Multimodální přístup k resting-state konektivitě

Abstract

Tato práce zkoumá vztah mezi spontánní oscilatorní aktivitou EEG a fluktuacemi BOLD signálu v motorické smyčce kortiko-bazálních ganglií, konkrétně v doplňkové motorické oblasti (SMA) a v putamen. Tyto oblasti hrají klíčovou roli v řízení pohybu a jsou často cílem neurofeedbackových protokolů u Parkinsonovy nemoci, kde je hyperaktivita v beta pásmu známým biomarkerem.

Byla použita simultánně měřená EEGfMRI data ve stavu klidového odpočinku u zdravých jedinců. Studie se zaměřila na detekci vrcholů výkonu v theta, alfa a beta pásmu a na analýzu odpovídajícího BOLD signálu v oblastech SMA a putamen. Porovnány byly dvě varianty předzpracování EEG: plná pipeline zahrnující odstranění gradientových a ballistokardiografických (BCG) artefaktů a jednodušší verze s korekcí pouze gradientových artefaktů.

Výsledky ukázaly konzistentní a statisticky významné poklesy BOLD signálu v SMA a putamen po EEG vrcholech ve všech frekvenčních pásmech. Analýza křížové korelace neprokázala konzistentní zpoždění, což zvýrazňuje přínos segmentové analýzy založené na událostech oproti spojitému sledování konektivity.

Dále mezi variantami předzpracování s a bez BCG korekce nebyly nalezeny zásadní rozdíly, což svědčí o robustnosti metody. Zjištění podporují použitelnost EEG-informovaného nebo hybridního neurofeedbacku u Parkinsonovy nemoci a přispívají k rozvíjejícímu se poli multimodální integrace EEGfMRI.This thesis investigates the relationship between spontaneous oscillatory EEG activity and BOLD fluctuations in the cortico-basal ganglia motor loop, particularly the supplementary motor area (SMA) and the putamen. These regions are central to motor control and are frequently targeted in neurofeedback protocols for Parkinsons disease (PD), where beta-band hyperactivity is a known biomarker.

A resting-state simultaneous EEGfMRI dataset from healthy individuals was used. The study focused on detecting peaks in theta, alpha, and beta band power and analyzing the corresponding BOLD signal in SMA and putamen. Two EEG preprocessing pipelines were compared: a full pipeline including gradient and ballistocardiographic (BCG) artifact removal, and a simpler version with only gradient correction.

Results showed consistent and significant BOLD decreases in SMA and putamen following EEG power peaks across all bands. Cross-correlation analysis did not show consistent lags, highlighting the value of event-based segment analysis over continuous connectivity measures.

Importantly, no substantial differences were found between preprocessing pipelines with and without BCG, indicating the robustness of the method. These findings support the feasibility of EEG-informed or hybrid neurofeedback strategies in PD and contribute to the growing field of multimodal EEGfMRI integration.