Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
„Gráfok az agyban” funkcionális és strukturális agyi hálózatmodellek
Emri Miklós Nukleáris Medicina Intézet Debreceni Egyetem
Science Café, Debrecen, 2011.
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
„ Az új és izgalmas felfedezések, amelyek forradalmasítják a
biológiát és az orvostudományt, hangosan és világosan tudomásunkra adják: ha meg akarjuk érteni az életet - és végül meggyógyítani a betegségeket -, hálózatokban kell gondolkodnunk.” Barabási Albert-László, Behálózva, 2008, Helikon Kiadó
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Control Group
Autistic Group
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Anatómiai ismeretek a XX. sz. előtt
Outline
1
Örök kíváncsiság: az emberi test felépítése és működése Anatómiai ismeretek a XX. sz. előtt
2
Az orvosi képalkotás és képfeldolgozás
3
Hálózati modellek
4
Hálózatanalízis
5
Lehetőségek és kihívások
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Anatómiai ismeretek a XX. sz. előtt
Ókor Egyiptomi Ebers-papirusz (i.e. 1550) A szív a vérellátás központja. A testnedvek és az életfunkciók között kapcsolat van.
Kína, Huang Ti (i.e. 2600) A testben a vér állandó körforgásban van...
Ókori görögök Hippokratesz (i.e. V sz.) Téves anatómiai ismeret. Széleskörű gyógyítási módszertan.
Alkmaion (i.e V. sz.) Tudományos érdeklődésből boncolt állatokat.
Alexandria Hérophilosz (i.e. 300) Élő emberi testeket boncolt.
Eraszisztrosz (i.e. 300) Közvetlen a halál beállta után boncolt (az első kórboncnok)
Róma, Galénosz (i.e. 130) Gladiátorok orvosa, széles anatómiai ismeret Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Anatómiai ismeretek a XX. sz. előtt
Középkor Leonardo Da Vinci
1498 Traktátus az anatómiáról. Boncolások 3D rajzsorozatai.
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Anatómiai ismeretek a XX. sz. előtt
Reformáció 1543. Vesalius Anatómia könyve
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Anatómiai ismeretek a XX. sz. előtt
Reformáció Anatómiai színházak, nyilvános boncolások
Rembrandt (1632) Tulp doktor anatómiája Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Anatómiai ismeretek a XX. sz. előtt
VÁGNI ÉS LÁTNI
XIX. sz.
XX. sz.
Emri Miklós
„Gráfok az agyban”
XXI. sz.
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A Röntgen-sugárzás és alkalmazása (CT) Izotópdiagnosztika (Gammakamera, SPECT, PET) A mágneses rezonancia alkalmazása (MRI) Elektroenkefalográfia (EEG)
Outline 1
Örök kíváncsiság: az emberi test felépítése és működése
2
Az orvosi képalkotás és képfeldolgozás A Röntgen-sugárzás és alkalmazása (CT) Izotópdiagnosztika (Gammakamera, SPECT, PET) A mágneses rezonancia alkalmazása (MRI) Elektroenkefalográfia (EEG)
3
Hálózati modellek
4
Hálózatanalízis
5
Lehetőségek és kihívások Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A Röntgen-sugárzás és alkalmazása (CT) Izotópdiagnosztika (Gammakamera, SPECT, PET) A mágneses rezonancia alkalmazása (MRI) Elektroenkefalográfia (EEG)
A XIX. sz. vége Wilhelm Conrad Röntgen (1845-1923) az X-sugárzás felfedezője
20 perces felvétel felesége kezéről, 1901 fizikai Nobel-díj Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A Röntgen-sugárzás és alkalmazása (CT) Izotópdiagnosztika (Gammakamera, SPECT, PET) A mágneses rezonancia alkalmazása (MRI) Elektroenkefalográfia (EEG)
Gothard Jenő
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A Röntgen-sugárzás és alkalmazása (CT) Izotópdiagnosztika (Gammakamera, SPECT, PET) A mágneses rezonancia alkalmazása (MRI) Elektroenkefalográfia (EEG)
