Der Browser den Sie verwenden ist sehr alt.

Wir können daher nicht sicherstellen, dass jede Funktion (Gestaltung, Bilder und zusätzliche Funktionen) dieser Internetseite im vollen Umfang zur Verfügung steht. Bitte nutzen Sie eine aktuellere Browserversion.
Wir bitten um Ihr Verständnis.
Startseite > Forschung > Neurokognition / Neurocognition > Epilepsy MEG EEG

Epilepsie MEG EEG ( englisch, Flagge )

 

Titel: Untersuchungen epileptischer neuronaler Netzwerke mittels MEG und EEG bei Kindern und Jugendlichen mit Epilepsie

Studienleitung: Michael Siniatchkin, Ulrich Stephani

Mitarbeiter: Andreas Galka, Natia Japaridze, Laith Hamid, Nawar Habboush

Zusammenarbeit: Muthuraman Muthuraman (Klinik für Neurologie, Kiel)

Förderung: bis 12.2014 - SFB855; ab 01.2015 bis 12.2017 DFG

Das Projekt beschäftigt sich mit der genauen Lokalisation von Generatoren epileptischer Aktivität und deren Propagation im Gehirn unter Verwendung von Magnetoenzephalographie (MEG)- und Elektroenzephalographie (EEG). Das geringe räumliche Auflösungsvermögen der MEG- und EEG-Daten lässt sich verbessern, indem mittels geeigneter mathematischer Algorithmen die räumliche Verteilung der Quellstromdichte im Hirngewebe rekonstruiert wird. PedBI beschäftigt sich mit der Weiterentwicklung von Algorithmen zur Rekonstruktion der Quellstromdichte sowie zur Reduktion bzw. Unterdrückung von Artefakten unter Einbeziehung von Methoden der Zeitreihenanalyse (Zustandsraum-Modellierung). Zudem führt die Arbeitsgruppe in Zusammenarbeit mit der Klinik für Neurologie eine Optimierung der Quellenanalysen im Frequezbereich mittels Dynamic Imaging of Coherent Sources (DICS) und Renormalised Partial Directed Coherence (RPDC) durch. Die optimierten Algorithmen werden auf epileptologische Fragestellungen angewendet mit dem Ziel, den Einsatz des EEG und MEG in der Epileptologie zu verbessern und seinen Stellenwert in der prächirurgischen Epilepsiediagnostik, insbesondere im Hinblick auf die Lokalisation der epileptogenen Zone und der eloquenten kortikalen Areale (z. B. Sprache) zu erhöhen.

Als Beispiel wird im Projekt eine dynamische Methode der M/EEG-Quellenanalyse verwendet, das raumzeitliche Kalman Filter (STKF), um die Quellen von EEG, MEG oder simultan gemessenen MEG-EEG Signalen zu rekonstruieren. Diese Methode versucht die Nicht-Eindeutigkeit des M/EEG inversen Problems zu lösen, indem sie räumliche und zeitliche Glattheit mithilfe von Zustandsraum Modellierung annimmt. Die statischen Methoden der Quellenanalyse, wie die low resolution brain electrical tomography (LORETA), rekonstruieren die Quellstromdichte des Gehirns nur an einem einzigen Zeitpunkt, dem jetzigen, und ohne die Information der inversen Lösungen der vorherigen Zeitpunkte zu verwenden.  Bei dem raumzeitlichen Kalman Filter, daher das Wort „dynamisch“, wird die Information aus den inversen Lösungen der vorherigen Zeitpunkte verwendet, um die Rekonstruktion der Quellstromdichte vom jetzigen Zeitpunkt zu verbessern. In dem laufenden Projekt werden die rekonstruierten Quellstromdichten von LORETA und vom STKF mithilfe von simulierten oder klinischen M/EEG Datensätzen von interiktalen Spikes und fokalen Anfällen verglichen. Zudem wird versucht, die Rekonstruktion der Quellen in den tiefen Hirnstrukturen, z.B. in der Thalamus vorzunehmen (durch die Generalisierung der STKF-Methode). In einem generalisierten Modell werden die Parameter des Zustandsraum Modells nach den Regionen im Gehirn definiert.

