Ιδρυματικό Αποθετήριο
Πολυτεχνείο Κρήτης
Πολυτεχνείο Κρήτης
EN
|
EL
| URI | http://purl.tuc.gr/dl/dias/710128B1-C6C4-404B-B668-1427351379E3 | - |
| Αναγνωριστικό | https://doi.org/10.26233/heallink.tuc.88597 | - |
| Γλώσσα | el | - |
| Μέγεθος | 88 σελίδες | el |
| Μέγεθος | 2.4 megabytes | en |
| Τίτλος | Ανάλυση μαγνητοεγκεφαλογραφήματος με βάση την πολυπλοκότητα κωδικοποιημένων καταστάσεων | el |
| Τίτλος | Analysis of magnetoencephalography recordings via complexity of quantized resting states | en |
| Δημιουργός | Zoidis Nikolaos | en |
| Δημιουργός | Ζωϊδης Νικολαος | el |
| Συντελεστής [Επιβλέπων Καθηγητής] | Zervakis Michail | en |
| Συντελεστής [Επιβλέπων Καθηγητής] | Ζερβακης Μιχαηλ | el |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Liavas Athanasios | en |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Λιαβας Αθανασιος | el |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Papaefstathiou Ioannis | en |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Παπαευσταθιου Ιωαννης | el |
| Εκδότης | Πολυτεχνείο Κρήτης | el |
| Εκδότης | Technical University of Crete | en |
| Ακαδημαϊκή Μονάδα | Technical University of Crete::School of Electrical and Computer Engineering | en |
| Ακαδημαϊκή Μονάδα | Πολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών | el |
| Περιγραφή | Διπλωματική εργασία | el |
| Περίληψη | Η Μαγνητοεγκεφαλογραφία (ΜΕΓ ή Magnetoencephalography – MEG) είναι μια σύγχρονη μη επεμβατική μέθοδος μέτρησης της νευροφυσιολογικής δραστηριότητας του εγκεφάλου μέσω των μαγνητικών πεδίων που παράγει κατά τη διάρκεια μιας εξωτερικής διέγερσης. Η ΜΕΓ έχει συμβάλει σημαντικά στην μελέτη και την κατανόηση των μηχανισμών και του τρόπου λειτουργίας του εγκεφάλου κατά την ομαλή του λειτουργία αλλά και σε περιπτώσεις όπου εμφανίζονται νευρολογικές, ψυχιατρικές ή εκφυλιστικές διαταραχές, θέματα που απασχολούν έντονα τον τομέα της Νευροεπιστήμης. Η παρούσα διπλωματική εργασία έχει ως στόχο την ανάλυση μαγνητοεγκεφαλογραφικών καταγραφών παιδιών με αναγνωστικές δυσκολίες (Reading Difficulties – RD) και παιδιών χωρίς αναγνωστικές δυσκολίες (Non Impaired – NI) και την εξαγωγή συμπερασμάτων σχετικά με τη λειτουργική συνδεσιμότητα περιοχών του εγκεφάλου των παιδιών αυτών. Για το σκοπό αυτό, αξιοποιήθηκαν μέθοδοι συμπίεσης ή κωδικοποίησης χρονικού σήματος σε χρονικό σήμα συμβόλων ή συμβολοσειρά, διευκολύνοντας την ερμήνευση της χρονικά καταγεγραμμένης πληροφορίας με ένα πεπερασμένο αριθμό συμβόλων. Για τον εντοπισμό της μη εγκεφαλικής δραστηριότητας στα δεδομένα χρησιμοποιήθηκαν η μέθοδος Ανάλυσης Ανεξάρτητων Συνιστωσών (ICA) καθώς επίσης και μετρικές από τον χώρο της Θεωρίας Πληροφορίας έπειτα από μια κατάλληλη διαδικασία προεπεξεργασίας των σημάτων. Στη συνέχεια τα δεδομένα αναλύθηκαν σε οκτώ διαφορετικούς εγκεφαλικούς ρυθμούς. Έπειτα κωδικοποιήθηκαν με τον αλγόριθμο Neural Gas και στα κωδικοποιημένα, πλέον, δεδομένα έγινε εφαρμογή των μετρικών της αμοιβαίας πληροφορίας και του βαθμού συνδεσιμότητας. Στα αποτελέσματα των μετρικών αυτών εφαρμόστηκε στατιστική ανάλυση ώστε να εντοπιστούν στατιστικά σημαντικές διαφορές ανάμεσα στις δυο ομάδες παιδιών. Οι διαφορές αυτές επιβεβαιώνουν ευρήματα της σχετικής βιβλιογραφίας και καταδεικνύουν κάποια δυσλειτουργία στην επικοινωνία των δύο ημισφαιρίων, καθώς παρατηρείται μείωση του συγχρονισμού και της συνδεσιμότητας στην RD ομάδα. | el |
| Περίληψη | Magnetoencephalography (MEG) is a modern, non-invasive method of measuring the neuronal brain activity by calculating the generated magnetic fields after an external stimulation. MEG has contributed significantly to the study and understanding of the mechanisms and the way the brain functions during its normal operation but also in cases where neurological, psychiatric or degenerative disorders occur, issues that are of great concern to the field of Neuroscience. This thesis aims at the analysis of magnetoencephalographic recordings of children with reading difficulties (RD) and non-impaired (NI) children and the extraction of conclusions on the functional connectivity of brain areas of the children belonging to these two groups. For this purpose methods of compressing or encoding a time signal into a symbolic time series were utilized, facilitating the interpretation of time – recorded information with a finite number of symbols. The method of Independent Components Analysis (ICA) as well as with some metrics from the field of Information Theory were used to detect the non-brain activity, following an appropriate signal pre-processing process. The data was then analyzed into eight different brain rhythms. After that, the data was encoded using the Neural Gas algorithm and the metrics of mutual information and connectivity degree were then used on the encoded data. Statistical analysis was applied to the results of those metrics to detect significant statistical differences between the two groups of children. It is possible that these differences demonstrate differences between the functional connectivity of specific brain areas. These differences confirm findings from the relative literature and indicate some dysfunction in the communication between the two hemispheres, as a decrease in synchronization and connectivity in the RD group is observed. | en |
| Τύπος | Διπλωματική Εργασία | el |
| Τύπος | Diploma Work | en |
| Άδεια Χρήσης | http://creativecommons.org/licenses/by/4.0/ | en |
| Ημερομηνία | 2021-03-12 | - |
| Ημερομηνία Δημοσίευσης | 2021 | - |
| Θεματική Κατηγορία | Μαγνητοεγκεφαλογραφία | el |
| Βιβλιογραφική Αναφορά | Νικόλαος Ζωϊδης, "Ανάλυση μαγνητοεγκεφαλογραφήματος με βάση την πολυπλοκότητα κωδικοποιημένων καταστάσεων", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2021 | el |
| Βιβλιογραφική Αναφορά | Nikolaos Zoidis, "Analysis of magnetoencephalography recordings via complexity of quantized resting states", Diploma Work, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2021 | en |
Copyright © DIAS 2013
