以同步腦電波-功能性磁振造影及顱內腦電波探討腦部癲癇活動與血氧變化以及視丘活動之關聯性;Exploring Neurovascular Coupling and Thalamic Involvement in the Epileptic Activity Using Simultaneous Eeg-Fmri and Stereotaxic Eeg

NCU Institutional Repository > 生醫理工學院 > 認知與神經科學研究所 > 研究計畫 > Item 987654321/79271

jsp.display-item.identifier=請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/79271

题名:	以同步腦電波-功能性磁振造影及顱內腦電波探討腦部癲癇活動與血氧變化以及視丘活動之關聯性;Exploring Neurovascular Coupling and Thalamic Involvement in the Epileptic Activity Using Simultaneous Eeg-Fmri and Stereotaxic Eeg
作者:	段正仁;郭文瑞;李政家
贡献者:	國立中央大學認知與神經科學研究所
关键词:	癲癇;顱內腦電位;腦波;功能性磁振造影;深度學習;循環神經網路;長短程記憶模型;seizure;stereotaxic EEG (sEEG);Electroencephalography (EEG);functional magnetic resonance imaging (fMRI);deep learning;recurrent neural network (RNN);long short-term memory (LSTM)
日期:	2019-02-21
上传时间:	2019-02-21 15:07:38 (UTC+8)
出版者:	科技部
摘要:	在本計畫中，我們提出了透過同步腦電位與血氧濃度變化監控程序來估計癲癇波發作在大腦中的源頭位置，並以透過顱內腦電位等腦內紀錄的結果，對於估算的溯源結果，進行評估，以確認其臨床上的可行性與可用性。本子計畫擬利用深度學習的方式，分別對同時擷取的腦波與功能性磁振造影資料進行分析，針對臨床醫師所指出的癲癇波病兆與非病兆的訊號區段，在多種神經影像資料中，利用深度學習中循環神經網路的長短程記憶模型，進行分類的處理，嘗試找出各種不同神經影像之間，在癲癇波發生的前後，具有何種對應的關係。這樣的對應關係，將可以進一步評估非侵入式神經影像方式作為定位癲癇發作位置的可行性，從而作為日後臨床上評估癲癇發作的重要工具，協助癲癇手術術前評估的電極定位規畫。而循環神經網路網路的使用，將協助評估癲癇波發作前是否有某些腦區的活動隨著時間有能量累積的作用，這些具有能量累積作用的腦區，或可協助定位具有多源的癲癇發作。同時本子計畫也規畫將這個循環神經網路的算則應用於其他不同認知作業所獲得的神經影像資料，用以評估本方法在其他認知作業神經影像資料分析上的可行性。 ;In this project, we propose to estimate the sources of epileptic activity using simultaneous EEG and fMRI examination with the combination of internal recordings, such as stereotaxic EEG (sEEG) as used in the clinical practice for confirmation. To analyze the multi-modal neuroimaging data, we propose to use the deep learning technique of recurrent neural network (RNN), especially the long short-term memory (LSTM) model, to find the brain areas in which the temporal dynamics are highly associated with the epileptic spikes as labeled by the physicians in the EEG data. In so doing, we expect to find the linkage between different neuroimaging measurements commonly associated with the same epileptic spike event. Such an association may be indicative of the feasibility of using non-invasive neuroimaging modalities for estimating the epileptic focus (or foci). Also, the use of RNN provides the possibility to evaluate if any energy accumulation in specific brain areas that are further associated with the seizure onset. We hypothesize that such an energy accumulation phenomenon may be informative for indicating the spreading of a seizure onset. Furthermore, we are also to expand the RNN deep learning method to the functional neuroimaging data obtained from the experiment of a regular cognitive task performance to test the applicability of the proposed method for other types of cognitive neuroimaging data. Here, we will try to analyze the fMRI data from a simple Go/NoGo task performance using the proposed and devised analytic method in this proposal.
關聯:	財團法人國家實驗研究院科技政策研究與資訊中心
显示于类别:	[認知與神經科學研究所 ] 研究計畫

文件中的档案:

档案	描述	大小	格式	浏览次数
index.html		0Kb	HTML	302	检视/开启

在NCUIR中所有的数据项都受到原著作权保护.

社群 sharing

数据加载中.....