaram envolvimento ictal exclusivamente ipsilateral e nove bilateral. Os pacientes com EMT apresentaram desempenho cognitivo inferior aos sujeitos sem epilepsia, sendo mais evidente comprometimento de memória nos pacientes com EMTE. A cirurgia provocou declínio de memória no grupo com EMTE e tendência de melhora em funções executivas em ambos os grupos. O envolvimento eletrográfico bilateral associou-se a menor declínio pós-operatório de memória verbal no grupo com EMTE. O envolvimento eletrográfico bilateral associou-se à piora no desempenho pós-operatório no teste de repetição de dígitos na ordem inversa no grupo com EMTD. Foi observada redução na pontuação da escala de depressão, após a cirurgia, em pacientes com EMTE e envolvimento eletrográfico ictal bilateral. CONCLUSÃO: O envolvimento eletrográfico bilateral não se associou a maior risco de declínio de memória pós-operatório, portanto, o tratamento cirúrgico não deve ser contraindicado nestes pacientes / INTRODUCTION: Mesial temporal sclerosis (MTS) is a major cause of drug-resistant focal epilepsy. Surgical prognosis is excellent, but surgery can lead to cognitive decline. The present study aimed to evaluate the impact of anterior temporal lobectomy in MTS patients, taking into account the ictal electrographic pattern. METHODS: Patients with drug-resistant epilepsy secondary to unilateral MTS and subjects without epilepsy, aged between 18 and 55 years, with eight or more education years were selected. Patients were grouped according to MTS side as left (L-MTS) or right (R-MTS). Patients who declined surgery were included as clinical controls, and those who opted for surgery were included in the surgical group. The surgical group underwent video-EEG monitoring and Wada testing. Patients with atypical language representation were excluded. According to the ictal electrographic pattern determined by video-EEG, the surgical group was subdivided as: exclusive ipsilateral electrographic ictal involvement or bilateral electrographic ictal involvement. Patients underwent neuropsychological evaluation on two occasions. Subjects without epilepsy were evaluated once. Parametric or non-parametric tests were used according to normality of data distribution. Groups were compared in relation to clinical variables, baseline neuropsychological test scores, and mean scores differences between second and first evaluations. Mean first and second evaluation scores were also compared within the same group. The clinical group data was used to calculate the reliable change index (RCI). Z-scores > 1.645 were considered improvement, and Z-scores <-1,645 as decline. RESULTS: Analysis included 65 patients with epilepsy and 40 subjects without epilepsy. Twenty-one patients (nine L-MTS, twelve R-MTS) declined surgery and were included as clinical controls. The surgical group consisted of 25 patients with L-MTS and 19 with R-MTS. Ten patients in the L-MTS surgical group presented exclusive ipsilateral ictal involvement and 15 presented bilateral involvement. In the R-MTS surgical group, ten presented exclusive ipsilateral ictal involvement and nine presented bilateral involvement. Patients with MTS had worse cognitive performance than subjects without epilepsy. L-MTS group presented more impairment in memory. Surgery lead to memory decline in the L-MTS group and to a tendency towards improvement on executive functioning in both groups. Bilateral electrographic involvement was associated with less verbal memory decline in the L-MTS group. Bilateral electrographic involvement was associated with worsening in digit span in R-MTS group and improved scores in the depression scale in L-MTS group. CONCLUSION: Bilateral electrographic involvement was not associated with a higher risk of postoperative memory decline. Epilepsy surgery should therefore not be denied to these patients
|
152 |
Um método de avaliação da amplitude do potencial P300 comparando indivíduos com alto risco e baixo risco para o alcoolismoLopes, Carla Diniz January 2010 (has links)
A ocorrência de variações nos sinais de eletroencefalograma (EEG) de indivíduos que apresentam predisposição a desenvolver a doença do alcoolismo é conhecida e documentada na literatura médica e científica. Dentre as possíveis variações, encontram-se as anormalidades no potencial relacionado ao evento (ERP) P300, um dos principais endofenótipos da doença. Geralmente, este componente tem uma amplitude significativamente menor em indivíduos com alto risco (AR) de desenvolver a doença, quando comparada à amplitude observada em sinais de indivíduos com baixo risco (BR). A técnica atualmente empregada para distinguir os sinais de ERPs P300 dos indivíduos com AR e BR para desenvolver o alcoolismo é baseada na análise visual da amplitude máxima no domínio do tempo e do espectro de frequencias do sinal, obtido através da transformada de Fourier. O objetivo deste trabalho é contribuir para o estudo da identificação da predisposição ao alcoolismo, utilizando técnicas de processamento de sinais, como a transformada wavelet (WT), e de inteligência artificial, por meio das redes neurais artificiais (ANNs). A WT foi utilizada por ser mais adequada ao tratamento de sinais como os ERPs (sinais nãoestacionários), quando comparada, por exemplo, à transformada de Fourier. As redes neurais possibilitam a automatização do processo de identificação dos diferentes grupos. Através de um sistema híbrido formado por estas duas técnicas, pretende-se extrair características