Epileptik kaynak yerelleştirmesinde geri problem çözüm tekniklerinin uygulanması
The implementation of the inverse problem solution techniques for epileptic source localization
- Tez No: 237759
- Danışmanlar: YRD. DOÇ. DR. BÜLENT YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Biyomühendislik, Engineering Sciences, Bioengineering
- Anahtar Kelimeler: Kaynak yerelleştirmesi, EMKG, EEG ileri-geri problem, Source localization, EMSI, EEG forward-inverse problem
- Yıl: 2009
- Dil: Türkçe
- Üniversite: Başkent Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Epilepsi gibi beyin hastalıkları tedavisi için, beyindeki epileptik aktivasyonun kaynağı olan bölge veya bölgelerin yerlerinin tespit edilmesi oldukça önemlidir. Bu amaçla günümüzde, uzaysal çözünürlükleri yüksek olmasına rağmen, zamansal çözünürlükleri düşük olan fonksiyonel görüntüleme sistemleri ile beraber zamansal çözünürlüğü daha yüksek olan elektroensefalografi (EEG) veya manyetoensefalografi (MEG) gibi beyin yüzeyinden elde edilen elektromanyetik verilerin kullanıldığı Elektromanyetik Kaynak Görüntüleme (EMKG) yöntemleri kullanılmaktadır. EMKG'de, EEG veya MEG ölçümleri alınan kafanın bilgisayar modeli üzerinde geri problem çözümleri gerçekleştirilmekte ve böylece bu ölçümlere neden olan epileptik kaynaklar tespit edilmektedir. Bu çalışmada, ilk olarak dört tabakalı ideal kafa modeli oluşturulmuştur. Bu modelde, 8 cm yarıçapında yarıküre şeklindeki kafa derisi üzerinde EEG elektrotlarının olduğu varsayılmıştır ve 7 cm yarıçapında yarıküre şeklindeki korteks üzerinde yüzeye dik olarak 930 adet dipol konumlandırılmıştır. Her bir dipol için analitik olarak ileri problem çözümü yapılmıştır. Ardından, literatürde mevcut olan minimum norm (MN), ağırlıklanmış MN (WMN), LAURA ve EPIFOCUS geri problem algoritmaları farklı sayıda EEG elektrotları için uygulanmıştır. Ayrıca, 10, 20 ve 30 dB sinyal gürültü oranına (SNR) sahip olacak şekilde gürültü eklenmiş EEG verileri üzerinde kesilmiş tekil değer ayrıştırması (tSVD) yönteminin de sonuca etkisini araştıracak şekilde analizler gerçekleştirilmiştir. Yukarıda belirtilen tek dipol kaynaklı analizlerden sonra, hem EPIFOCUS, hem de MN geri problem çözüm yöntemlerinin çift dipol kaynaklı analizleri de yapılmıştır. Sonuç olarak, tek dipol kaynaklı çalışmalarda, hem gürültüsüz hem de gürültülü veriler için en iyi sonuçlar EPIFOCUS geri problem yönteminin uygulanması sonrası ortaya çıkmıştır. Fakat birden fazla dipol kaynağının bulunduğu durumlarda, EPIFOCUS'un performansının oldukça düştüğü görülmüştür. Tek dipol kaynaklı gürültülü analizlerde, elektrot sayısı ve gürültü seviyesi arttıkça, genel olarak, dipol yerelleştirme performanslarının net bir şekilde düştükleri gözlemlenmiştir. Gürültülü ölçümler için elektrot sayısı arttıkça, tSVD iyileştirmesinin daha fazla etkili olduğu görülmüştür.
Özet (Çeviri)
For the treatment of brain diseases such as epilepsy, determination of the locations of source/s of electrical activity in the brain is highly important. For this purpose, nowadays in addition to several functional imaging systems, which have low temporal resolutions and high spatial resolutions, Electromagnetic Source Imaging (EMSI) methods, which have high temporal resolutions, have been used that employ electromagnetic signals such as Electroencephalography (EEG) or Magnetoencephalography (MEG) measured from the head surface. In EMSI, inverse problem solutions are applied on the computer model of the head from which EEG or MEG measurements are acquired and thus the locations of sources are estimated. In this study, first a four-layer ideal head model was constructed. In this model, EEG electrodes were assumed to be positioned on an 8-cm-radius hemispherical head, and 930 dipole sources were located on the 7-cm-radius hemispherical cortex with a surface-normal orientation. For each dipole source an analytical forward solution was computed. Later, EEG inverse problem algorithms such as minimum norm (MN), weighted minimum norm (WMN), LAURA, and EPIFOCUS were implemented for different number of measurement electrodes. In addition, a similar analysis that included the investigation of the effect of truncated singular value decomposition (tSVD) method was performed with EEG data with signal-to-noise ratios at 10 dB, 20 dB, and 30 dB levels. In addition to the single dipole source localization study, both EPIFICUS and MN inverse problem algorithms were analyzed for double dipole sources. As a result, EPIFOCUS was found to be the best approach for single dipole sources with and without noise. For double source cases the performance of EPIFOCUS decreased to a relatively low level. For single dipole source analysis with noise, when the number of electrodes and noise levels increased source localization performances clearly diminished. The tSVD regularization improved the performance of the inverse algorithms for increased number of measurement electrodes.
Benzer Tezler
- Elektriksel kaynak görüntüleme amaçlı 256 kanallı elektroensefalografik veri toplama sistemi
256-channel electroencephalographic data-acquisition system for electrical source imaging
ALİ BÜLENT UŞAKLI
Doktora
Türkçe
2006
Elektrik ve Elektronik MühendisliğiGazi ÜniversitesiElektronik ve Bilgisayar Eğitimi Ana Bilim Dalı (disiplinlerarası)
PROF.DR. NEVZAT GENÇER
- Sağlıklı ve epileptik deneklerde“EEG-Brain Mapping”
“EEG brain mapping”in the healthy and epileptic subjects
MELİHA TAN
- Epilepsi hastalığında doğru ilaç tedavisi için yüksek düzeyde biyoyararlı bitkisel kaynak destekli antiepileptik ilaç dizayn çalışması
Antiepileptic drug design study supported by highly bioavailable herbal source for correct drug treatment in epilepsy disease
ASLI DUYĞU
Yüksek Lisans
Türkçe
2025
GenetikÜsküdar ÜniversitesiMoleküler Biyoloji Ana Bilim Dalı
DOÇ. DR. VİLDAN ENİSOĞLU ATALAY
- Applications of dipole source analysis in Epilepsy
Epilepside dipol kaynak analizi uygulamaları
ÖZLEM SARIOĞLU
Yüksek Lisans
İngilizce
2009
BiyofizikHacettepe ÜniversitesiBiyofizik Ana Bilim Dalı
DOÇ. DR. SÜHA YAĞCIOĞLU
- Epileptic seizure prediction using machine learning and deep learning methods
Makine öğrenimi ve derin öğrenme yöntemleriyle epileptik nöbet tahmini
BURAK GÖZÜTOK
Yüksek Lisans
İngilizce
2021
BiyomühendislikBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ADEMOĞLU