CT - Computer Tomography 1972, G. Hounsfield, A.M. Cormack (1979 Nobel-díj)
Forgó Röntgen-cső és detektor rendszer Több irányú leképezéssel 180 projekciós kép A metszeti képek ún. „képrekonstrukciós módszerrel” készülnek
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A Röntgen-sugárzás és alkalmazása (CT) Izotópdiagnosztika (Gammakamera, SPECT, PET) A mágneses rezonancia alkalmazása (MRI) Elektroenkefalográfia (EEG)
CT felvételsorozat
Számítógéppel készült, tehát a képek már szímítógéppel is feldolgozhatók! Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A Röntgen-sugárzás és alkalmazása (CT) Izotópdiagnosztika (Gammakamera, SPECT, PET) A mágneses rezonancia alkalmazása (MRI) Elektroenkefalográfia (EEG)
Outline 1
Örök kíváncsiság: az emberi test felépítése és működése
2
Az orvosi képalkotás és képfeldolgozás A Röntgen-sugárzás és alkalmazása (CT) Izotópdiagnosztika (Gammakamera, SPECT, PET) A mágneses rezonancia alkalmazása (MRI) Elektroenkefalográfia (EEG)
3
Hálózati modellek
4
Hálózatanalízis
5
Lehetőségek és kihívások Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A Röntgen-sugárzás és alkalmazása (CT) Izotópdiagnosztika (Gammakamera, SPECT, PET) A mágneses rezonancia alkalmazása (MRI) Elektroenkefalográfia (EEG)
Izotópdiagnosztika Hevesy György 1913-ban írja le a radioaktív izotópos nyomjelzést (Panteh-el közösen) (1943 kémiai Nobel-díj)
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A Röntgen-sugárzás és alkalmazása (CT) Izotópdiagnosztika (Gammakamera, SPECT, PET) A mágneses rezonancia alkalmazása (MRI) Elektroenkefalográfia (EEG)
Pozitron Emissziós Tomográf (PET)
1953 Brownell and Sweet: első pozitron emissziós leképezés 1968-1971 PC-I az első „Computed Tomographic Imaging Device” (PET) 1971-1976 PC-II az első kommercionális PET berendezés 1980- kutatási célra használják 1995- diagnosztikai cél 2000- csak PET/CT-t gyártanak
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A Röntgen-sugárzás és alkalmazása (CT) Izotópdiagnosztika (Gammakamera, SPECT, PET) A mágneses rezonancia alkalmazása (MRI) Elektroenkefalográfia (EEG)
PET felvételek
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A Röntgen-sugárzás és alkalmazása (CT) Izotópdiagnosztika (Gammakamera, SPECT, PET) A mágneses rezonancia alkalmazása (MRI) Elektroenkefalográfia (EEG)
Outline 1
Örök kíváncsiság: az emberi test felépítése és működése
2
Az orvosi képalkotás és képfeldolgozás A Röntgen-sugárzás és alkalmazása (CT) Izotópdiagnosztika (Gammakamera, SPECT, PET) A mágneses rezonancia alkalmazása (MRI) Elektroenkefalográfia (EEG)
3
Hálózati modellek
4
Hálózatanalízis
5
Lehetőségek és kihívások Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A Röntgen-sugárzás és alkalmazása (CT) Izotópdiagnosztika (Gammakamera, SPECT, PET) A mágneses rezonancia alkalmazása (MRI) Elektroenkefalográfia (EEG)
Mágneses Rezonanciás Képalkotás (MRI) 1924 Pauli az elemi részecskéknek van perdületük (1945 fizikai Nobel-díj) 1937 Rabi leírja a mag mágneses rezonancia (NMR) elvét (1944 Nobel díj) 1946 Purcell: a anya energiát nyel el a rezonancia frekvencián (1952 fizikai Nobel-díj) 1946 Bloch: a nukleáris precesszió mérhető (1952 fizikai Nobel-díj) 1972 Raymond Dmadian felfedezi, hogy a hidrogén NMR függ attól, hogy az atom mely molekulában mely szövetben helyezkedik el (tumor diagnosztika) 1973 Lauterbur és Mansfield használja a mágneses rezonanciát képalkotásra (NMR -> MRI) (2003 orvostudományi Nobel-díj) 1977 elkészül az els humán MRI felvétel 1985 a betgbiztosítók befogadják az MRI technikát 1990 Ogawa: MRI-vel funkcionális képalkotás ...