de sinais de ERP que identifiquem indivíduos com predisposição ao alcoolismo, e automatizar a identificação destes indivíduos. No desenvolvimento da pesquisa, foi identificada a necessidade de aplicar um préprocessamento aos sinais de ERP, preparando-os para a transformação wavelet. Os coeficientes wavelet assim obtidos formaram os dados de entrada que alimentaram as (ANNs), as quais utilizaram o algoritmo de erro backpropagation no treinamento. Com as técnicas utilizadas, após o treinamento, as ANNs foram capazes de classificar cerca de 90% dos sinais de ERP dos indivíduos com AR e BR. / The occurrence of variations in electroencephalogram (EEG) signals of individuals who are predisposed to develop the disease of alcoholism is known and documented in the medical and scientific literature. Among these variations, are the abnormalities in the event related potential (ERP) P300, a major endophenotype of this disease. Generally, this component has an amplitude significantly smaller in patients at high risk (HR) of developing the disease when compared to the amplitude seen in the signals of individuals with low risk (LR). The technique currently used to distinguish signals of P300 ERPs in individuals with HR and LR for developing alcoholism is based on visual analysis of the maximum amplitude in the time domain and of the frequency spectrum of the signal, obtained via Fourier transform. The aim of this thesis is to study the identification of predisposition to alcoholism, by techniques of signal processing such as wavelet transform (WT) and artificial intelligence through artificial neural networks (ANNs). The WT was used because it is more appropriate for processing signals such as ERP (non-stationary signals), when compared, for example, to the Fourier transform. Neural networks enable the automation of the process of identifying the different groups. Using a hybrid system formed by these two techniques, it is intended to extract features of ERP signals that identify individuals predisposed to alcoholism, and automate the identification of these individuals. The research has identified the need to apply a pre-processing to the signals of ERP, preparing them for the wavelet transformation. The wavelet coefficients thus obtained formed the input data to fed the ANNs, which used the error algorithm backpropagation in training. Using these techniques, after training, the ANNs were able to classify about 90% of ERP signs of individuals with LR and HR.
|
153 |
Um método de avaliação da amplitude do potencial P300 comparando indivíduos com alto risco e baixo risco para o alcoolismoLopes, Carla Diniz January 2010 (has links)
A ocorrência de variações nos sinais de eletroencefalograma (EEG) de indivíduos que apresentam predisposição a desenvolver a doença do alcoolismo é conhecida e documentada na literatura médica e científica. Dentre as possíveis variações, encontram-se as anormalidades no potencial relacionado ao evento (ERP) P300, um dos principais endofenótipos da doença. Geralmente, este componente tem uma amplitude significativamente menor em indivíduos com alto risco (AR) de desenvolver a doença, quando comparada à amplitude observada em sinais de indivíduos com baixo risco (BR). A técnica atualmente empregada para distinguir os sinais de ERPs P300 dos indivíduos com AR e BR para desenvolver o alcoolismo é baseada na análise visual da amplitude máxima no domínio do tempo e do espectro de frequencias do sinal, obtido através da transformada de Fourier. O objetivo deste trabalho é contribuir para o estudo da identificação da predisposição ao alcoolismo, utilizando técnicas de processamento de sinais, como a transformada wavelet (WT), e de inteligência artificial, por meio das redes neurais artificiais (ANNs). A WT foi utilizada por ser mais adequada ao tratamento de sinais como os ERPs (sinais nãoestacionários), quando comparada, por exemplo, à transformada de Fourier. As redes neurais possibilitam a automatização do processo de identificação dos diferentes grupos. Através de um sistema híbrido formado por estas duas técnicas, pretende-se extrair características de sinais de ERP que identifiquem indivíduos com predisposição ao alcoolismo, e automatizar a identificação destes indivíduos. No desenvolvimento da pesquisa, foi identificada a necessidade de aplicar um préprocessamento aos sinais de ERP, preparando-os para a transformação wavelet. Os coeficientes wavelet assim obtidos formaram os dados de entrada que alimentaram as (ANNs), as quais utilizaram o algoritmo de erro backpropagation no treinamento. Com as técnicas utilizadas, após o treinamento, as ANNs foram capazes de classificar cerca de 90% dos sinais de ERP dos indivíduos com AR e BR. / The occurrence of variations in electroencephalogram (EEG) signals of individuals who are predisposed to develop the disease of alcoholism is known and documented in the medical and scientific literature. Among these variations, are the abnormalities in the event related potential (ERP) P300, a major endophenotype of this disease. Generally, this component has an amplitude significantly smaller in patients at high risk (HR) of developing the disease when compared to the amplitude seen in the signals of individuals with low risk (LR). The technique currently used to distinguish signals of P300 ERPs in individuals with HR and LR for developing alcoholism is based on visual analysis of the maximum amplitude in the time domain and of the frequency spectrum of the