Die M/EEG Quellenanalyse erfordert auch die Lösung des M/EEG-Vorwärtsproblems mithilfe von einem Volumenleitermodell des menschlichen Kopfes. So wird in der AG PedBI mit realistischen und individuellen Kopfmodellen gearbeitet, die aus den MRTs der Subjekte konstruiert werden und die mit der Randelementmethode (BEM) oder der Finite-Elemente-Methode (FEM) berechnet werden.

Ein weiteres Beispiel der Entwicklung der Quellenanalyse bietet DICS (Dynamic Imaging of Coherent Sources). DICS ist eine Methode der Quellanalyse, mit der Netzwerke von Hirnquellen durch die Kohärenz der Quellen und zwischen den Quellen sowie einem Referenzsignal dargestellt werden können. Um die neuronale Netzwerke und ihre Dynamik zu untersuchen, wird DICS an verschiedenen Krankheitsbildern (ADHS, Autismus), epileptische Syndromen und EEG-Mustern (z.B. epileptischen Anfällen) angewendet. Zusätzlich, für die Bestimmung des Informationsflusses zwischen den analysierten Quellarealen wird RPDC genutzt. Die Methode erlabt, effektive Konnektivität auf der Basis von EEG/MEG-Zeitreihen darzustellen.

 


Epilepsy MEG EEG

 

Title: Analyses of neural networks in epilepsy using MEG and EEG in children and adolescents with epilepsy

PIs: Michael Siniatchkin, Ulrich Stephani

Team: Andreas Galka, Natia Japaridze, Laith Hamid, Nawar Habboush

Colaboration: Muthuraman Muthuraman (Clinic of Neurology, Kiel)

Finantial support: til 12.2014 - SFB855; from 01.2015 til 12.2017 DFG

The aim of this project is the exact localization of generators of epileptic activity and their propagation in the brain using magnetoencephalography (MEG) - and electroencephalography (EEG) data. The poor spatial resolution of the MEG- and EEG data can be improved by using appropriate mathematical algorithms which can reconstruct the spatial distribution of the source current density. The currently available algorithms often don’t use the temporal information contained in the data. Our group is working on improving the algorithms used for the reconstruction of the source current density and the reduction and suppression of artifacts, respectively, including methods of time-series analysis (state-space-modeling, Kalman filter). Moreover, the group is working on optimization of algorithms for source analysis in frequency domain using Dynamic Imaging of Coherent Sources (DICS) and renormiazed Partial Directed Coherence (PDC). The optimized algorithms are applied to epileptologic questions with the aim to improve the clinical use of the EEG and MEG in epileptology and to increase its significance in the presurgical evaluation of patients with refractory epilepsy, especially with regards to localizing the epileptogenic zone and eloquent cortical areas (e.g. language).

For example in this project, a dynamic M/EEG source imaging method, the spatiotemporal Kalman filter (STKF), will be used to perform source imaging on EEG, MEG or simultaneously measured MEG-EEG signals. This method solves the non-uniqueness problem of the M/EEG inverse problem by assuming spatial and temporal smoothness using a state-space model. Static source imaging methods such as the low resolution brain electrical tomography (LORETA) inverse solution, estimate the brain’s current density only at the current time point. The spatiotemporal Kalman filter uses the time series aspect, hence the word “dynamic”, of the M/EEG signals and includes information from the inverse solutions of the previous time points. This leads to an improvement of the current density reconstruction at the current time point. In this project, the current density estimation results of STKF and LORETA will be compared using simulated and clinical M/EEG data of interictal spikes and focal seizures. Moreover, the project includes performing source reconstruction of the electrical activity in deep brain structures, e.g. the thalamus, which can be detected using a generalization of the STKF method with regional variation of the state-space model parameters.

The estimation of the current density of the brain from M/EEG signals also requires the solution of the M/EEG forward problem using a model for the volume conduction in the human head. The PedBI group works with realistic and individual head models obtained from the subjects’ MRI’s and calculated using the boundary element (BEM) or the finite element (FEM) methods.

An other example represents the Dynamic Imaging of Coherent Sources (DICS). DICS is the method of source analyses, which is able to detect brain regions that are coherent with each other and with a reference signal. In order to describe neuronal networks and their dynamics DICS is applied to different epileptic syndromes and appropriate EEG-patterns and seizures as well as neuropsychiatric disorders (ADHD and autism). Further on, RPCS is used to investigate the informational flow between the described signals and describe effective connectivity within networks.