Μελέτη ηλεκτροεγκεφαλογραφήματος με βάση μεγέθη από τη θεωρία πληροφορίας

dc.contributor.advisorΝικήτα, Κωνσταντίναgr
dc.contributor.authorΞενικού, Μόνικα Φιλίτσαgr
dc.contributor.committeeΝικήτα, Κωνσταντίναgr
dc.contributor.committeeΚουτσούρης, Δημήτριος-Διονύσιοςgr
dc.contributor.committeeΟυζούνογλου, Νικόλαοςgr
dc.contributor.otherXenikou, Monika Filitsaen
dc.date.accessioned2010-10-20T05:45:24Zen
dc.date.available2010-10-20T05:45:24Zen
dc.date.copyright2009-09-30en
dc.date.issued2010-10-20T05:45:24Zen
dc.degreeΜεταπτυχιακή Εργασίαgr
dc.description.abstractΣτην παρούσα μεταπτυχιακή διπλωματική εργασία, η κυματιδιακή ανάλυση (Wavelet Analysis) εφαρμόζεται σε ηλεκτροεγκεφαλικές καταγραφές ασθενών που πάσχουν από επιληψία και σε προκλητά δυναμικά ασθενών που πάσχουν από σχιζοφρένεια και αλκοολισμό, με σκοπό την ανάδειξη παθολογικών προτύπων. Συγκεκριμένα, χρησιμοποιείται ο Διακριτός Κυματιδιακός Μετασχηματισμός (Discrete Wavelet Transform) για την εκτίμηση της Εντροπίας (Entropy) τωνηλεκτροεγκεφαλικών σημάτων. Η Εντροπία είναι ένα μέγεθος το οποίο εκφράζει το βαθμό τάξης ενός σήματος. Βιοσήματα με μεγάλο βαθμό οργάνωσης και περιορισμένο συχνοτικό περιεχόμενο -που θεωρείται ότι εκφράζουν πιο συντονισμένη εγκεφαλική λειτουργία- έχουν χαμηλές τιμές Εντροπίας. Αντίθετα, όσο πιο στοχαστικό είναι ένα σήμα τόσο μεγαλύτερη η τιμή της Εντροπίας του. Για τη μελέτη μας υλοποιήσαμε δύο διαφορετικά μεγέθη Εντροπίας, την Κυματιδιακή Εντροπία (Wavelet Entropy) και την Εντροπία Renyi (Renyi Entropy), τα οποία έχουν διαφορετικές σχέσεις ορισμού αλλά εκφράζουν και τα δύο το βαθμό τάξης των αναλυόμενων σημάτων. Τα αποτελέσματα της ανάλυσης αποκαλύπτουν ότι και τα δύο αυτά μεγέθη Εντροπίας κατορθώνουν να εντοπίσουν την επιληπτική κρίση, καθώς η τιμή τους διαφοροποιείται κατά τη διάρκειά της σε σχέση με την τιμή τους πριν από αυτή. Ακόμα, στατιστική ανάλυση των αποτελεσμάτων για προκλητά δυναμικά αποκαλύπτει ότι είναι δυνατός ο διαχωρισμός των παθολογικών καταγραφών (σχιζοφρενών ή αλκοολικών) από αυτές υγιών μαρτύρων, σε συγκεκριμένες περιοχές ενδιαφέροντος των σημάτων.gr
dc.description.translatedabstractWavelet Analysis of EEG during epileptic seizures and evoked potentials of patients suffering from schizophrenia and alcoholism was carried out in the present project. Discrete Wavelet Transform was used to estimate the Entropy of patients’ biosignals. Entropy is a measure of the degree of order of a signal -and subsequently of the system it represents- also reflecting the complexity of its power spectrum. An ordered activity, like a sinusoidal signal, is manifested as a narrow peak in the frequency domain which corresponds to a low entropy value. On the other extreme, a disordered activity (e.g. the one generated by pure noise or by a deterministic chaotic system) will have a wide band response, thus being reflected in higher entropies. In our research we used two differently defined Entropies, Wavelet Entropy and Renyi Entropy, both revealing the degree of order of the signal. Results show that both Entropy measures accomplish the goal they were used for. They manage to detect the epileptic seizure as their value clearly decreased during seizure compared to the pre-ictal value. Also, statistically significant differences were observed between entropy values of ERPs of healthy subjects and patients suffering from schizophrenia and alcoholism.en
dc.identifier.urihttps://hdl.handle.net/10889/3821en
dc.language.isogren
dc.relation.isformatofΗ ΒΚΠ διαθέτει αντίτυπο της διατριβής σε έντυπη μορφή στο βιβλιοστάσιο διδακτορικών διατριβών που βρίσκεται στο ισόγειο του κτιρίου της.gr
dc.rights6en
dc.subjectΕντροπίαgr
dc.subjectΗλεκτροεγκεφαλογράφημαgr
dc.subjectΚυματιδιακός μετασχηματισμόςgr
dc.subjectΕπιληψίαgr
dc.subjectΠροκλητά δυναμικάgr
dc.subject.alternativeEntropyen
dc.subject.alternativeElectroengephalogramen
dc.subject.alternativeWavelet transformen
dc.subject.alternativeEpileptic seizureen
dc.subject.alternativeEvoked potentialsen
dc.subject.ddc616.804 754 7en
dc.titleΜελέτη ηλεκτροεγκεφαλογραφήματος με βάση μεγέθη από τη θεωρία πληροφορίαςgr
dc.typeThesisen

Files