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A Röntgen-sugárzás és alkalmazása (CT) Izotópdiagnosztika (Gammakamera, SPECT, PET) A mágneses rezonancia alkalmazása (MRI) Elektroenkefalográfia (EEG)
MRI: jó lágyszöveti kontraszt
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A Röntgen-sugárzás és alkalmazása (CT) Izotópdiagnosztika (Gammakamera, SPECT, PET) A mágneses rezonancia alkalmazása (MRI) Elektroenkefalográfia (EEG)
Diffúziós MRI
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A Röntgen-sugárzás és alkalmazása (CT) Izotópdiagnosztika (Gammakamera, SPECT, PET) A mágneses rezonancia alkalmazása (MRI) Elektroenkefalográfia (EEG)
Traktográfia
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A Röntgen-sugárzás és alkalmazása (CT) Izotópdiagnosztika (Gammakamera, SPECT, PET) A mágneses rezonancia alkalmazása (MRI) Elektroenkefalográfia (EEG)
Klinikai alkalmazás Berényi Ervin és Jakab András mean FA: 0.1887 mean ADC(x1k): 1.4791
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A Röntgen-sugárzás és alkalmazása (CT) Izotópdiagnosztika (Gammakamera, SPECT, PET) A mágneses rezonancia alkalmazása (MRI) Elektroenkefalográfia (EEG)
Klinikai alkalmazás Berényi Ervin és Jakab András
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A Röntgen-sugárzás és alkalmazása (CT) Izotópdiagnosztika (Gammakamera, SPECT, PET) A mágneses rezonancia alkalmazása (MRI) Elektroenkefalográfia (EEG)
BOLD: Blood oxygenation level dependent signal
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A Röntgen-sugárzás és alkalmazása (CT) Izotópdiagnosztika (Gammakamera, SPECT, PET) A mágneses rezonancia alkalmazása (MRI) Elektroenkefalográfia (EEG)
Funkcionális MRI
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A Röntgen-sugárzás és alkalmazása (CT) Izotópdiagnosztika (Gammakamera, SPECT, PET) A mágneses rezonancia alkalmazása (MRI) Elektroenkefalográfia (EEG)
fMRI eredmény: aktivációs térkép
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A Röntgen-sugárzás és alkalmazása (CT) Izotópdiagnosztika (Gammakamera, SPECT, PET) A mágneses rezonancia alkalmazása (MRI) Elektroenkefalográfia (EEG)
Outline 1
Örök kíváncsiság: az emberi test felépítése és működése
2
Az orvosi képalkotás és képfeldolgozás A Röntgen-sugárzás és alkalmazása (CT) Izotópdiagnosztika (Gammakamera, SPECT, PET) A mágneses rezonancia alkalmazása (MRI) Elektroenkefalográfia (EEG)
3
Hálózati modellek
4
Hálózatanalízis
5
Lehetőségek és kihívások Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A Röntgen-sugárzás és alkalmazása (CT) Izotópdiagnosztika (Gammakamera, SPECT, PET) A mágneses rezonancia alkalmazása (MRI) Elektroenkefalográfia (EEG)
Az agy mint aktivációs potenciál „felhő”
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A Röntgen-sugárzás és alkalmazása (CT) Izotópdiagnosztika (Gammakamera, SPECT, PET) A mágneses rezonancia alkalmazása (MRI) Elektroenkefalográfia (EEG)
EEG: Elektroenkefalográfia 1875 Richar Caton fényinger hatására kiváltott elektromos jeleket vezet el majmok és nyulak agyából 1929 Hans Berger (osztrák pszichiáter) megalkotja az EEG-t: pszichológiai és fiziológiai állapotok vizsgálatára , szintén Berger regisztrált először alvási görbéket, leírta az alfa és béta aktivitást
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A Röntgen-sugárzás és alkalmazása (CT) Izotópdiagnosztika (Gammakamera, SPECT, PET) A mágneses rezonancia alkalmazása (MRI) Elektroenkefalográfia (EEG)
LORETA LOw REsolution brain electromagnetic tomography
