Beyin osilasyonlarının nicel analizi, başta epilepsi olmak üzere çeşitli beyin patolojilerinde beyin dinamiklerinin anlaşılmasına katkıda bulunur. Bu çalışmada dalgacık dönüşümü temelli yeni bir nicel yaklaşım kullanılarak beyin osilasyonlarının enerji değişimlerinin saptanması ve haritalanması amaçlanmıştır. Çalışmada sinyal analizinde EEG’yi dört temel alt frekans bandına ayrıştıran ve ardından bu bantların enerji değerlerini nicelleştiren bir yaklaşım önerilmiştir. Ayrıca, bu enerji değerleri kullanılarak kafa yüzeyi enerji haritaları oluşturulmuştur. Önerilen yöntemi test etmek için CHB-MIT Scalp EEG Database veri tabanından alınan epilepsili hastalara ait EEG kayıtları kullanılmıştır. Analiz edilecek sinyaller nöbet anı ortada olmak üzere nöbet süresi uzunluğu kadar öncesi ve sonrasını kapsayacak şekilde tüm kayıttan ayrılarak hazırlanmıştır. Elde edilen sayısal veriler kullanılarak epilepsili hastalarda beyin osilasyonlarının enerji dağılım haritası oluşturulmuş ve her bir alt bant enerji yüzdesi için nöbet öncesi, nöbet anı ve nöbet sonrası enerji farklılıkları istatistiksel olarak değerlendirilmiştir. Bulgular nöbet öncesi, nöbet anı ve nöbet sonrası beyin osilasyonlarında nicel olarak anlamlı farklılıklar ortaya koymuştur. Bu çalışmada sunulan yöntemin epilepsi ve diğer beyin patolojileri için kayıtlanan tüm EEG’ler için uygulanarak beyin dinamikleri hakkında bilgi edinilebileceği ve aynı anda çok sayıda montajdan kayıt alınması durumunda beyin patolojilerine yol açan odakların belirlenmesinde diğer beyin görüntüleme yöntemleriyle birlikte kullanılabileceği düşünülmüştür.
Anahtar Kelimeler: Epilepsi, EEG, nicel analiz, beyin enerji haritası, dalgacık dönüşümüThe quantitative analysis of brain oscillations has an importance in understanding brain dynamics for various brain pathologies. In this study, it is purposed to determine and map the change in energy of brain oscillations using a new quantitative approach, based on wavelet transform. An approach, seperating the EEG records to four main sub-band and then quantizing the energy values of them, is proposed in this study. Moreover, energy maps of scalp surface are formed using these energy values. To test the suggested method, EEG records of epileptic patients, obtained from CHB-MIT Scalp EEG database, were utilized. Analyzed signals were prepared such that the seizure was in the middle and the signal consists of pre-seizure and post-seizure as long as the seizure time. By using the quantitative data obtained, energy distribution maps of brain oscillations for epileptic patients are constructed and energy differences of each sub-band are statistically analyzed for pre-, during and post-seizure terms. Results show significant quantitative differences for these terms. It is thought that the suggested method can be applied to EEGs recorded for epilepsy and other pathologies to be informed about brain dynamics. In addition, the method can be used for localization of sources causing brain pathologies.
Keywords: Epilepsy, EEG, quantitative analysis, brain energy map, wavelet transform