Title (eng)
Data analysis in intracranial EEG recordings of epileptic patients to examine neuronal activity around interictal epileptiform discharges
Author
Tamás Horváth
Advisor
Moritz Grosse-Wentrup
Assessor
Moritz Grosse-Wentrup
Abstract (deu)
Interiktale epileptiforme Entladungen (IED) sind übermäßige Stromstöße der kortikalen Aktivität, die im Intervall zwischen zwei aufeinanderfolgenden Anfällen bei Patient*innen mit Epilepsie festgestellt werden können. Mit Hilfe der intrakraniellen Elektroenzephalographie (iEEG) kann die kollektive elektrische Aktivität verschiedener kortikaler Regionen aufgezeichnet werden. Diese Aufzeichnungen erfolgen über zwei Arten von Elektroden: hochohmige "Mikrodraht"-Kontakte für die Aufzeichnung der Aktivität einzelner Einheiten (SUA) und "Makro"-Kontakte für die Erfassung von IED. Die Differenzierung der Neuronenarten (Pyramidenzellen und Interneuronen), die um IED herum feuern, kann Aufschluss über die Art der IED geben und zeigen, ob sie ein Produkt von Hemmung oder Übererregbarkeit sind. In dieser Arbeit wollen wir anhand von Daten von zehn Epilepsiepatient*innen untersuchen, wie sich die Neuronen des Hippocampus in der Prä- und Post-IED-Phase verhalten, wenn IED in den verschiedenen Regionen auftreten. Darüber hinaus stellen wir zwei neue Methoden vor, die ein großes Potenzial für die Klassifizierung von IED aufweisen: Autocoder und generative adversarische Netzwerke. Außerdem wird die Leistung von drei binären Klassifizierungsmodellen (logistische Regression, SVM und künstliche neuronale Netze), die die beiden Arten von Neuronen unterscheiden können, verglichen. Wir argumentieren, dass jedes dieser Modelle dem k-means-Clusteralgorithmus überlegen sein kann, wenn die Intracluster-Distanz gering ist, obwohl das neuronale Netz die beiden klassischen Modelle in Bezug auf Genauigkeit ($95,27\%$) und Präzision ($98,92\%$) im Durchschnitt über alle Patient*innen übertrifft. Die Analysen ergaben, dass Neuronen dazu neigen, in der Prä- und Post-IED-Phase in übereinstimmenden Mustern zu feuern, wenn IED innerhalb und in der Nähe des Hippocampus auftreten, jedoch wurden keine eindeutigen Hinweise auf neuronale Aktivität der beiden Zelltypen gefunden, die bei allen Patient*innen übereinstimmen. Dies erfordert weitere Untersuchungen und verbesserte Methoden.
Abstract (eng)
Interictal epileptiform discharges (IED) are excessive surges of electrical cortical activity that can be detected in the interval between two successive seizures in patients with epilepsy. Utilizing intracranial electroencephalography (iEEG) the collective electrical activity of different cortical regions can be recorded. These recordings are obtained from two types of electrodes: high impedance 'microwire' contacts for the recording of single unit activity (SUA) and 'macro' contacts for capturing IEDs. Differentiating the types of neurons (pyramidal cells and interneurons) that fire around IEDs can shed light on the nature of IEDs and tell whether they are a product of inhibition or hyperexcitability. In this thesis we aim to explore how hippocampal neurons behave in the pre- and post-IED phase when IEDs occur in the different regions using data from ten patients with epilepsy. Furthermore, we introduce two novel methods that show great potential in classifying IEDs: autoencoders and generative adversarial networks. Besides, the performance of three binary classifier models (logistic regression, SVM and artificial neural networks) that can differentiate the two types of neurons are compared. We argue that either of these models can be superior to the k-means clustering algorithm when the intracluster distance is low, albeit the neural network outperforms the two classical models in terms of accuracy ($95.27\%$) and precision ($98.92\%$) averaged across all patients. The analyses revealed that neurons are inclined to fire in consistent patterns in the pre- and post-IED phase when IEDs occur within and near the hippocampus, however, no strong evidence of neuronal activity of the two cell types was found that is consistent in all patients. This calls for further investigation and improved methodologies.