1984 Hämäläinen és Ilmoniemi 3 dimenziós, diszkrét, lineáris megoldást az EEG/MEG inverz problémájára 1994 Pascual-Marqui az eljárás nagy lokalizációs hibáját korrigálta és publikálta validált módszerét, 1999 LORETA szoftver: az elektromos agyi aktivitást nagy idői felbontással feldolgozó és megjelenítő szoftver statisztikai modulokkal kibővítve 2000- több új módszer jelenik meg (sLORETA, eLORETA), melyek különböző megoldást adnak az inverz problémára
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A Röntgen-sugárzás és alkalmazása (CT) Izotópdiagnosztika (Gammakamera, SPECT, PET) A mágneses rezonancia alkalmazása (MRI) Elektroenkefalográfia (EEG)
XX.sz.: az orvosi képalkotás százada
Funkcionális és strukturális eltérések jellemzése és lokalizációja
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
VÁGNI ÉS LÁTNI
A Röntgen-sugárzás és alkalmazása (CT) Izotópdiagnosztika (Gammakamera, SPECT, PET) A mágneses rezonancia alkalmazása (MRI) Elektroenkefalográfia (EEG)
LÁTNI ÉS VÁGNI
XIX. sz.
XX. sz.
Emri Miklós
„Gráfok az agyban”
XXI. sz.
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Hálózati modellek, gráfok Agyi hálózatok végpontjai Funkcionális agyi hálózatok élei Strukturális agyi hálózatok élei
Outline 1
Örök kíváncsiság: az emberi test felépítése és működése
2
Az orvosi képalkotás és képfeldolgozás
3
Hálózati modellek Hálózati modellek, gráfok Agyi hálózatok végpontjai Funkcionális agyi hálózatok élei Strukturális agyi hálózatok élei
4
Hálózatanalízis
5
Lehetőségek és kihívások Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Hálózati modellek, gráfok Agyi hálózatok végpontjai Funkcionális agyi hálózatok élei Strukturális agyi hálózatok élei
Königsbergi hidak problémája
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Hálózati modellek, gráfok Agyi hálózatok végpontjai Funkcionális agyi hálózatok élei Strukturális agyi hálózatok élei
Végpontok
a c
b e
d f
1 Emri Miklós
„Gráfok az agyban”
g
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Hálózati modellek, gráfok Agyi hálózatok végpontjai Funkcionális agyi hálózatok élei Strukturális agyi hálózatok élei
Végpontok és élek
a
7 c
b e
d f
1 Emri Miklós
„Gráfok az agyban”
g
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Hálózati modellek, gráfok Agyi hálózatok végpontjai Funkcionális agyi hálózatok élei Strukturális agyi hálózatok élei
Végpontok és élek
a
7 c
b d
9
e f
1 Emri Miklós
„Gráfok az agyban”
g
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Hálózati modellek, gráfok Agyi hálózatok végpontjai Funkcionális agyi hálózatok élei Strukturális agyi hálózatok élei
Végpontok és élek
a
7 5
d
b 9 6
8 e
f
c
7 5 9
11
1 Emri Miklós
„Gráfok az agyban”
g
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Hálózati modellek, gráfok Agyi hálózatok végpontjai Funkcionális agyi hálózatok élei Strukturális agyi hálózatok élei
A „kapcsolatmátrix” a
7 5
d
b 9 6
8
c
7
f
a
5 9
e 11
a g
b d e f
c
7 7
c 1
b
d
8
9
g
7 5
9 7
f
5
8 5
e
6 5
9 6
g
11 9
11
a kapcsolatmátrix NxN méretű, ahol N a végpontok száma, átlójában 0 szerepel ha nincs hurok, szimmetrikus ha nem irányított a gráf Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Hálózati modellek, gráfok Agyi hálózatok végpontjai Funkcionális agyi hálózatok élei Strukturális agyi hálózatok élei
Hálózati modell kialakítása
végpontok (node, vertex) definíciója lehet-e izolált végpont? élek, kapcsolatok (edge, connection) definíciója bináris vagy súlyozott ? irányított vagy nem irányított ? két végpont között egy vagy több kapcsolat lehet ? lehet-e hurok?
