L’epilessia è una malattia cerebrale caratterizzata da una predisposizione duratura a generare delle crisi epilettiche con conseguenze psicosociali. Nel mondo le persone affette da epilessia sono circa 50 milioni. Tutt’oggi molti aspetti di questa malattia rimangono poco chiari come ad esempio la morte improvvisa ed inaspettata in epilessia la quale non è dovuta da cause accidentali o da uno stato di male. Lo scopo della mia tesi è quello di analizzare, con l’uso di EEGLab (un toolbox di MATLAB), un tracciato elettroencefalografico di un soggetto epilettico. L’ultima parte della mia tesi, invece, ha lo scopo di mostrare come individuare, mediante un plugin di EEGLab, EPINETLab, la zona di esordio della crisi epilettica. L'epilessia è una malattia che colpisce il sistema nervoso centrale. Il sistema nervoso centrale è composto dal neurone, dall’encefalo e dal midollo spinale. Il neurone è l’unità funzionale principale del sistema nervoso e si occupa dell’elaborazione e della trasmissione delle informazioni nel cervello. La trasmissione del segnale avviene a causa di uno stimolo depolarizzante che provoca una modificazione del potenziale di riposo. La trasmissione avviene in punti di collegamento chiamati sinapsi. I potenziali più significativi nella formazione del segnale elettroencefalografico sono i potenziali postsinaptici eccitatori e inibitori. Il segnale elettroencefalografico dunque è la misura delle correnti che si sviluppano durante le eccitazioni sinaptiche di molti neuroni piramidali nella corteccia cerebrale. L’attività elettrica cerebrale è sempre presente. L’elettroencefalogramma (EEG) è un test che rileva l'attività elettrica nel cervello attraverso degli elettrodi. Il segnale EEG è costituito da bande ben riconoscibili tra loro, chiamate ritmi. I cinque ritmi principali sono Delta, Theta, Alpha, Beta e Gamma. L’EEG svolge un ruolo centrale nella diagnosi e nella gestione dei pazienti con disturbi convulsivi e funzionali nel cervello. L’epilessia per essere riconosciuta come tale deve soddisfare alcune condizioni. Infatti la presenza di una singola crisi non implica la diagnosi di epilessia. Per studiare e valutare al meglio un individuo che presenta delle convulsioni è stata progettata dall’ILAE nel 2017 una classificazione multilivello (tipo di crisi, tipo di epilessia, sindromi di epilessia). Lo strumento fondamentale per la diagnosi e la prognosi dell’epilessia, dopo aver fatto l’anamnesi, è l’EEG. Il Monitoraggio video-EEG a lungo termine costituisce l’esame gold standard, ovvero l’esame più accurato che permette di acquisire il dato clinico con quello neurofisiologico. In questa trattazione è stato analizzato un tracciato EEG di un paziente di 55 anni affetto da epilessia ad esordio focale con consapevolezza alterata. Durante l’analisi presa in considerazione il paziente ha avuto una crisi epilettica. L’analisi con EEGLab, dopo aver ripulito il segnale dalle sorgenti artefattive maggiormente presenti, nel nostro caso quelle dovute ai movimenti oculari e a quelli muscolari, è stata quella di estrapolare i quattro ritmi cerebrali con il loro rispettivo elettrodo dominante. Nel nostro studio è emerso che gli elettrodi dominanti nei ritmi Delta, Theta, Alpha, Beta e Gamma sono rispettivamente F4, F4, F4, T6, FZ. L’analisi mediante EPINETLab, invece, è stata quella di individuare le oscillazioni ad alta frequenza, che sono dei biomarcatori in caso di epilessia, per poi localizzare la zona d’esordio della crisi. In conclusione è emerso dall’individuazione degli elettrodi dominanti nei vari ritmi cerebrali che il paziente, nell’arco della registrazione elettroencefalografica, probabilmente sia stato in una condizione di ansia ed è emerso, dall’all’analisi con EPINETLab, che la zona d’esordio della crisi epilettica, dunque quella presumibilmente candidata all'asportazione chirurgica, è quella occipitale.

