Tesis:
Simultaneous MEG/EEG recordings for the study of source domain brain connectivity in neurodegenerative diseases
- Autor: BRUÑA FERNÁNDEZ, Ricardo
- Título: Simultaneous MEG/EEG recordings for the study of source domain brain connectivity in neurodegenerative diseases
- Fecha: 2019
- Materia: Sin materia definida
- Escuela: E.T.S. DE INGENIEROS DE TELECOMUNICACION
- Departamentos: SIN DEPARTAMENTO DEFINIDO
- Acceso electrónico: http://oa.upm.es/54514/
- Director/a 1º: PEREDA DE PABLO, Ernesto
- Resumen: En los últimos años el modelo de funcionamiento del cerebro ha migrado desde la antigua idea localizacionista, generalmente denominada teoría frenológica, a la más moderna idea del conectoma. En este nuevo contexto las distintas regiones cerebrales, aunque altamente especializadas, tienen una alta tasa de comunicación entre ellas, de forma que el cerebro, como un todo, realiza las funciones cognitivas. Del mismo modo, diversas enfermedades neurológicas han empezado a estudiarse desde este punto de vista. Así, enfermedades neurológicas clásicas como la enfermedad de Alzheimer o la epilepsia se consideran, a día de hoy, síndromes de desconexión o hiperconexión, respectivamente. Desentrañar la forma en la que distintas regiones del cerebro se comunican no es tarea sencilla. Los métodos actuales se basan en el estudio de la conectividad funcional (Functional Connectivity, FC), es decir, la dependencia estadística entre la actividad de distintas regiones cerebrales. Para el estudio de actividad cerebral medida mediante electrofisiología, como es el caso de electroencefalografía (EEG) y magnetoencefalografía (MEG), un popular modelo de FC es la conectividad en fase (Phase Synchronization, PS). Según este modelo, cuando dos regiones se comunican la fase instantánea de las series temporales definidas por su actividad se enganchan. Este modelo es altamente plausible, y tiene la ventaja de que la energía necesaria para una sincronización en fase es mucho menor que para una sincronización en amplitud. Un popular método para estudio de la PS es el Phase Locking Value (PLV). Este método estima la FC a partir de la PS entre dos series temporales. Cuando se analiza señal de EEG o MEG en el espacio de sensores, el sencillo calcular el nivel de PLV entre cada par de sensores. No obstante, cuando se quiere estudiar la FC en el cerebro la metodología se complica. En primer lugar, es necesario mapear la información adquirida en los sensores a las fuentes generadoras, localizadas en el córtex. Este mapeo, denominado reconstrucción de fuentes, es en general un problema mal condicionado, y las señales resultantes son altamente inter-dependientes. En segundo lugar, es necesario, por tanto, agrupar conjuntos de fuentes generadoras en regiones, y calcular la FC entre regiones cerebrales, en lugar de entre fuentes independientes. Por último, este proceso es computacionalmente costoso, por lo que es necesario encontrar formulaciones eficientes que permitan el cálculo de la FC cerebral en tiempos razonables. En esta Tesis se intenta buscar posibles soluciones a estos tres problemas. La presente Tesis Doctoral está organizada como sigue. Los primeros tres capítulos corresponden a introducciones y estudio del arte sobre técnicas de neuroimagen (Capítulo 1), adquisición y procesado de señales electrofisiológicas (Capítulo 2) y reconstrucción de fuentes de actividad corticales para señales electrofisiológicas (Capítulo 3). Estos tres capítulos sirven para situar al lector en el contexto en que se desarrolla la presente Tesis. Tras ello se propone el objetivo principal de la Tesis, que es dividido en una serie de objetivos secundarios basados en la confirmación de una serie de hipótesis (Capítulo 4). Los siguientes tres capítulos evalúan y proponen metodologías optimizadas para la solución de los tres problemas presentados anteriormente. El primero evalúa distintos modelos de conducción para EEG y MEG, buscando el modelo que ofrezca una mayor precisión con un coste computacional reducido (Capítulo 5). El segundo propone un nuevo algoritmo computacionalmente eficiente para el cálculo de PLV, que permite reducir en un factor de 100 el tiempo requerido para calcular la PS cerebral (Capítulo 6). El tercero de estos capítulos propone y evalúa una nueva metodología para calcular PS entre regiones cerebrales sin pérdida de información (Capítulo 7). Los dos capítulos siguientes evalúan la capacidad de la FC basada en la PS entre regiones cerebrales para