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Hálózati modellek, gráfok Agyi hálózatok végpontjai Funkcionális agyi hálózatok élei Strukturális agyi hálózatok élei
Outline 1
Örök kíváncsiság: az emberi test felépítése és működése
2
Az orvosi képalkotás és képfeldolgozás
3
Hálózati modellek Hálózati modellek, gráfok Agyi hálózatok végpontjai Funkcionális agyi hálózatok élei Strukturális agyi hálózatok élei
4
Hálózatanalízis
5
Lehetőségek és kihívások Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Hálózati modellek, gráfok Agyi hálózatok végpontjai Funkcionális agyi hálózatok élei Strukturális agyi hálózatok élei
Végpontok digitális agyatlasztechnikával meghatározott régiók
vagy a szürke ill. fehérállományhoz tartozó képelemek
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Hálózati modellek, gráfok Agyi hálózatok végpontjai Funkcionális agyi hálózatok élei Strukturális agyi hálózatok élei
Kapcsolatmátrix
LPBA40 atlasz: 40x40 Harvard-Oxford atlasz: 90x90 képelem alapú kapcsolatmátrix esetén, 2x2x2 mm voxelméret mellett 104 x104 Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Hálózati modellek, gráfok Agyi hálózatok végpontjai Funkcionális agyi hálózatok élei Strukturális agyi hálózatok élei
Outline 1
Örök kíváncsiság: az emberi test felépítése és működése
2
Az orvosi képalkotás és képfeldolgozás
3
Hálózati modellek Hálózati modellek, gráfok Agyi hálózatok végpontjai Funkcionális agyi hálózatok élei Strukturális agyi hálózatok élei
4
Hálózatanalízis
5
Lehetőségek és kihívások Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Hálózati modellek, gráfok Agyi hálózatok végpontjai Funkcionális agyi hálózatok élei Strukturális agyi hálózatok élei
Élek - funkcionális hálózatok esetében
A funkcionális agyi hálózati modellek esetében az éleket az egyes agy régiókban mért valamely fizikai vagy biológiai paraméter változásának a hasonlósága jelenti. A változás vizsgálható időben (fMRI, EEG) populáció szinten (PET, SPECT)
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Hálózati modellek, gráfok Agyi hálózatok végpontjai Funkcionális agyi hálózatok élei Strukturális agyi hálózatok élei
Nyugalmi fMRI (resting state fMRI/rfMRI) korrelációs együttható a 0.1 – 0.4 Hz tartományból
a végpontokhoz rendelt BOLD szignálok hasonlósága Wavelet dekompozícióból kiemelt komponens korrelációja fázis szinkronizáció mérésenként 1 súlyozott, nem irányított gráfmodell Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Hálózati modellek, gráfok Agyi hálózatok végpontjai Funkcionális agyi hálózatok élei Strukturális agyi hálózatok élei
Kapcsolatmátrix készítés folyamata rfMRI esetében
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Hálózati modellek, gráfok Agyi hálózatok végpontjai Funkcionális agyi hálózatok élei Strukturális agyi hálózatok élei
LORETA „forráskorreláció”
Az EEG jelekből kiemelünk 2 mp-es időablakokat (epoch) Ezekre az FFT után mind megoldjuk az inverz problémát így előáll az áramsűrűség 3D eloszlásának időbeli változása 1-40 Hz -en
mérésenként 40 súlyozott, nem irányított gráfmodell, vagy 1 többélű gráfmodell Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Hálózati modellek, gráfok Agyi hálózatok végpontjai Funkcionális agyi hálózatok élei Strukturális agyi hálózatok élei
Egy LORETA gráfsorozat ahány frekvenciasáv annyi hálózat
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Hálózati modellek, gráfok Agyi hálózatok végpontjai Funkcionális agyi hálózatok élei Strukturális agyi hálózatok élei
Outline 1
Örök kíváncsiság: az emberi test felépítése és működése
2
Az orvosi képalkotás és képfeldolgozás
3
Hálózati modellek Hálózati modellek, gráfok Agyi hálózatok végpontjai Funkcionális agyi hálózatok élei Strukturális agyi hálózatok élei
4
Hálózatanalízis
5
Lehetőségek és kihívások Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Hálózati modellek, gráfok Agyi hálózatok végpontjai Funkcionális agyi hálózatok élei Strukturális agyi hálózatok élei
Élek - strukturális hálózatok esetében
A strukturális agyi hálózati modellek esetében az éleket az egyes agy régiók közötti diffúziós kapcsolat erőssége (diffúziós MRI) morfológiai változás mennyisége (strukturális MRI) jellemzi.
