Συντάχθηκε 19-08-2025 14:34
Ενημερώθηκε:
19-08-2025 14:40
Τόπος:
Σύνδεσμος τηλεδιάσκεψης
Έναρξη: 02/09/2025 10:00
Λήξη: 02/09/2025 11:00
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών
Πρόγραμμα Μεταπτυχιακών Σπουδών
ΠΑΡΟΥΣΙΑΣΗ ΜΕΤΑΠΤΥΧΙΑΚΗΣ ΕΡΓΑΣΙΑΣ
Κωνσταντίνου Πολιτώφ
με θέμα
Λειτουργικές Εναλλαγές Εγκεφαλικών Δικτύων σε Ήπιες Κρανιοεγκεφαλικές Κακώσεις Αξιοποιώντας Ρεαλιστικά Μοντέλα Κεφαλής Πεπερασμένων Στοιχείων και ΗΕΓ/ΜΕΓ
Brain Functional Network Alterations of Mild Traumatic Brain Injuries Utilizing Finite Element Realistic Head Modeling and EEG/MEG
Εξεταστική Επιτροπή
Καθηγητής Μιχαήλ Ζερβάκης (Πολυτεχνείο Κρήτης, Σχολή ΗΜΜΥ)
Καθηγητής Αθανάσιος Λιάβας (Πολυτεχνείο Κρήτης, Σχολή ΗΜΜΥ)
Καθηγητής Carsten Hermann Wolters (University of Münster, Institute for Biomagnetism and Biosignalanalysis IBB)
Περίληψη
Κίνητρο: Η ήπια τραυματική εγκεφαλική βλάβη (mTBI) προκαλεί ανεπαίσθητες νευρολογικές μεταβολές, που συχνά δεν ανιχνεύονται από τις παραδοσιακές τεχνικές νευροαπεικόνισης. Λόγω της διακύμανσης των ευρημάτων μεταξύ των μελετών που χρησιμοποιούν λειτουργικές μεθόδους EEG και MEG, καθίσταται αναγκαία η ανάπτυξη μιας τυποποιημένης αναλυτικής διαδικασίας που θα επιτρέπει την αξιόπιστη αξιολόγηση των λειτουργικών δεδομένων και θα ενισχύει τη διαγνωστική ακρίβεια και την παρακολούθηση της ανάρρωσης σε ασθενείς με mTBI.
Σκοπός: Η ανάπτυξη και εφαρμογή μιας εξατομικευμένης, πολυτροπικής αναλυτικής μεθοδολογίας που ενσωματώνει δεδομένα EEG και MEG σε επίπεδο πηγής για τη διερεύνηση της λειτουργικής δραστηριότητας του εγκεφάλου, με στόχο την υποστήριξη της διάγνωσης και παρακολούθησης της ανάρρωσης ατόμων με mTBI κατά τη διάρκεια της υποξείας περιόδου (2–4 εβδομάδες μετά τον τραυματισμό).
Μέθοδοι: Μετά από μια λεπτομερή διαδικασία προεπεξεργασίας, αναλύθηκαν τρία λεπτά καθαρών από θορύβους καταγραφών EEG και MEG σε κατάσταση ηρεμίας από άτομα με mTBI κατά τη φάση της υποξείας ανάρρωσης, καθώς και από συμμετέχοντες με ορθοπεδικούς τραυματισμούς (OC). Ο εντοπισμός της νευρωνικής δραστηριότητα πραγματοποιήθηκε χρησιμοποιώντας ρεαλιστικά, εξατομικευμένα ανατομικά μοντέλα κεφαλής, τα οποία δημιουργήθηκαν μέσω μιας νέας διαδικασίας τμηματοποίησης σε συνδυασμό με τη μέθοδο πεπερασμένων χτοιχείων (FEM). Ο ρεαλιστικός όγκος αγωγιμότητας της κεφαλής αποτέλεσε τη βάση για την εκτίμηση της νευρωνικής δραστηριότητας με τη χρήση της μεθόδου Linearly Constrained Minimum Variance (LCMV) beamformer, με σκοπό τη βελτίωση της χωρικής ακρίβειας. Μέσω της νέας διαδικασίας τμηματοποίησης, ο φλοιός του εγκεφάλου χωρίστηκε σε 94 περιοχές ενδιαφέροντος (ROI), επιλεγμένες από το πρότυπο AAL3. Για κάθε περιοχή ROI, εξήχθησαν αντιπροσωπευτικές χρονοσειρές από τα σήματα στο επίπεδο της πηγής και φιλτραρίστηκαν σε ρυθμούς συχνότητας δέλτα, θήτα και άλφα. Οι δυναμικοί γράφοι λειτουργικής συνδεσιμότητας (DFCGs) υπολογίστηκαν μέσω συσχετισμών περιβλήματος πλάτους χρησιμοποιώντας τον μετασχηματισμό Hilbert. Στη συνέχεια, οι DFCGs φιλτραρίστηκαν με τη μέθοδο Orthogonal Minimal Spanning Trees (OMST), ώστε να μειωθούν οι ψευδείς συνδέσεις μεταξύ κόμβων. Στο τελικό βήμα, ο βαθμός (degree) των DFCGs μετατράπηκε σε συμβολικές χρονοσειρές μέσω του αλγορίθμου Neural-Gas (NG) και υπολογίστηκε ο Δείκτης Πολυπλοκότητας (CI), για την ποσοτικοποίηση του πλούτου και της μεταβλητότητας της νευρωνικής δυναμικής στις συχνοτικές ζώνες δέλτα, θήτα και άλφα.