signal, obtained via Fourier transform. The aim of this thesis is to study the identification of predisposition to alcoholism, by techniques of signal processing such as wavelet transform (WT) and artificial intelligence through artificial neural networks (ANNs). The WT was used because it is more appropriate for processing signals such as ERP (non-stationary signals), when compared, for example, to the Fourier transform. Neural networks enable the automation of the process of identifying the different groups. Using a hybrid system formed by these two techniques, it is intended to extract features of ERP signals that identify individuals predisposed to alcoholism, and automate the identification of these individuals. The research has identified the need to apply a pre-processing to the signals of ERP, preparing them for the wavelet transformation. The wavelet coefficients thus obtained formed the input data to fed the ANNs, which used the error algorithm backpropagation in training. Using these techniques, after training, the ANNs were able to classify about 90% of ERP signs of individuals with LR and HR.
|
154 |
Desenvolvimento de método de análise não linear do EEG de alta frequência em indivíduos saudáveis e em pacientes portadores de epilepsia refratária / Development of nonlinear analysis methods for high frequency EEG in healthy individuals and in patients with refractory epilepsy.Fabrício Henrique Simozo 31 January 2014 (has links)
Por epilepsia, são denominadas diversas condições neuronais patológicas caracterizadas pela ocorrência de atividade elétrica anormal de uma região do cortex que se difunde formando a crise epiléptica. Tais crises recorrentes possuem efeito relevante sobre a qualidade de vida, além de frequentemente possuírem efeito deletério gradativo sobre a capacidade cognitiva do paciente, sendo necessário tratamento e acompanhamento médico. Dentro das diversas condições epilépticas, existe o que é conhecido como epilepsia refratária, que é a condição em que o paciente não responde a nenhum medicamento anticonvulsivante. A alternativa para estes pacientes é a cirurgia, porém, diversas dificuldades como a localização do foco epiléptico e determinação da extensão da zona epileptogênica podem prejudicar as chances de sucesso deste procedimento. O eletroencefalograma (EEG) sempre foi muito utilizado na clínica neurológica, pois existem padrões de atividade neuronal facilmente observados que podem auxiliar no tratamento de diversas condições, incluindo a epilepsia. Nos últimos anos, vem se demonstrando interesse em cima de um certo padrão que ocorre em frequências antes ignoradas na análise clínica. Estes padrões recebem o nome de oscilações de alta frequência (HFOs). Este estudo teve por objetivo analisar sinais de EEG de pacientes de epilepsia adquiridos com frequência de aquisição suficientemente alta para a obtenção de informações a cerca da atividade em alta frequência através da detecção automática de HFOs, além da implementação de um método de análise temporal utilizando a Detrended Fluctuation Analysis (DFA). Os resultados mostram que segmentos distantes da ocorrência de uma crise apresentam média de coeficiente Alfa1 = 1,3587 e Alfa2 = 0,6165, enquanto segmentos durante a ocorrência da crise apresentam coeficientes Alfa1 = 1,4061 Alfa2 = 0,5107. Apesar das limitações do estudo, os resultados indicam ser possível identificar presença de atividade elétrica anormal, e o método utilizado pode evoluir para auxiliar o diagnóstico e planejamento de cirurgia em epilepsia. / By epilepsy, a diversity of pathological neuronal conditions characterized by the occurrences of abnormal electric activity in a cortex region that, when diffunded, causes epileptic seizures. Such recurrent seizures have relevant effects in life quality, and frequently are associated with irreversible damages in cognitive capacity, therefore treatment and medical caring is needed. Inside the classification of epilepsy there is an specific condition known as refractory epilepsy, in which the patient does not respond to anticonvulsant medications. The alternative to these patients is surgery, but the difficulties in determining the exact location of the epileptic focus and the extension of the epileptogenic zone may lead to lower chances of success. The electroencephalogram (EEG) is widely used on neurological clinic, as there are certain patterns of neuronal activity that are easily observed and may help treat a series of pathologies, including epilepsies. Over the last decade, a certain interest has been developed on a specific pattern occurring in frequency bands once ignored on clinical analysis. These patterns are called high frequency oscillations (HFOs). The objective of this study was to analyze EEG signals from patients with epilepsy, sampled with a high frequency, so that it is possible to obtain information on high frequency activity through the automatic detection of the HFOs, in addition to the implementation of a nonlinear analysis using Detrended Fluctuation Analysis (DFA). The results shows that segments distant to the occurrence of seizures have a mean value for Alfa1 = 1,3587 and Alfa2 = 0,6165, while segments during the occurrence of seizures have a mean value for Alfa1 = 1,4061 and Alfa2 = 0,5107. Despite study limitations, results indicates it is possible to identify presence of abnormal electric activity and the proposed method may evolve to help epilepsy diagnostic and surgical planning in epileptic patients.