Analisi in frequenza del tracciato elettroencefalografico nell'epilessia tramite EEGLab

FEDERICI, GIANLUCA
2019/2020

Abstract

L’epilessia è una malattia cerebrale caratterizzata da una predisposizione duratura a generare delle crisi epilettiche con conseguenze psicosociali. Nel mondo le persone affette da epilessia sono circa 50 milioni. Tutt’oggi molti aspetti di questa malattia rimangono poco chiari come ad esempio la morte improvvisa ed inaspettata in epilessia la quale non è dovuta da cause accidentali o da uno stato di male. Lo scopo della mia tesi è quello di analizzare, con l’uso di EEGLab (un toolbox di MATLAB), un tracciato elettroencefalografico di un soggetto epilettico. L’ultima parte della mia tesi, invece, ha lo scopo di mostrare come individuare, mediante un plugin di EEGLab, EPINETLab, la zona di esordio della crisi epilettica. L'epilessia è una malattia che colpisce il sistema nervoso centrale. Il sistema nervoso centrale è composto dal neurone, dall’encefalo e dal midollo spinale. Il neurone è l’unità funzionale principale del sistema nervoso e si occupa dell’elaborazione e della trasmissione delle informazioni nel cervello. La trasmissione del segnale avviene a causa di uno stimolo depolarizzante che provoca una modificazione del potenziale di riposo. La trasmissione avviene in punti di collegamento chiamati sinapsi. I potenziali più significativi nella formazione del segnale elettroencefalografico sono i potenziali postsinaptici eccitatori e inibitori. Il segnale elettroencefalografico dunque è la misura delle correnti che si sviluppano durante le eccitazioni sinaptiche di molti neuroni piramidali nella corteccia cerebrale. L’attività elettrica cerebrale è sempre presente. L’elettroencefalogramma (EEG) è un test che rileva l'attività elettrica nel cervello attraverso degli elettrodi. Il segnale EEG è costituito da bande ben riconoscibili tra loro, chiamate ritmi. I cinque ritmi principali sono Delta, Theta, Alpha, Beta e Gamma. L’EEG svolge un ruolo centrale nella diagnosi e nella gestione dei pazienti con disturbi convulsivi e funzionali nel cervello. L’epilessia per essere riconosciuta come tale deve soddisfare alcune condizioni. Infatti la presenza di una singola crisi non implica la diagnosi di epilessia. Per studiare e valutare al meglio un individuo che presenta delle convulsioni è stata progettata dall’ILAE nel 2017 una classificazione multilivello (tipo di crisi, tipo di epilessia, sindromi di epilessia). Lo strumento fondamentale per la diagnosi e la prognosi dell’epilessia, dopo aver fatto l’anamnesi, è l’EEG. Il Monitoraggio video-EEG a lungo termine costituisce l’esame gold standard, ovvero l’esame più accurato che permette di acquisire il dato clinico con quello neurofisiologico. In questa trattazione è stato analizzato un tracciato EEG di un paziente di 55 anni affetto da epilessia ad esordio focale con consapevolezza alterata. Durante l’analisi presa in considerazione il paziente ha avuto una crisi epilettica. L’analisi con EEGLab, dopo aver ripulito il segnale dalle sorgenti artefattive maggiormente presenti, nel nostro caso quelle dovute ai movimenti oculari e a quelli muscolari, è stata quella di estrapolare i quattro ritmi cerebrali con il loro rispettivo elettrodo dominante. Nel nostro studio è emerso che gli elettrodi dominanti nei ritmi Delta, Theta, Alpha, Beta e Gamma sono rispettivamente F4, F4, F4, T6, FZ. L’analisi mediante EPINETLab, invece, è stata quella di individuare le oscillazioni ad alta frequenza, che sono dei biomarcatori in caso di epilessia, per poi localizzare la zona d’esordio della crisi. In conclusione è emerso dall’individuazione degli elettrodi dominanti nei vari ritmi cerebrali che il paziente, nell’arco della registrazione elettroencefalografica, probabilmente sia stato in una condizione di ansia ed è emerso, dall’all’analisi con EPINETLab, che la zona d’esordio della crisi epilettica, dunque quella presumibilmente candidata all'asportazione chirurgica, è quella occipitale.
2019
2020-10-30
Frequency analysis of the electroencephalographic tracing in epilepsy through EEGLab
File in questo prodotto:
File Dimensione Formato  
Tesi Progettuale - Federici Ganluca.pdf

Open Access dal 30/10/2023

Descrizione: Tesi progettuale - Gianluca Federici
Dimensione 14.91 MB
Formato Adobe PDF
14.91 MB Adobe PDF Visualizza/Apri

I documenti in UNITESI sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12075/3848