The Neuroscience Journal of Shefaye Khatam

fa توصیف پیشرفته اتصال مؤثر در صرع لوب گیجگاهی: رویکرد علیت گرنجر با استفاده از دینامیک فضای فاز الکتروانسفالوگرام Advanced Characterization of Effective Connectivity in Temporal Lobe Epilepsy: A Granger Causality Approach Leveraging EEG Phase-Space Dynamics تحقیقات پایه در علوم اعصاب Basic research in Neuroscience پژوهشي Research --- Open Access, CC-BY-NC مقدمه: صرع لوب گیجگاهی، به‌ویژه زمانی که نسبت به دارو مقاوم باشد، به‌طور شدیدی افرادی را که به این بیماری مبتلا هستند محدود می‌کند. حملات می‌توانند به‌صورت کانونی آگاه، کانونی با اختلال آگاهی، ثانویه سراسری، یا ترکیبی بروز کنند. این تنوع، امکان برآورد اتصال مؤثر درون سیگنال‌های EEG را فراهم می‌کند و ازاین‌رو، الگوهای فعالیت نواحی مغزی را نشان می‌دهد. نگاشت سیگنال‌های EEG به فضای فاز، اطلاعات معنی‌داری درباره دینامیک و رفتار مغز فراهم می‌آورد. از این رو، مطالعه حاضر با هدف کمی‌سازی اتصال مؤثر در سیگنال‌های EEG از طریق تحلیل بردارهای فضای فاز و قطع پوانکاره انجام شد. مواد و روش‌ها: سیگنال‌های EEG از بیماران دارای صرع لوب گیجگاهی مزیال مقاوم به دارو، در دو وضعیت قبل حمله و حین حمله ثبت شدند. تأخیر زمانی با روش میانگین اطلاعات متقابل (AMI) برآورد شد و بازسازی فضای فاز در دو و سه بعد انجام گرفت. سپس، یک قطع پوانکاره در فضای فاز دوبعدی و سه بعدی اعمال شد. کانال P8–O2 به‌عنوان کانال مرجع انتخاب شد و اتصال مؤثر آن با پنج کانال گیجگاهی (T7–P9 ، F8–T8، T8–P8، T7–FT9 و F7–T7) با استفاده از شاخص‌های علیت گرنجر (GC) که از طریق چهار رویکرد تحلیلی متفاوت محاسبه شده بودند، مورد بررسی قرار گرفت: علیت گرنجر حوزه  فرکانس، علیت گرنجر فضای فاز دوبعدی، علیت گرنجر فضای فاز سه‌بعدی وعلیت گرنجر قطع پوانکاره. یافته‌ها: شاخص علیت از حالت قبل حمله به حالت حین حمله به‌طور معنی‌داری افزایش یافت، همان‌گونه که در مطالعات پیشین انتظار می‌رفت. مقایسه نتایج حوزه فرکانس با روش‌های جدید فضای فاز نشان داد که تحلیل‌های مبتنی بر فضای فاز، برآورد دقیق‌تری از افزایش‌های علیت گرنجر ارائه می‌دهند. در میان روش‌های مقایسه‌شده، رویکرد فضای فاز سه‌بعدی بیشترین افزایش در میانگین علیت گرنجر را داشت و بهترین عملکرد را نشان داد. جفت‌کانال T8–P8 به‌نظر می‌رسید که بارزترین تغییرات را بین دو حالت حمله و پیش‌حمله نشان می‌دهد و بنابراین ممکن است محل اصلی بیومارکر برای شروع حمله باشد. نتیجه‌گیری: روش‌های تحلیل غیرخطی، به‌ویژه ترکیب بازسازی فضای فاز و علیت گرنجر، رویکردی بسیار قدرتمند برای مطالعه اتصال مؤثر در سیگنال‌های EEG به‌شمار می‌روند. این تکنیک‌ها می‌توانند جفت‌شدگی‌های دینامیکی پیچیده و جریان‌های اطلاعاتی جهت‌دار را میان نواحی مختلف مغز ثبت کنند و دقت بالایی در محلی‌سازی شبکه‌های مولّد صرع فراهم آورند. روش‌های غیرخطی پیشنهادی حساسیت و ویژگی بالاتری در شناسایی صرع لوب گیجگاهی مزیال و سایر اختلالات تشنجی، در مقایسه با روش‌های خطی استاندارد ارائه می‌دهند.   Introduction: Temporal Lobe Epilepsy, especially when resistant to drugs, severely restricts individuals affected with the disease. The seizures can manifest as focal aware, focal impaired-awareness, secondarily generalized, or mixed. This variability allows for the estimation of effective connectivity within EEG signals, hence showing the activity patterns of brain regions. Mapping EEG signals into phase space provides meaningful information about brain dynamics and behavior. Thus, the present study aimed at quantifying effective connectivity in EEG signals by phase-space vector analysis and Poincaré sectioning. Materials and Methods: EEG signals from patients with drug-resistant mesial