Αξιολόγηση των μέτρων συνδεσιμότητας δικτύων σε ηλεκτροεγκεφαλογραφήματα = Τhe evaluation of connectivity measures in electroencephalograms.

Περίληψη

Στην παρούσα  διπλωματική εργασία πραγματευόμαστε την αξιολόγηση των μέτρων συνδεσιμότητας σε ηλεκτροεγκεφαλογραφήματα (EEG). Στο πρώτο μέρος της εργασίας γίνεται μία εισαγωγή στα πολύπλοκα δίκτυα και πιο συγκεκριμένα στα δίκτυα συσχέτισης τα οποία προέρχονται από πολυμεταβλητές χρονοσειρές. Στο δεύτερο μέρος αναλύουμε τις μεθόδους που χρησιμοποιήσαμε στα πειράματά μας όπως το GCI, το CGCI, το Cross-correlation και το Partial Cross-correlation, καθώς και επίσης τα μέτρα συνδεσιμότητας του εγκεφάλου Cluster Coefficient, Network Degree, Network Strength. Στο τρίτο κομμάτι της εργασίας αναφέρουμε τις δύο παθογένειες του εγκεφάλου ως προς τις οποίες εξετάζουμε την ευαισθησία των παραπάνω αλγορίθμων, την επιληψία και τη νόσο του Πάρκινσον. Στο τέταρτο μέρος παρουσιάζουμε αναλυτικά τα δεδομένα που χρησιμοποιήθηκαν, τον πειραματικό σχεδιασμό, όπως επίσης τα αποτελέσματα των πειραμάτων που διενεργήσαμε. Τέλος, στο τελευταίο μέρος αναφέρουμε τα συμπεράσματα που προέκυψαν από την παραπάνω μελέτη.
 
In the present thesis we deal with the evaluation of connectivity measures in electroencephalograms (EEGs). The first part of the work introduces the complex networks, and in particular correlation networks that come from multivariable time series. In the second part we analyze the methods we used in our experiments such as GCI, CGCI, Cross-correlation and Partial Cross-correlation as well as brain connectivity measures Cluster Coefficient, Network Degree, Network Strength. In the third part of the paper we discuss the two pathogens of the brain in which we examine the sensitivity of the above algorithms, epilepsy and Parkinson’s disease. In the fourth part we present in detail the data used, the experimental design, such as also the results of our experiments. Finally, in the last section we report the conclusions drawn from the above study.