Integrace EEG a fMRI u somnambulických jedinců

Abstract

Integrace simultánně nahraných EEG-fMRI dat je moderní metodou analýzy mozkových procesů s vysokým časovým a prostorovým rozlišením. Často je volen asymetrický přístup integrace modalit, který předpokládá extrakci vzorů - kovariát z EEG. V současné době neexistuje všeobecně ustálená efektivní metodika extrakce kovariát, která by vedla k sjednocení a optimalizaci tohoto integračního přístupu. V této diplomové práci byl navržen a implementován řetězec integrace EEG-fMRI dat extrahující EEG kovariátu pomocí anatomické redukce dimenze doplněné o metodu průměrování a skupinové PCA (jPCA). Redukce anatomického prostoru zvyšuje senzitivitu kovariát a snižuje výpočetní náročnost analýzy. Analýza probíhala na klinických datech somnambulických pacientů (porucha spánku typu NREM parasomnie) a kontrolní skupiny. Z kvantitativního porovnání výsledků obou metod redukce dimenze poskytla metoda průměrování více aktivovaných regionů oproti metodě jPCA, která dokázala extrahovat specifičtější typ aktivity. Kontrolní subjekty vykazovaly, u obou metodik, více pomalovlnné theta aktivity než pacienti s NREM parasomnií, jejichž spánkový mechanismus se zdál být narušen a jejichž aktivace se podobaly stavu bdění (Broadmannovy oblasti 37 a 19). U skupiny kontrolních subjektů byl pozorován vzor aktivací související s konsolidací myšlenek a sněním (Broadmannovy oblasti 2, 9, 38 a 40).

Integration of simultaneously acquired EEG-fMRI data is a modern method of brain activity research with superior temporal and spatial resolution. Often, asymmetric approach to modalities integration is used, which assumes extraction of patterns - covariates from EEG. An effective method of covariate extracion, which would lead to optimization and unification of the integration approach has still not been universally agreed upon. In this master's thesis an EEG-fMRI integration pipeline, extracting the EEG covariate by anatomical dimension reduction followed by Mean and group PCA (jPCA) dimension reductions has been implemented. Prior reduction of the anatomical space increases sensitivity and reduces computational complexity of the analysis. The analysis was performed on a clinical data set of somnambulic patients (type of NREM parasomnia sleep disorder) and control subjects. By quantitatively comparing the dimension reduction methods, the Mean method exhibited more activated regions than jPCA method, which was able to extract a more specific type of activity. Control subjects exhibited, in both methods, more slow-wave theta activity than NREM parasomnia patients, who's sleep mechanism seemed to be impared and their activity resembled the awake state (Broadmann areas 37 and 19). In the group of control subjects the pattern of observed activations seemed to relate with processes of consolidation of thoughts and dreaming (Broadmann areas 2, 9, 38 and 40).