|
155 |
Performane of partial directed coherence subject to volume consuction effects. / Desempenho da coerência parcial direcionada sujeita aos efeitos de condução de volume.Diana Constanza García Rincón 28 April 2017 (has links)
The strong relationship between cognitive processing and coherent behaviour and neurocognitive networks justifies the current huge interest in cortical functional connectivity modeling. This has fostered the development of connectivity estimators from the classical bivariate coherence concept to the notion of multivariate partial directed coherence (PDC) which provides information about temporal dependencies exposing cause and effect relationships. This work examines PDC performance for scalp EEG data whose research value has been subject to much debate in the light of the presence of volume conduction (VC) effects that often obscure the actual nature of cortical source dynamics. Through analytical considerations and simulations we show that even though (VC) can hinder accurate connectivity estimation, one can mitigate its effects by a judicious choice of scalp electrode configuration/ground reference. This observation allows settling the connectivity estimation adequacy debate in the presence of PDC. / A forte relação que processamento cognitivo e comportamento coerente tem com redes neurocognitivas justifica o enorme interesse atual em modelamento de conectividade cortical. Este fato tem justificado o desenvolvimento de estimadores de conectividade desde a clássica coerência bivariada até a noção multivariada de coerência parcial direcionada (PDC) que exibe informação a cerca de dependências temporais que permitem expor relações de causa e efeito. O presente trabalho examina o desempenho da PDC no contexto de EEG de escalpo cujo valor em pesquisa sob os efeitos de condução de volume (VC) tem sido objeto de uma quantidade substancial de questionamentos na medida em esta obscurece a observação da dinâmica das fontes corticais. Por meio de considerações analíticas e simulações, mostramos que é possível mitigar os erros de estimação devidos à VC através da escolha judiciosa da configuração de eletrodos e da referência de terra. Esta observação permite resolver o conflito acerca da adequabilidade da inferência cortical baseada em EEG de escalpo.
|
156 |
Um método de avaliação da amplitude do potencial P300 comparando indivíduos com alto risco e baixo risco para o alcoolismoLopes, Carla Diniz January 2010 (has links)
A ocorrência de variações nos sinais de eletroencefalograma (EEG) de indivíduos que apresentam predisposição a desenvolver a doença do alcoolismo é conhecida e documentada na literatura médica e científica. Dentre as possíveis variações, encontram-se as anormalidades no potencial relacionado ao evento (ERP) P300, um dos principais endofenótipos da doença. Geralmente, este componente tem uma amplitude significativamente menor em indivíduos com alto risco (AR) de desenvolver a doença, quando comparada à amplitude observada em sinais de indivíduos com baixo risco (BR). A técnica atualmente empregada para distinguir os sinais de ERPs P300 dos indivíduos com AR e BR para desenvolver o alcoolismo é baseada na análise visual da amplitude máxima no domínio do tempo e do espectro de frequencias do sinal, obtido através da transformada de Fourier. O objetivo deste trabalho é contribuir para o estudo da identificação da predisposição ao alcoolismo, utilizando técnicas de processamento de sinais, como a transformada wavelet (WT), e de inteligência artificial, por meio das redes neurais artificiais (ANNs). A WT foi utilizada por ser mais adequada ao tratamento de sinais como os ERPs (sinais nãoestacionários), quando comparada, por exemplo, à transformada de Fourier. As redes neurais possibilitam a automatização do processo de identificação dos diferentes grupos. Através de um sistema híbrido formado por estas duas técnicas, pretende-se extrair características de sinais de ERP que identifiquem indivíduos com predisposição ao alcoolismo, e automatizar a identificação destes indivíduos. No desenvolvimento da pesquisa, foi identificada a necessidade de aplicar um préprocessamento aos sinais de ERP, preparando-os para a transformação wavelet. Os coeficientes wavelet assim obtidos formaram os dados de entrada que alimentaram as (ANNs), as