1. Inicio
  2. Atrás
Título: Localization of the generators of epileptic activity using Magneto-EncephaloGraphy (MEG) data
Autores: Chowdhury, Rasheda
Fecha: 2011
Publicador: McGill University - MCGILL
Fuente:
Tipo: Electronic Thesis or Dissertation
Tema: Engineering - Biomedical
Descripción: Understanding the mechanisms and locating the brain regions involved during epileptic activity is a primary diagnostic interest during the pre-surgical investigation of patients with pharmaco-resistant epilepsy. Epileptic spikes are abnormal spontaneous neuronal discharges that are characteristic of the epilepsy of each patient and not associated with clinical manifestations. They are detectable outside the head using Electro-EncephaloGraphy (EEG) or Magneto-EncephaloGraphy (MEG), recording scalp electric potentials and scalp magnetic fields respectively, both generated by populations of neurons firing synchronously. EEG or MEG epileptic spikes can be visually detected from background brain activity only if they are associated with spatially extended generators. Source localization methods can accurately localize within the brain the generators of epileptic discharges but the main challenge lies in localizing the generators while recovering their spatial extent. In this context, the topic of this Masters research is to provide source localization techniques that can recover the spatial extent of the generators of epileptic spikes with high accuracy. Maximum Entropy on the Mean (MEM) is a source localization technique that has demonstrated its ability to localize the generators of epileptic activity with their spatial extent along the cortical surface when using EEG data. The objective of this project was to adapt and validate the behaviour of MEM when using MEG data. MEM incorporates realistic priors that model the epileptic generators. Based on these priors, new variants of MEM were proposed and compared with new methods implemented using Hierarchical Bayesian models, for which inference is obtained through Restricted Maximum Likelihood (ReML) techniques. The objective was to compare the relevance of models based on realistic prior knowledge within two statistical regularization frameworks (MEM and ReML). Using realistic simulations of epileptic activity, these new methods were investigated for their sensitivity to the extent and location of the source. Results showed that MEM-based methods were the most accurate in localizing the sources with their spatial extent.These new variants were further applied on clinical data to assess their pertinence as a valuable tool to provide information during the pre-surgical investigation. Finally, as a preliminary step of an additional study, I studied the potential of developing model comparison metrics within both ReML and MEM frameworks and applied them to evaluate the impact of forward models on the localization accuracy. The findings suggested that a realistic boundary element model is more relevant than a spherical model when localizing MEG data.
Comprendre les mécanismes sous-jacents associés à la génération d'une activité épileptique ainsi que la localisation des régions cérébrales impliquées lors d'une telle décharge sont d'un intérêt majeur lors du planning pré-chirurgical des patients souffrant d'épilepsie pharmaco-résistante. Les pointes épileptiques sont des décharges neuronales anormales générées de manière spontanée. Elles ne sont associées à aucune manifestation clinique et sont caractéristiques de l'épilepsie de chaque patient. Elles sont détectables à l'aide d'enregistrements de scalp tels que l'Electro-EncéphaloGraphie (EEG) ou la Magnéto-EncéphaloGraphie (MEG), mesurant respectivement les potentiels électriques et champs magnétiques générés par des populations de neurones activées de manière synchrone. Les pointes épileptiques peuvent être détectées en EEG ou en MEG à condition qu'elles se distinguent de l'activité de fond. Pour cela, elles doivent être associées à des générateurs suffisamment étendus spatialement. Alors que les méthodes dites de localisation de sources s'intéressent principalement à localiser l'origine des générateurs de ces décharges épileptiques, l'objectif de ce travail de Maîtrise est d'associer la localisation de ces générateurs à l'estimation de leur extension spatiale. Dans le cadre de ce projet de Maîtrise, nous avons développé et validé des méthodes de localisation des sources capables de localiser les générateurs d'activité épileptique ainsi que leur extension spatiale le long de la surface corticale. Le Maximum d'Entropie sur la Moyenne (MEM) est une technique de localisation de la source qui a démontré de telles performances lors de l'utilisation de données EEG. L'objectif de ce projet était d'adapter et valider le comportement du MEM lors de l'utilisation de données MEG. Le MEM introduit des connaissances a priori réalistes afin de modéliser les générateurs de pointes épileptiques. A partir de tels modèles a priori, deux nouvelles variantes du MEM ont été proposées et comparées avec de nouvelles méthodes implémentées dans le cadre du modèle hiérarchique Bayésien (inférence obtenue par maximum de vraisemblance restreint ReML). Notre objectif était de comparer la pertinence des modèles a priori considérés dans deux cadres statistiques de régularisation (MEM et ReML). A l'aide de simulations réaliste de l'activité épileptique, ces nouvelles méthodes ont été étudiées et leurs performances en termes de localisation spatiale des sources et de leur extension spatiale ont été évaluées. Les résultats ont montré que les variantes du MEM ont fourni les meilleures performances pour localiser les sources avec leur extension spatiale. Finalement, nous présentons quelques résultats préliminaires illustrant les performances de méthodes proposées sur des données cliniques. Ces nouvelles méthodes ont été appliquées sur quelques données cliniques afin d'évaluer leur pertinence dans le contexte du planning pré-chirurgical. Finalement, nous nous sommes intéressés à la possibilité d'utiliser les techniques de régularisation de type MEM et ReML pour proposer des métriques de comparaison de modèles, lors de l'analyse de données cliniques. Nous avons appliqué ces métriques afin d'évaluer l'impact du type de modèle direct sur la précision des méthodes. Nos résultats préliminaires suggèrent que le modèle réaliste des éléments frontières serait plus pertinent que le modèle sphérique lors de la localisation de données MEG.
Idioma: en