identificar alteraciones en población preclínica en un proyecto de envejecimiento patológico (Capítulo 8) y en población adicta al alcohol (Capítulo 9) cuando se comparan con sujetos sanos. Esta Tesis termina con unas conclusiones generales, en las que se evalúan las hipótesis planteadas y si se han cumplido los objetivos propuestos (Capítulo 10). ----------ABSTRACT---------- Recently, the understanding of the brain function has shifted from the classic localizationism, sometimes called phrenological model, to the modern model of the connectome. In this new framework the different brain regions, although specialized, are highly connected in such a way that the brain, as a whole, carries out the cognitive functions. Within this framework, some neurological diseases have started to be studied from the viewpoint of connectomics. Classic neurological diseases, such as Alzheimer’s disease or epilepsy, are nowadays considered as disconnection or hiperconnection syndromes, respectively. Unraveling the way in which different brain regions communicate is not an easy task. The current approaches are based on the study of Functional Connectivity (FC), this is, the statistical dependency between the activities of separated brain regions. In the special case of electrophysiology, as for electroencephalography (EEG) or magnetoencephalography (MEG), a popular FC model is the model of Phase Synchronization (PS). According to this model, when two regions communicate with each other the instantaneous phase of their derived time series locks, instead of locking their amplitudes. This model is highly plausible and presents the advantage that a phase lock requires much smaller energy than an amplitude lock. A popular method for the study of PS is Phase Locking Value (PLV). This method estimates the FC from the PS between two time series. When the signals under study comes from an EEG or MEG acquisition in sensor space, the calculation of the PLV between each pair of sensors is straightforward. However, when the objective is to study brain connectivity the required methodology becomes more complicated. First, the information, acquired in sensor space, must be mapped to the generators, defined as source of activity in the cortex. This mapping, termed source reconstruction is generally an ill-posed problem, and the resulting source-space time series are highly inter-dependent. In the second place, and due to this inter-dependency, the source-space time series must be grouped in brain regions, and the FC must be estimated between pairs of regions, instead of pairs of time series. Last, these calculations are computationally expensive, and it is paramount to find efficient formulations that allow for the estimation of whole-brain FC in reasonable times. In this Thesis, we address these three problems. This PhD Thesis is organized as follows. The first three chapters act as introduction, describing the state of the art on neuroimaging techniques (Chapter 1), acquisition and processing of electrophysiological signals (Chapter 2) and reconstruction of the sources of activity of these signals (Chapter 3). These three chapters serve to put the reader in the context where this Thesis is built. Then, the main objective of the Thesis is formulated, along with some secondary objectives based on the confirmation of a series of hypotheses (Chapter 4). The next three chapters propose and evaluate methodologies aimed to solve the three problems presented above. The first one evaluates different conduction models for EEG and MEG, in order to identify the model that provides the higher reconstruction accuracy with a reasonable computational cost (Chapter 5). The second propose a computationally efficient reformulation on the classical algorithm for PLV that allows for a speed-up of a factor of 100 in the calculation of whole brain synchronization (Chapter 6). The third of these chapters proposes and evaluates a new methodology to calculate PS between brain regions without information lost (Chapter 7). The next two chapters evaluate the ability of FC, based on the calculation of PS between brain regions, to identify altered connectivity patterns in preclinical population in a study on pathological aging (Chapter 8) and in alcohol-addicted patients (Chapter 9) when compared to healthy controls. The Thesis finishes with the general conclusions, in which the posed hypotheses are evaluated alongside with the degree of completion of the proposed objectives (Chapter 10).