quais utilizaram o algoritmo de erro backpropagation no treinamento. Com as técnicas utilizadas, após o treinamento, as ANNs foram capazes de classificar cerca de 90% dos sinais de ERP dos indivíduos com AR e BR. / The occurrence of variations in electroencephalogram (EEG) signals of individuals who are predisposed to develop the disease of alcoholism is known and documented in the medical and scientific literature. Among these variations, are the abnormalities in the event related potential (ERP) P300, a major endophenotype of this disease. Generally, this component has an amplitude significantly smaller in patients at high risk (HR) of developing the disease when compared to the amplitude seen in the signals of individuals with low risk (LR). The technique currently used to distinguish signals of P300 ERPs in individuals with HR and LR for developing alcoholism is based on visual analysis of the maximum amplitude in the time domain and of the frequency spectrum of the signal, obtained via Fourier transform. The aim of this thesis is to study the identification of predisposition to alcoholism, by techniques of signal processing such as wavelet transform (WT) and artificial intelligence through artificial neural networks (ANNs). The WT was used because it is more appropriate for processing signals such as ERP (non-stationary signals), when compared, for example, to the Fourier transform. Neural networks enable the automation of the process of identifying the different groups. Using a hybrid system formed by these two techniques, it is intended to extract features of ERP signals that identify individuals predisposed to alcoholism, and automate the identification of these individuals. The research has identified the need to apply a pre-processing to the signals of ERP, preparing them for the wavelet transformation. The wavelet coefficients thus obtained formed the input data to fed the ANNs, which used the error algorithm backpropagation in training. Using these techniques, after training, the ANNs were able to classify about 90% of ERP signs of individuals with LR and HR.
|
157 |
Mapeamento do córtex visual humano através de uma abordagem multimodal integrando eletroencefalografia e espectroscopia óptica na região do infravermelho próximo / Mapping of the human visual cortex by a multimodal approach integrating electroencephalography and near infrared spectroscopyUceda Otero, Enrique Porfirio 14 August 2018 (has links)
Orientador: Roberto J. M. Covolan / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Fisica Gleb Wataghin / Made available in DSpace on 2018-08-14T22:08:05Z (GMT). No. of bitstreams: 1
UcedaOtero_EnriquePorfirio_D.pdf: 7252585 bytes, checksum: 3b003f17c9e6e0a72174f7dbd766bd36 (MD5)
Previous issue date: 2009 / Resumo: A ativação cerebral envolve um complexo arranjo de processos neuronais, metabólicos e vasculares, que se estende do nível molecular e celular ao nível de extensas zonas corticais. O processo de disparo neuronal requer a restauração de gradientes iônicos e a reciclagem de neurotransmissores, o que implica em um custo energético suprido na forma de trifosfato de adenosina (ATP). A principal via de síntese do ATP é a via aeróbica e se dá pelo metabolismo oxidativo da glicose. Para tanto, o metabolismo cerebral depende de um constante suprimento de glicose e oxigênio, que é mantido pela circulação sanguínea através de uma complexa rede de vasos, que compõe o sistema vascular cerebral.
A regulação desse complexo sistema neurovascular-metabólico é objeto de intensa investigação e está no centro do trabalho aqui apresentado, que visa o mapeamento do córtex visual através de uma abordagem multimodal envolvendo eletroencefalografia (EEG) e espectroscopia óptica na região do infravermelho próximo (NIRS - near infrared spectroscopy). O objetivo central deste trabalho foi o desenvolvimento de uma metodologia que permitisse a realização de medidas simultâneas da atividade neuronal, via EEG, e das alterações vasculares associadas a essas, via NIRS. Através desta técnica foi estudado o córtex visual de indivíduos adultos saudáveis, através da apresentação de estímulos modulados em frequência e em contraste. Esses experimentos foram realizados utilizando visão tanto binocular quanto monocular, sendo esta última para cada olho separadamente.