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Hálózati modellek, gráfok Agyi hálózatok végpontjai Funkcionális agyi hálózatok élei Strukturális agyi hálózatok élei
TBSS: tract-based spatial statistics (Jakab András)
1. 2. 3. 4. 5.
Alapelv: nem a teljes agy képének voxelszintű analízise, hanem anatómiailag összetartozó területekre = rostokra vetített statisztikai térképek előállítása (nagyobb specificitás) Standardizáció (számításigény!) „skeletonizáció” FA, fehérállományi képletekhez „projekció” – FA értékek rostokra történő vetítése Statisztika, pl. permutációs próbával. (számításigény!) Alkalmazott stat. Opciók: 1. Threshold-Free Cluster Enhancement (corrected/uncorrected p for pop.variance) 2. Cluster-wise enhancement 3. Voxel-wise (ez ugyanaz, mint a skeletonon végzett per-voxel tpróba
S.M. Smith, M. Jenkinson, H. Johansen-Berg, D. Rueckert, T.E. Nichols, C.E. Mackay, K.E. Watkins, O. Ciccarelli, M.Z. Cader, P.M. Matthews, and T.E.J. Behrens. Tract-based spatial statistics: Voxelwise analysis of multi-subject diffusion data. NeuroImage, 31:1487-1505, 2006.
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Hálózati modellek, gráfok Agyi hálózatok végpontjai Funkcionális agyi hálózatok élei Strukturális agyi hálózatok élei
Agyi kapcsolatrendszerek rostkövetés: probabilisztikus traktográfia (Jakab András)
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Hálózati modellek, gráfok Agyi hálózatok végpontjai Funkcionális agyi hálózatok élei Strukturális agyi hálózatok élei
Agyi kapcsolatrendszerek – konnektivitás alapú klaszterelés (Jakab András)
•
A konnektivitási információ anatómiai interpretációja – „mely területek mutatnak hasonló kapcsolatot más területekkel”, divergens/konvergensek-e a kapcsolatok
•
Az emberi agykérgen belüli kapcsolatok, diffúziós traktográfia segítségével
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A kapcsolatmátrix Regionális jellemzők Globális paraméterek Modularitás
Outline 1
Örök kíváncsiság: az emberi test felépítése és működése
2
Az orvosi képalkotás és képfeldolgozás
3
Hálózati modellek
4
Hálózatanalízis A kapcsolatmátrix Regionális jellemzők Globális paraméterek Modularitás
5
Lehetőségek és kihívások Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A kapcsolatmátrix Regionális jellemzők Globális paraméterek Modularitás
Kapcsolatmátrix oszlopok, sorok reprezentálják a végpontokat, a mátrix elemei pedig az éleket
R szimmetrikus korrelációs mátrix, elemei ri,j ahol i, j = 1...N Ebből skálázással készítjük a W kapcsolatmátrixot skálázási módszerek hatványozás (soft thresholding)wij = rij2 1+r
eltolás wij = 2 ij a kettő kombinációja
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A kapcsolatmátrix Regionális jellemzők Globális paraméterek Modularitás
Outline 1
Örök kíváncsiság: az emberi test felépítése és működése
2
Az orvosi képalkotás és képfeldolgozás
3
Hálózati modellek
4
Hálózatanalízis A kapcsolatmátrix Regionális jellemzők Globális paraméterek Modularitás
5
Lehetőségek és kihívások Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A kapcsolatmátrix Regionális jellemzők Globális paraméterek Modularitás
Kapcsolaterősség (s) Node strength
The strength of connectivity si for a region i is defined as the sum of the connection weights with ki other regions (Rubinov and Sporns 2009) , where ki is the number of the neighbors of region i (node degree).
