Browsing by Subject "DFA"

Epilepsy is one of the most common neurological diseases worldwide. Around one-fifth of people with epilepsy are diagnosed with drug-resistant epilepsy. Some of them benefit from epilepsy surgery. Before surgical treatment, the location of the epileptogenic zone (EZ) must be carefully identified to achieve a good surgical outcome. New methods for locating the EZ are constantly being developed. The aim of this study was to investigate whether long-range temporal correlations (LRTC) can be used for non-invasive localization of the EZ in patients with drug-resistant epilepsy. The study involved 10 patients with epilepsy who had previously undergone epilepsy surgery and an MRI. We used the detrended fluctuation analysis (DFA) method to quantify the LRTCs in four different frequency bands in 200 cortical regions based on the patients' individual source reconstructions. We correlated the DFA values with distances from the resection areas and cortical locations of interictal epileptiform discharges (IEDs). In addition, DFA maps were visually inspected by three clinicians to identify the most likely EZs. The study found that DFA maps were significantly correlated with distance from the location of the resection only in the patients with type II focal cortical dysplasia (FCD II) and were associated with IED sites only in the FCD II patients. In addition, visual analysis of the DFA maps showed that in the FCD patients, there was a high interobserver agreement and accuracy in defining the affected hemisphere and lobe. These findings suggest that LRTCs could provide a non-invasive method to identify EZ and facilitate the preoperative evaluation of epilepsy patients.

Tässä pro gradu -tutkielmassa on tarkasteltu aivosähkö- ja aivomagneettikäyrien amplitudien vaihteluiden vastaavuussuhteita koehenkilön suoriutumiseen audiovisuaalisten ärsykkeiden tarkkaavaisuustehtävissä. Aikaisemmista tutkimuksista tiedetään, että koehenkilön osumatarkkuus ei pysy vakiona koko tehtävän ajan, vaan on monesti jaksottunut valppauden ja herpaantumisen jaksoihin. Lisäksi osumatarkkuus koko kokeen ajalta on alhaisempi kuin lyhyen kalibraatiojakson ajalta mitattuna. Tämän intuitiiviseltä tuntuvan keskittymiskyvyn järkkymisen taustalla on esitetty olevan henkilön introspektiiviset ja mielenvaelteluun liittyvät kognitiiviset toiminnot. Ennen tätä tutkimusta on jäänyt kuitenkin osoittamatta osumatarkkuuden ailahtelun yhteys aivokuoren hermostollisen aktiivisuuden pitkällä ajalla autokorreloiviin muutoksiin lähdemallintamisella. Tämän pro gradun tutkimustulokset osoittavat, että näiden kahden lajin välillä on olemassa merkittävä korrelaatioyhteys. Lisäksi lepovaiheen aivotoiminnasta modaliteettispesifeillä tarkkaavaisuus- ja oletustilan verkoston alueilla voidaan ennustaa psykofyysisen suoriutumisen vaihteluja jatkuvan audiovisuaalisen ärsykekynnyksen tarkkaavaisuustehtävän aikana. Keskittymiskyvyn vaihtelun muutoksia hermostollisella tasolla ja näitä mahdollisesti ilmentäviä käyttäytymisen ailahteluja psykofyysisinä parametreinä, kuten osumatarkkuutena ja reaktionopeutena, voidaan luonnehtia skaalauslakianalyysilla. Ilmiön skaalaton käyttäytyminen heijastelee monimutkaisen järjestelmän taipumusta luoda sisäisiä vastaavuussuhteita eli autokorrelaatioita, jotka heikkenevät hitaammin ja ulottuvat kauemmaksi ajassa ja/tai paikassa kuin mitä alla piilevistä mekanismeista voidaan suoraan ennustaa. On havaittu, että osumatarkkuuden jaksottuminen ja spontaani aivotoiminta noudattavat potenssilain skaalauskäyttäytymistä ajan suhteen. Psykofyysisen ja hermostollisen skaalauslain mukaisen käyttäytymisen kvantifioimiseksi tässä opinnäytetyössä on käytetty vaihtelun ikkunallista autokorrelaatioanalyysiä, DFA:ta. DFA paljastaa ilmiön sisällä olevien peräkkäisten tapahtumien autokorrelaatioiden kestävyyden tarkasteluvälin kasvaessa. Skaalausluvut eli DFA-eksponentit on johdettu tässä kokeessa jatkuvan audiovisuaalisen ärsykekynnyksen tarkkaavaisuustehtävän ja levon aikana rekisteröidyistä aivosähkö- ja aivomagneettikäyräsignaalien verhokäyrästä sekä psykofyysisen osuma/huti -binäärisekvenssistä rakennetusta keinotekoisesta satunnaiskulun kaltaisesta käyrästä. Jatkuvat ärsykekynnystehtävät soveltuvat hyvin tarkkaavaisuuden top-down mekanismien tutkimiseen, koska heikoista, vain juuri ja juuri havaintokyvyn säteellä olevista ärsykkeistä seuraa verraten heikko bottom-up hermostovaste. Näin keskittymiskykyyn vaikuttavat top-down säätelymekanismit kuten motivaatio, päämäärät tai mielenvaeltelu eli spontaanilta vaikuttava aivotoiminta edustuu selkeämmin aivosähkö- ja -magneettikäyrissä. Aivokuoren kokonaisvaltaisen skaalautumisen lisäksi ollaan kiinnostuneita psykofyysisten ja hermostollisten vastaavuussuhteiden jakaumamallista tietyille aivoalueille. Mitattujen hermostollisten signaalien paikantaminen tarkalleen tietyille aivokuoren alueille aiheuttaa käänteisen ongelman, joka on ratkaistu tässä MNE -lähdemallintamisella. Lähdemallintamisen algoritmit tuottavat todennäköisimmän mallin aivokuoren alueista, joiden aktiivisuudella voidaan selittää mitatut MEEG signaalit. Mallintaminen on työn kriittinen vaihe, koska sillä yhdistetään neuroanatominen tieto fysiologisen ja psykofyysisen tiedon kanssa. Yksilötason data on käsitelty lopuksi ryhmätasolla tilastollisin menetelmin korrelaatiotulosten merkittävyyksien arvioimiseksi.