Os estudos de EEG, realizados com eletrodos posicionados em O1 e O2, permitiram registrar claras alterações dos ritmos cerebrais alfa e beta em correlação com as variações de contraste e frequência do estímulo visual. As medidas ópticas, realizadas através do escalpo com optodos colocados estímulo dos eletrodos, permitiram registrar respostas hemodinâmicas bastante enfáticas, que mostraram alguma variabilidade em correlação com o contraste e a frequência dos estímulos visuais utilizados. Os resultados obtidos demonstram a viabilidade de se estudar o acoplamento neurovascular-metabólico em humanos através de uma abordagem multimodal não-invasiva, utilizando-se um sistema conjugado NIRS-EEG / Abstract: Brain activation involves a complex arrangement of neuronal, metabolic and vascular processes, which goes from molecular and cellular level to the level of extensive cortical and subcortical zones. The process of neuronal firing requires the restoration of ionic gradients and neurotransmitter recycling, which implies supplying energy in the form of Adenosine Triphosphate (ATP). ATP synthesis follows mainly the aerobic way and occurs by the oxidative metabolism of glucose. Therefore, the cerebral metabolism depends on a constant supply of glucose and oxygen, which is maintained by the blood circulation through the complex networks of blood vessels that compose the cerebral vascular system.
The regulation of this complex neurovascular-metabolic system is object of intense investigation and is in the center of the work presented here, that aims to investigate the human visual system through a multimodal boarding integrating electroencephalography (EEG) and near infrared spectroscopy (NIRS). The central objective of this work was the development of a methodology that would allow simultaneous measurements of the neuronal activity, via EEG, and of the vascular changes associated to these, via NIRS.
Through this technique, we studied the visual cortex of healthy adults, through the presentation of stimuli modulated alternatively in frequency and contrast. These experiments were performed for both binocular and monocular vision, being the latter for both eyes. The studies of EEG were performed with electrodes positioned in O1 and O2 and allowed to register clear alterations of alpha and beta brain rhythms in correlation with the contrast and frequency variations of the visual stimulus. The optical measurements were performed through the skull with optodes placed around the electrodes and allowed to record hemodynamic responses whose variability was also related to the contrast and frequency modulations of the visual stimuli. The obtained results demonstrate the feasibility of applying a conjugated NIRS-EEG system as a multimodal approach to study the neurovascular-metabolic coupling in humans / Doutorado / Física Médica / Doutor em Ciências
|
158 |
Avaliação de métodos de análises não lineares em sinais eletroencefalográficos na presença de oscilações de alta frequência em pacientes portadores de epilepsia refratária / Evaluation of nonlinear analysis methods in electroencephalographic signals in the presence of high frequency oscillations in patients with refractory epilepsyJuliano Jinzenji Duque 09 August 2017 (has links)
A eletroencefalografia (EEG) é uma das evidências tomadas na avaliação de indicação cirúrgica, em casos de pacientes portadores de epilepsia refratária a medicamentos, que pode auxiliar na localização da área responsável pela origem das crises epilépticas. Ao longo das últimas décadas, além das bandas de frequências já tradicionalmente avaliadas (até cerca de 40Hz), a EEG tem despertado o interesse de pesquisadores também para bandas de frequências mais altas. Passaram a ser encontradas evidências de que oscilações de alta frequência, conhecidas por HFO (High Frequency Oscillations), podem ser usadas como biomarcadores de epilepsia. Diversos estudos têm sido realizados em busca de uma melhor compreensão sobre HFO, a fim de viabilizar sua utilização em aplicações clínicas. Entretanto, características não lineares e de complexidade, que podem contribuir na análise de sinais com origem em sistemas biológicos, não têm sido investigadas neste tipo de sinais. Este estudo propôs a investigação de características extraídas de sinais de EEG com presença de HFO, de pacientes portadores de epilepsia refratária, através de métodos considerados como de análise não linear. Análise de Dinâmica Simbólica, Análise de Flutuações Destendenciadas (DFA), Entropia Multiescala (MSE) e Análise qSDiff foram aplicadas em segmentos de sinais de EEG intracraniano, amostrados a 5kHz, de pacientes portadores de epilepsia refratária, e também em alguns sinais simulados de características conhecidas para fins de comparação. Os resultados dos diferentes métodos investigados apontaram características semelhantes entre os segmentos de EEG analisados e séries simuladas de ruído browniano, sugerindo que os sinais de EEG em geral têm perfil bastante suavizado, são não estacionários e exibem correlações de longo alcance. Foram também levantadas evidências de que tanto HFO quanto os segmentos de EEG onde estão inseridas têm padrões mais regulares de variação e são menos complexas que segmentos de EEG