Ανίχνευση βραδέων και ταχέων ατράκτων στο εγκεφαλογράφημα ύπνου

• Main Author: Τσιντώνη, Ασημίνα
• Other Authors: Κωστόπουλος, Γεώργιος
• Language: gr
• Published: 2013
• Subjects: Υπνικές άτρακτοι; Εγκεφαλογράφημα; Αυτόματη ανίχνευση; 612.821; Sleep spindles; Electroencephalography; Automatic detection
• Online Access: http://hdl.handle.net/10889/6238

Οι διάφορες δραστηριότητες του εγκεφάλου συχνά χαρακτηρίζονται από ειδικούς ρυθμούς στο ηλεκτροεγκεφαλογράφημα (ΗΕΓ). Το 2ο στάδιο του ύπνου χωρίς ταχείες οφθαλμικές κινήσεις (στάδιο NREM) χαρακτηρίζεται από τις ατράκτους που σηματοδοτούν την ουσιαστική έναρξη του ύπνου. Αποτελούν 0.5-1 δευτερόλεπτα ρυθμικής διαδοχής κύρια αρνητικών κυμάτων γενικευμένα στο ΗΕΓ τα οποία παρουσιάζουν προϊούσα αύξηση και μετά μείωση του πλάτους τους. Οι άτρακτοι συμμετέχουν σε διάφορες σημαντικές λειτουργίες του εγκεφάλου. Η κατανόηση του πολύπλευρου και πολύ σημαντικού ρόλου των ατράκτων έχει αποτελέσει αφορμή ώστε να γίνουν προσπάθειες εντοπισμού των υπεύθυνων για τη γένεσή τους εγκεφαλικών κυκλωμάτων. Σκοπός της προτεινόμενης μεθόδου είναι η εφαρμογή της μεθόδου εντοπισμού σημάτων σε πολυκαναλικές καταγραφές χρησιμοποιώντας περιορισμούς που στηρίζονται στο πεδίο του χώρου (spatial constraints) και το πεδίο της συχνότητας (frequency constraints) χρησιμοποιώντας την τεχνική ανάλυσης σε ανεξάρτητες συνιστώσες (ICA). Η μέθοδος εφαρμόστηκε για την ανάλυση βραδέων και ταχέων ατράκτων σε εγκεφαλογραφήματα ύπνου. Στο εργαστήριο Φυσιολογίας έχουν γίνει ΗΕΓ καταγραφές ολονύκτιου ύπνου με καταμέτρηση πολλών εκατοντάδων ατράκτων οι οποίες χρησιμοποιήθηκαν για την ανάπτυξη της παραπάνω μεθόδου αυτομάτου ανίχνευσης και εντοπισμού των ατράκτων. === Several brain activities are characterized by specific rhythms in electroencephalogram (EEG). The non rapid eye movement (NREM) stage of sleep is characterized by sleep spindles signaling the beginning of sleep. Spindles are rhythmic generalized negative waves in EEG with progressively increasing and gradually decreasing amplitude lasting 0.5-1 sec. Spindles are involved in several brain functions. The comprehension of the significance and multilateral role of spindles has driven efforts to detect the brain circuits involved in their generation. The purpose of this study is the introduction of a signal detection method in multichannel records, using Independent Component Analysis with spatial and frequency constraints. This automatic detection method was applied to the analysis of fast and slow spindles in sleep EEG, obtained from whole-night sleep recording in the laboratory of Physiology Department at University of Patras.