Αποτελέσματα: Ο δείκτης CI στη συχνοτική ζώνη θήτα (4–8 Hz) αποτυπώνει με συνέπεια τις λειτουργικές μεταβολές του εγκεφάλου και τη διαδικασία ανάρρωσης μετά από ήπιο τραυματισμό του εγκεφάλου. Σημειώθηκαν σημαντικές μειώσεις του CI και στα δύο εγκεφαλογραφικά μέσα, EEG και MEG, υποδηλώνοντας ότι ο CI στη ζώνη θήτα δύναται να λειτουργήσει ως αξιόπιστος βιοδείκτης για την έγκαιρη διάγνωση και την παρακολούθηση της μακροχρόνιας αποκατάστασης μετά από mTBI.
Καινοτομία: Αυτή η μελέτη παρουσιάζει μια πολυτροπική αναλυτική προσέγγιση σε επίπεδο πηγής, η οποία συνδυάζει ρεαλιστικά, υποκείμενα-ειδικά μοντέλα κεφαλής με δυναμικές μετρήσεις λειτουργικής συνδεσιμότητας, επιτρέποντας την ευαίσθητη παρακολούθηση εγκεφαλικών διαταραχών που σχετίζονται με mTBI κατά τη φάση της υποξείας ανάρρωσης. Η προσέγγιση αυτή προσφέρει νέες γνώσεις στη νευρολογική ανάρρωση και συμβάλλει στην ταυτοποίηση πιθανών βιοδεικτών για διάγνωση και πρόγνωση.
Abstract
Motivation: Mild traumatic brain injury (mTBI) induces subtle neural changes that are often undetected by traditional neuroimaging techniques. Due to variability in findings across studies using EEG and MEG functional modalities, there is an increasing need for a spatiotemporally detailed pipeline to analyze functional data for accurately characterizing of mTBI assessment.
Objective: To develop and apply a personalized, multimodal analytic pipeline that integrates neurosource-driven EEG and MEG data to investigate functional brain dynamics, with the aim of supporting diagnosis and monitoring recovery in individuals with mTBI during the subacute phase (2–4 weeks post-injury).
Methods: After a detailed preprocessing pipeline, three-minute segments of artifact-free resting-state EEG and MEG data were analyzed from individuals with mTBI during the subacute recovery phase, as well as from orthopedic control (OC) participants. Source localization was conducted using anatomically realistic, subject-specific head models generated through the combination of a new segmentation pipeline and the Finite Element Method (FEM). The realistically head volume conductor was then serve the base of the estimation of the neural activity using a Linearly Constrained Minimum Variance (LCMV) beamformer to improve spatial accuracy. Through the new segmentation pipeline, the cortex was divided into 94 regions of interest (ROI) selected from the AAL3 atlas. For each ROI, representative time series were extracted from the source-level signals and filtered into delta, theta, and alpha frequency rhythms. Dynamic Functional Connectivity Graphs (DFCGs) was estimated via amplitude envelope correlations using the Hilbert transform. The DFCGs were then filtered using Orthogonal Minimal Spanning Trees (OMST) to reduce spurious node connections. In the final step, the degree of DFCGs were converted to symbolic time series via the Neural-Gas (NG) algorithm and the Complexity Index (CI) was computed to quantify the richness and variability of neural dynamics across delta, theta, and alpha frequency bands.
Results: The CI in the theta band (4–8 Hz) consistently reflected functional brain alterations and recovery following mTBI. Reductions in CI were observed across both EEG and MEG modalities, highlighting theta-band CI as a potential biomarker for early diagnosis and longitudinal monitoring of mTBI recovery.
Novelty: This study introduces a multimodal, source-level pipeline that combines advanced head modeling with dynamic connectivity metrics to sensitively track mTBI-related brain alterations during the subacute phase, offering novel insights into neural recovery and identifying potential biomarkers for diagnosis and prognosis.
Keywords: Mild traumatic brain injury, Electroencephalography, Magnetoencephalography, Finite Element Method, Linear Constraint Minimum Variance beamformer, Dynamic Functional Connectivity analysis & Complexity Index.
Meeting ID: 940 0521 3770
Password: 121136