sem HFO, sugerindo a degradação da complexidade fisiológica desta região cerebral, que poderia estar relacionada com mecanismos fisiopatológicos da epilepsia. Todos os métodos investigados sugeriram que as características e propriedades não lineares, relacionadas a complexidade inerente dos sinais de EEG, podem ser úteis na análise de HFO, principalmente pelas evidências de que estas características se alteram nas HFO, quando comparadas ao restante do sinal onde elas se encontram e também a outros sinais sem sua presença. / Electroencephalography (EEG) is one of the evidences taken in the evaluation of surgical indication, in cases of patients with drug refractory epilepsy, which may help in locating the area responsible for the origin of epileptic seizures. Over the last few decades, in addition to the frequency bands that have traditionally been evaluated (up to about 40Hz), the EEG has attracted researchers also to higher frequency bands. Evidence has been found that high frequency oscillations (HFO), can be used as biomarkers of epilepsy. Many studies have been carried out in search of a better understanding about HFO, in order to make it feasible to use in clinical applications. However, nonlinear and complex features, which may contribute to the analysis of signals originating from biological systems, have not been investigated in this type of signals. This study proposed the investigation of features extracted from EEG signals with HFO of patients with refractory epilepsy, using nonlinear analysis methods. Symbolic Dynamics Analysis, Detrended Fluctuation Analysis (DFA), Multiscale Entropy (MSE) and qSDiff Analysis were applied to segments of intracranial EEG signals, sampled at 5kHz, from patients with refractory epilepsy, as well as some features-known simulated signals for comparison purposes. Results of the different investigated methods pointed out similar features between the analyzed EEG segments and the simulated series of Brownian noise, suggesting that EEG signals, in general, have a very smoothed profile, are nonstationary and exhibit long- range correlations. Evidence has also been raised that both HFO and the EEG segments where they are inserted have more regular patterns of variation and are less complex than EEG segments without HFO, suggesting the degradation of the physiological complexity of this brain region, which could be related to pathophysiological mechanisms of epilepsy. All the investigated methods suggested that nonlinear features and properties, related to the inherent complexity of EEG signals, may be useful in HFO analysis, mainly because of the evidence that these features change in HFOs when compared to the rest of the signal where they are and other signals without their presence.
|
159 |
Análise de wavelets com máquina de vetor de suporte no eletrencefalograma da doença de Alzheimer / Wavelets analysis with support vector machine in Alzheimer\'s disease EEGPaulo Afonso Medeiros Kanda 07 March 2013 (has links)
INTRODUÇÃO. O objetivo deste estudo foi responder se a transformada wavelet Morlet e as técnicas de aprendizagem de Máquina (ML), chamada Máquinas de Vetores de Suporte (SVM) são adequadas para procurar padrões no EEG que diferenciem controles normais de pacientes com DA. Não há um teste de diagnóstico específico para a doença de Alzheimer (DA). O diagnóstico da DA baseia-se na história clínica, neuropsicológica, exames laboratoriais, neuroimagem e eletroencefalografia. Portanto, novas abordagens são necessárias para permitir um diagnóstico mais precoce e preciso e para medir a resposta ao tratamento. EEG quantitativo (EEGq) pode ser utilizado como uma ferramenta de diagnóstico em casos selecionados. MÉTODOS: Os pacientes eram provenientes do Ambulatório do Grupo de Neurologia Cognitiva e do Comportamento (GNCC) da Divisão de Clínica Neurológica do HCFMUSP ou foram avaliados pelo grupo do Laboratório de Eletrencefalografia Cognitiva do CEREDIC HC-FMUSP. Estudamos EEGs de 74 indivíduos normais (33 mulheres/41 homens, com idade média de 67 anos) e 84 pacientes com provável DA leve a moderada (52 mulheres/32 homens, idade média de 74,7 anos. A transformada wavelet e a seleção de atributos foram processadas pelo software Letswave. A análise SVM dos atributos (bandas delta, teta, alfa e beta) foi calculada usando-se a ferramenta WEKA (Waikato Ambiente para Análise do Conhecimento). RESULTADOS: Na classificação dos grupos controles e DA obteve-se Acurácia de 90,74% e área ROC de 0,90. Na identificação de um único probando dentre todos os demais se conseguiu acurácia de 81,01% e área ROC de 0,80. Desenvolveu-se um método de processamento de EEG quantitativo (EEGq) para uso na diferenciação automática de pacientes com DA versus indivíduos normais. O processo destina-se a contribuir como complemento ao diagnóstico de demência provável principalmente em serviços de saúde onde os recursos sejam limitados / INTRODUCTION. The aim of this study was to answer if Morlet wavelet transform and machine learning techniques (ML), called Support Vector Machines (SVM) are suitable to look for patterns in EEG to differentiate normal controls from patients with AD. There is not a specific diagnostic test for Alzheimer\'s disease (AD). The diagnosis of