Ιδρυματικό Αποθετήριο
Πολυτεχνείο Κρήτης
Πολυτεχνείο Κρήτης
EN
|
EL
| URI: | http://purl.tuc.gr/dl/dias/B2727ED7-B72B-4746-9F9B-D17E6E36A33C | ||
| Έτος | 2019 | ||
| Τύπος | Διπλωματική Εργασία | ||
| Άδεια Χρήσης |
|
||
| Βιβλιογραφική Αναφορά | Vasileios Dimakopoulos, "Characterization of epileptic activity based on integrated functional network from MEG data on a realistic head model", Diploma Work, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2019 https://doi.org/10.26233/heallink.tuc.81272 | ||
| Εμφανίζεται στις Συλλογές |
Η επιληψία είναι μια πολύπλοκη διαταραχή του εγκεφάλου που επηρεάζει εκατομμύρια ανθρώπους παγκοσμίως. Ένα σημαντικό ποσοστό των επιληπτικών περιπτώσεων χαρακτηρίζεται από ανοχή σε φαρμακευτικές αγωγές γεγονός που ολοένα και περισσότερο εντείνει την εξερεύνηση διαφορετικών μεθόδων θεραπείας. Τέτοιες τεχνικές περιλαμβάνουν επεμβατικές μεθόδους για αφαίρεση μέρους του φλοιού που ευθύνεται για την επιληπτογένεση. Ωστόσο, είναι απαραίτητη η χωρική ακρίβεια και ανάλυση για την αφαίρεση τέτοιων ιστών έτσι ώστε να μην προξενηθούν βλάβες σε θεμελιώδεις λειτουργίες του εγκεφάλου. Ένα σημαντικό βήμα πριν την επεμβατική θεραπεία είναι η προεγχειρητική αξιολόγηση που στοχεύει στον ακριβή εντοπισμό της επιληπτικής εστίας μέσω του ενδοκρανιακού εγκεφαλογραφήματος. Η διπλωματική αυτή εστιάζει στο πρόβλημα εντοπισμού των πηγών από συμπλέγματα αιχμών στα διαστήματα μεταξύ των επιληπτικών κρίσεων για την βελτίωση της προεγχειρητικής διάγνωσης έχοντας ως απώτερο στόχο την καταπράυνση των συμπτωμάτων και την απαλλαγή των ασθενών από επαναλαμβανόμενες επεμβάσεις. Συγκεκριμένα, αποσκοπεί στον εντοπισμό της επιληπτικής δραστηριότητας σε επίπεδο πηγών ρεύματος από συνδυασμό δεδομένων Μαγνητοεγκεφαλογραφήματος και Ηλεκτροεγκεφαλογραφήματος αξιοποιώντας ένα ρεαλιστικό μοντέλο κεφαλής. Η ανακατασκευή των πηγών είναι ένα πρόβλημα που επικεντρώνεται στην απόμιξη των εγκεφαλικών πηγών από τη δραστηριότητα που καταγράφεται μη επεμβατικά στους αισθητήρες μιας νευροαπεικονιστικής μεθόδου προσομοιώνοντας την ανατομία του εγκεφάλου αλλά και τις ηλεκτρικές του ιδιότητες. Η προτεινόμενη προσεγγιση εμπεριέχει αλγορίθμους μη εποπτευόμενης μάθησης για ταξινόμηση της επιληπτικής δραστηριότητας χρησιμοποίωντας προσαρμοστικά χαρακτηριστικά καθώς και σύγκριση ποικίλλων μεθόδων όπως το sLORETA, eLORETA και MNE για την επίλυση του αντίστροφου προβλήματος. Στο μοντέλο συσταδοποίησης εξετάζουμε το πρόβλημα της εξαγωγής αντιπροσωπευτικών χαρακτηριστικών που θα οδηγήσουν στην ομαδοποίηση των επιληπτικών φαινομένων. Σχετικά με το πρόβλημα ανακατασκευής πηγών επιλύουμε το ευθύ πρόβλημα χρησιμοποιώντας ενα μοντέλο κεφαλής απαρτιζόμενο από 6 επίπεδα/τμήματα και την μέθοδο αριθμητικής ανάλυσης Finite Element Method. Τέλος, υλοποιώντας διάφορους αλγορίθμους για την αντίστροφη λύση τα αποτελέσματα που λαμβάνουμε πετυχαίνουν εξαιρετική ακρίβεια στον εντοπισμό των επιληπτικών εστιών σε έναν ασθενή με πολυεστιακή επιληψία ανιχνεύοντας δραστηριότητα κοντά στις εστιακές δυσπλασίες του.
Copyright © DIAS 2013