temporal lobe epilepsy were recorded in both pre-ictal and ictal states. Time delay was estimated with the Average Mutual Information (AMI) method, and phase-space reconstruction was carried out in two and three dimensions. A Poincaré section was then applied in 2-D phase space. The P8–O2 derivation was selected as the reference channel and its effective connectivity with five temporal channels (T7–FT9, T8–P8, F8–T8, T7–P7, and F7–T7) was investigated using Granger Causality (GC) indices computed through four different analytical approaches: frequency-domain GC, 2-D phase-space GC, 3-D phase-space GC, and Poincaré-section GC. Results: The GC index significantly increased from pre-ictal to ictal states, as expected from previous studies. Comparison of frequency-domain results with the new phase-space methods showed that the phase-space–based analyses provided more accurate estimation of GC increments. Among the methods compared, the 3-D phase-space approach had the largest increase in mean GC and showed the best performance. The T8–P8 channel pair seemed to bear the most salient changes between the two states and thus might represent the core biomarker site for seizure onset. Conclusion: Nonlinear methodologies of analysis, especially the combination of phase-space reconstruction and GC, represent a very powerful approach to effective connectivity study in EEG signals. These techniques can grasp complex dynamic couplings and directional information flows between different brain regions with good precisions of localizing epileptogenic networks. The proposed nonlinear methods present greater sensitivity and specificity in identifying mesial temporal lobe epilepsy and other seizure disorders compared to standard linear methods.   بیماری‌های سیستم عصبی, تشنج, روش‌ها Nervous System Diseases, Seizures, Methods 1 15 http://shefayekhatam.ir/browse.php?a_code=A-10-896-9&slc_lang=fa&sid=1 Saleh Lashkari صالح لشکری s.lashkari@imamreza.ac.ir 100319475328460029405 100319475328460029405 No Health Technology Research Center, Imam Reza International University, Mashhad, Iran مرکز تحقیقات فناوری‌های زیستی و سلامت، دانشگاه بین المللی امام رضا علیه السلام، مشهد، ایران Seyyed Soroosh Pedram سروش پدرام pedram0511@gmail.com 100319475328460029406 100319475328460029406 No Department of Biomedical Engineering, Islamic Azad University of Mashhad, Mashhad, Iran گروه مهندسی پزشکی، دانشگاه آزاد اسلامی مشهد، مشهد، ایران Mohammad Ravari محمد راوری mohammad.ravari@iau.ac.ir 100319475328460029407 100319475328460029407 No Department of Biomedical Engineering, Islamic Azad University of Mashhad, Mashhad, Iran گروه مهندسی پزشکی، دانشگاه آزاد اسلامی مشهد، مشهد، ایران Emad Omouri Sarabi عماد اموری سرابی e.omourisarabi@iau.ac.ir 100319475328460029408 100319475328460029408 No گروه مهندسی پزشکی، دانشگاه آزاد اسلامی مشهد، مشهد، ایران Seyyed ali Zendehbad سید علی زنده باد a.zendebad@umail.umz.ac.ir 100319475328460029409 100319475328460029409 No Faculty of Engineering and Technology, University of Mazandaran, Babolsar, Iran دانشکده فناوری و مهندسی، دانشگاه مازندران، بابلسر، ایران elias mazrooei rad الیاس مزروعی راد elias_mazrooei@yahoo.com 100319475328460029410 100319475328460029410 Yes Department of Biomedical Engineering, Khavaran Institute of Higher Education, Mashhad, Iran گروه مهندسی پزشکی، موسسه آموزش عالی خاوران، مشهد، ایران