Go to page
 

Bibliographic Metadata

Title
EEG-based 3D-tomography in Alzheimer's disease patients : improving correlation coeffitients using LORETA / submitted by Martin Mairhofer
Additional Titles
EEG-basierte 3D-Tomography in Patienten mit Alzheimer's Krankheit
AuthorMairhofer, Martin
Thesis advisorDorffner, Georg
Published2018
Description74 Blatt : Illustrationen
Institutional NoteMedizinische Universität Wien, Diplomarb., 2018
Annotation
Abweichender Titel laut Übersetzung der Verfasserin/des Verfassers
Date of SubmissionMay 2018
LanguageEnglish
Document typeThesis (Diplom)
Keywords (DE)Alzheimer's Krankheit / Elektroenzephalographie / low resolution brain electromagnetic tomography (LORETA)
Keywords (EN)Alzheimers Disease / electroencephalography / low resolution brain electromagnetic tomography (LORETA)
URNurn:nbn:at:at-ubmuw:1-14356 Persistent Identifier (URN)
Restriction-Information
 The work is publicly available
Files
EEG-based 3D-tomography in Alzheimer's disease patients [5.89 mb]
Links
Reference
Classification
Abstract (German)

Hintergrund: Die Alzheimer-Krankheit (AK) ist die häufigste Form der Demenz und führt zu schweren kognitiven Beeinträchtigungen bei älteren Menschen. Veränderung in der Hirndurchblutung sowie Verlust von Hirnmasse durch Ablagerung von Plaques und Tangles sind die vorrangigen Pathomechanismen der AK. Die Analyse von Hirnstrom-Mustern mittels Elektroenzephalographie (EEG) ist heutzutage eine etablierte Methode, um früh den Verdacht auf eine AK zu lenken. Die Berechnung von quantitativen Elektroenzephalogramm(QEEG)-Markern, wie reduzierte Signalkomplexität, Signal-Verlangsamung oder gestörte Synchronität haben sich hierzu bewährt. Ein relativ neuer Software-Algorithmus transformiert ein zwei-dimensionales Oberflächen-EEG zu einer drei-dimensionalen Repräsentation, genannt low resolution electromagnetic tomography (LORETA), welches die Berechnung von EEG-Signalen in bestimmten Hirnregionen (Brodmann-Arealen) erlaubt.

Ziel: Das Ziel dieser Arbeit war zu evaluieren, ob die Verwendung von LORETA und die Berechnung von QEEG-Markern auf Brodmann-Arealen, die in frühen Stadien mutmaßlich durch AK verändert sind, in signifikant stärkeren Korrelationen resultieren als bei der Verwendung von Oberflächen-EEG-Markern.

Methoden: Auf den Daten von 188 Patienten aus der AK-Datenbank Prospective Dementia Registry-Austria (PRODEM) wurden 38 verschiedene QEEG Marker berechnet, unter anderem auto-mutual information (AMI) und dynamic canonical correlation (DynCCorr). Neben den oberflächlichen Summensignalen wurden die Marker auch auf den LORETA-transformierten Signalen des Hippocampus berechnet. Diese Marker wurden mit den Ergebnissen der kognitiven Tests der Patienten (MMSE-Werte) verglichen durch die Berechnung der Korrelationskoeffizienten. Letztendlich wurden die Korrelationskoeffizienten zwischen dem Oberflächen-EEG- und den LORETA-transformierten Signalen für alle QEEG-Marker mittels Fishers r-to-z Transformation verglichen. Die Hypothese dieser Arbeit war, dass höhere Korrelationskoeffizienten erzielt werden können, wenn statt den oberflächlichen Summensignalen transformierte Signale verwendet werden, die aus AK-beeinträchtigten Hirnarealen stammen.

Ergebnisse: Für das gesamte Kollektiv (188 Patienten) konnte mit dem Oberflächen-QEEG-Marker AMI ein R von 30% und mit den LORETA-Marker DynCCorr ein R von 27% als höchste Werte erzielt werden. Insgesamt wurden keine signifikanten Unterschiede in den Korrelationskoeffizienten zwischen Oberflächen-EEG und LORETA-transformiertem EEG gefunden.

Abstract (English)

Background: Alzheimer's disease (AD) is the most prevalent form of dementia, leading to severe cognitive impairment and loss of autonomy in elderly people. Changes in brain perfusion and loss of brain mass through plaques and tangles accumulation are the main pathological trademarks of AD. The analysis of the electric activity of the brain using electroencephalography (EEG) is a well-established method to substantiate suspicion of beginning AD. The computation of quantitative electroencephalogram (QEEG) features, such as reduced signal complexity, slowing or perturbed synchrony, have been proven useful options. A relatively new software algorithm to map a two-dimensional topographic EEG to a three-dimensional representation is low resolution electromagnetic tomography (LORETA), allowing the calculation of source localized signals in specific regions of interest (ROIs) within a patients brain, usually defined through Brodmann areas (BAs).

Objective: The objective of this thesis was to evaluate whether using LORETA and calculating QEEG markers from Brodmann areas affected in the disease progression yields in significantly stronger correlations than using a surface EEG.

Methods: The data of 188 patients from the Prospective Dementia Registry-Austria (PRODEM) was be used to calculate a total of 38 QEEG features, including auto-mutual information (AMI) and dynamic canonical correlation (DynCCorr). Beside using the superficial electric sum potentials, markers were also calculated on LORETA-transformed signals. These results were compared to the patients cognitive tests results (MMSE) by calculating the correlation coefficients. Finally, the correlation coefficients for surface and LORETA were compared for each QEEG marker using Fishers r-to-z comparison. The main hypothesis was that correlation coefficients will increase by focusing EEG analysis on brain regions which are primarily targeted by AD instead of using surface EEG data. With 188 patients and 38 QEEG markers, this is the biggest study of its kind so far.

Results: For the whole group (188 patients), the surface QEEG marker AMI explained 30% of the MMSE results and the marker DynCCorr explained 27% of the MMSE results. In total, no significant difference for any marker could be found using either surface QEEG markers or LORETA transformed QEEG markers, meaning a LORETA transformation does not improve the diagnostic evidence.

Stats
The PDF-Document has been downloaded 13 times.