AD is based on clinical history, neuropsychological testing, laboratory, neuroimaging and electroencephalography. Therefore, new approaches are needed to allow an early diagnosis and accurate to measure response to treatment. Quantitative EEG (qEEG) can be used as a diagnostic tool in selected cases. METHODS: The patients came from the Clinic Group Cognitive Neurology and Behavior (GNCC), Division of Clinical Neurology HCFMUSP or evaluated by the group of the Laboratory of Cognitive electroencephalography CEREDIC HCFMUSP. We studied EEGs of 74 normal subjects (33 females/41 men, mean age 67 years) and 84 patients with mild to moderate probable AD (52 females/32 men, mean age 74.7 years. Wavelet transform and the selection of attributes were processed by software Letswave. SVM analysis of attributes (bands delta, theta, alpha and beta) was calculated using the tool WEKA (Waikato Environment for Knowledge analysis). RESULTS: The group classification of controls and DA obtained an accuracy of 90.74% and ROC area 0.90. The identification of a unique proband among all others was achieved with accuracy of 81.01% and ROC area 0.80. It was developed a method of processing EEG quantitative (qEEG) for use in automatic differentiation of AD patients versus normal subjects. This process is intended to complement the diagnosis of probable dementia primarily in health services where resources are limited
|
160 |
Aplicação de redes neurais artificiais paraconsistentes como método de auxílio no diagnóstico da doença de Alzheimer / Application of artificial neural networks paraconsistents as a method of aid in the diagnosis of Alzheimer diseaseHelder Frederico da Silva Lopes 02 July 2009 (has links)
A análise visual do eletroencefalograma (EEG) tem se mostrado útil na ajuda diagnóstica da doença de Alzheimer (DA), sendo indicado em alguns protocolos clínicos quando o diagnóstico permanece em aberto após a avaliação inicial. Porém, tal análise está sujeita naturalmente à imprecisão inerente de equipamentos, movimentos do paciente, registros elétricos e variação da interpretação da análise visual do médico. A teoria das Redes Neurais Artificiais (RNA) tem-se mostrado muito apropriado para tratar problemas como predição e reconhecimento de padrões de sinais em outras áreas do conhecimento. Neste trabalho utilizou-se uma nova classe de RNA, a Rede Neural Artificial Paraconsistente (RNAP), caracterizada pela manipulação de informações incertas, inconsistentes e paracompletas, destinada a reconhecer padrões predeterminados de EEG e de avaliar sua aplicabilidade como método auxiliar para o diagnóstico da DA. Trinta e três pacientes com DA provável e trinta e quatro pacientes controles foram submetidos ao registro de exames de EEG durante a vigília em repouso. Considerou-se como padrão normal de um paciente, a atividade de base entre 8,0 Hz e 12,0 Hz (com uma frequência média de 10 Hz), permitindo uma variação de 0.5 Hz. A RNAP foi capaz de reconhecer ondas de diferentes bandas de frequência (teta, delta, alfa e beta) aplicadas ao uso clínico do EEG, levando a uma concordância com o diagnóstico clínico de 82% de sensibilidade e 61% de especificidade. Com estes resultados, acredita-se que a RNAP possa vir a ser uma ferramenta promissora para manipular análise de EEG, tendo em mente as seguintes considerações: o interesse crescente de especialistas em análise visual de EEG e a capacidade da RNAP tratar diretamente dados imprecisos, inconsistentes e paracompletos, fornecendo uma interessante análise quantitativa e qualitativa / The visual analysis of EEG has shown useful in helping the diagnosis of Alzheimer disease (AD) when the diagnosis remains uncertain, being used in some clinical protocols. However, such analysis is subject to the inherent equipment imprecision, patient movement, electrical records, and physician interpretation of the visual analysis variation. The Artificial Neural Network (ANN) could be a helpful tool, appropriate to address problems such as prediction and pattern recognition. In this work, it has use a new class of ANN, the Paraconsistent Artificial Neural Network (PANN), which is capable of handling uncertain, inconsistent, and paracomplet information, for recognizing predetermined patterns of EEG and to assess its value as a possible auxiliary method for AD diagnosis. Thirty three patients with Alzheimer\'s disease and thirty four controls patients of EEG records were obtained during relaxed wakefulness. It was considered as normal patient pattern, the background EEG activity between 8.0 Hz and 12.0 Hz (with an average frequency of 10 Hz), allowing a range of 0.5 Hz. The PANN was able to recognize waves that belonging to their respective bands of clinical use (theta, delta, alpha, and beta), leading to an agreement with the clinical diagnosis at 82% of sensitivity and at 61% of specificity. Supported with these results, the PANN could be a promising tool to manipulate EEG analysis, bearing in mind the following considerations: the growing interest of specialists in EEG analysis visual and the ability of the PANN to deal directly imprecise, inconsistent and paracomplet data, providing an interesting quantitative and qualitative analysis
|
Page generated in 0.0733 seconds