Keywords (deu)
EEGEpilepsieData Analysis
Keywords (eng)
EEGEpilepsieData Analysis
Subject (deu)
Subject (deu)
Subject (deu)
Subject (deu)
Type (deu)
Persistent identifier
https://phaidra.univie.ac.at/o:1666124
rdau:P60550 (deu)
xiii, 94 Seiten : Illustrationen
Number of pages
110
Association (deu)
Title (eng)
Data analysis in intracranial EEG recordings of epileptic patients to examine neuronal activity around interictal epileptiform discharges
Author
Tamás Horváth
Abstract (deu)
Interiktale epileptiforme Entladungen (IED) sind übermäßige Stromstöße der kortikalen Aktivität, die im Intervall zwischen zwei aufeinanderfolgenden Anfällen bei Patient*innen mit Epilepsie festgestellt werden können. Mit Hilfe der intrakraniellen Elektroenzephalographie (iEEG) kann die kollektive elektrische Aktivität verschiedener kortikaler Regionen aufgezeichnet werden. Diese Aufzeichnungen erfolgen über zwei Arten von Elektroden: hochohmige "Mikrodraht"-Kontakte für die Aufzeichnung der Aktivität einzelner Einheiten (SUA) und "Makro"-Kontakte für die Erfassung von IED. Die Differenzierung der Neuronenarten (Pyramidenzellen und Interneuronen), die um IED herum feuern, kann Aufschluss über die Art der IED geben und zeigen, ob sie ein Produkt von Hemmung oder Übererregbarkeit sind. In dieser Arbeit wollen wir anhand von Daten von zehn Epilepsiepatient*innen untersuchen, wie sich die Neuronen des Hippocampus in der Prä- und Post-IED-Phase verhalten, wenn IED in den verschiedenen Regionen auftreten. Darüber hinaus stellen wir zwei neue Methoden vor, die ein großes Potenzial für die Klassifizierung von IED aufweisen: Autocoder und generative adversarische Netzwerke. Außerdem wird die Leistung von drei binären Klassifizierungsmodellen (logistische Regression, SVM und künstliche neuronale Netze), die die beiden Arten von Neuronen unterscheiden können, verglichen. Wir argumentieren, dass jedes dieser Modelle dem k-means-Clusteralgorithmus überlegen sein kann, wenn die Intracluster-Distanz gering ist, obwohl das neuronale Netz die beiden klassischen Modelle in Bezug auf Genauigkeit ($95,27\%$) und Präzision ($98,92\%$) im Durchschnitt über alle Patient*innen übertrifft. Die Analysen ergaben, dass Neuronen dazu neigen, in der Prä- und Post-IED-Phase in übereinstimmenden Mustern zu feuern, wenn IED innerhalb und in der Nähe des Hippocampus auftreten, jedoch wurden keine eindeutigen Hinweise auf neuronale Aktivität der beiden Zelltypen gefunden, die bei allen Patient*innen übereinstimmen. Dies erfordert weitere Untersuchungen und verbesserte Methoden.
Abstract (eng)
Interictal epileptiform discharges (IED) are excessive surges of electrical cortical activity that can be detected in the interval between two successive seizures in patients with epilepsy. Utilizing intracranial electroencephalography (iEEG) the collective electrical activity of different cortical regions can be recorded. These recordings are obtained from two types of electrodes: high impedance 'microwire' contacts for the recording of single unit activity (SUA) and 'macro' contacts for capturing IEDs. Differentiating the types of neurons (pyramidal cells and interneurons) that fire around IEDs can shed light on the nature of IEDs and tell whether they are a product of inhibition or hyperexcitability. In this thesis we aim to explore how hippocampal neurons behave in the pre- and post-IED phase when IEDs occur in the different regions using data from ten patients with epilepsy. Furthermore, we introduce two novel methods that show great potential in classifying IEDs: autoencoders and generative adversarial networks. Besides, the performance of three binary classifier models (logistic regression, SVM and artificial neural networks) that can differentiate the two types of neurons are compared. We argue that either of these models can be superior to the k-means clustering algorithm when the intracluster distance is low, albeit the neural network outperforms the two classical models in terms of accuracy ($95.27\%$) and precision ($98.92\%$) averaged across all patients. The analyses revealed that neurons are inclined to fire in consistent patterns in the pre- and post-IED phase when IEDs occur within and near the hippocampus, however, no strong evidence of neuronal activity of the two cell types was found that is consistent in all patients. This calls for further investigation and improved methodologies.
Keywords (deu)
EEGEpilepsieData Analysis
Keywords (eng)
EEGEpilepsieData Analysis
Subject (deu)
Subject (deu)
Subject (deu)
Subject (deu)
Type (deu)
Persistent identifier
https://phaidra.univie.ac.at/o:1674474
Number of pages
110
Association (deu)
License
Citable links
Other links
Managed by
Details
Metadata
Export formats
Universitätsring 1, 1010 Wien | T
T +43-1-4277-0