si =
∑ wij
j∈ki
Emri Miklós
„Gráfok az agyban”
(1)
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A kapcsolatmátrix Regionális jellemzők Globális paraméterek Modularitás
Legrövidebb úthossz
lij :az i. és j. végpont közötti „legrövidebb úthossz” pl. l45 = 5 Funkcionális hálózatok esetében: az információ terjedés a leggyorsabb.
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A kapcsolatmátrix Regionális jellemzők Globális paraméterek Modularitás
Hatékonyság (e) Efficiency
The efficiency coefficient of the path between node i and j is defined as the inverse of the shortest distance between the vertices (Latora and Marchiori, 2001). From this assumption the efficiency of node i is defined as the average of the path efficiencies of the given node:
Ei =
∑j∈N,j6=i
Emri Miklós
1 lij
N −1
„Gráfok az agyban”
(2)
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A kapcsolatmátrix Regionális jellemzők Globális paraméterek Modularitás
Betweenness Centrality (b)
The betweenness centrality of a node i is given by the expression:
bi =
spst (i) s,t6=i spst
∑
(3)
where spst total number of shortest paths from node s to node t and spst (i) is the number of those paths that pass through node i.
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A kapcsolatmátrix Regionális jellemzők Globális paraméterek Modularitás
HUB-detektálás Populáció szinten mérhető paraméter egy populáció minden egyedére előállítjuk hálózatot (elkészítjük a kapcsolatmátrixot) kiszámoljuk minden személy (1..M) minden egyes agyi régiójának (1..N) hálózati jellemzőjét: si , ei , bi számoljuk ezek „normalizált populációs átlagát”: pl. si+ =
1 NM
1 M
∑M k=1 sik N ∑i =1 ∑M k=1 sik s + −mean
majd meghatározzuk ennek z-score értékét (siz = i sd ) akkor tekintünk HUB-nak egy régiót, ha a strength, efficiency, betweenness centrality z score értékei 1-nél nagyobbak, HUB score-nak pedig ezek szorzatát vesszük Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A kapcsolatmátrix Regionális jellemzők Globális paraméterek Modularitás
Autista vs. Kontroll csoportok HUB-scorediagrammja
Control Group
Autistic Group
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A kapcsolatmátrix Regionális jellemzők Globális paraméterek Modularitás
Outline 1
Örök kíváncsiság: az emberi test felépítése és működése
2
Az orvosi képalkotás és képfeldolgozás
3
Hálózati modellek
4
Hálózatanalízis A kapcsolatmátrix Regionális jellemzők Globális paraméterek Modularitás
5
Lehetőségek és kihívások Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A kapcsolatmátrix Regionális jellemzők Globális paraméterek Modularitás
Karakterisztikus úthossz (L) Characteristic pathlength The weighted characteristic path length, L, of a network was calculated by as a harmonic mean “shortest path length” between region pairs (Newman, 2003):
Emri Miklós
L=
1 1 N(N−1)
∑i ∈N ∑j∈N,j6=i l1
„Gráfok az agyban”
ij
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A kapcsolatmátrix Regionális jellemzők Globális paraméterek Modularitás
Klaszterezettség (C) Clustering coefficient For a given graph GN (W ) the clustering coefficient is defined as (Rubinov and Sporns 2009):
C=
1 N
1
2ti
∑ C i = N ∑ ki (ki − 1)
i∈N
(4)
i∈N
where ki means the number of neighborhoods of node i, and ti means the geometric mean of triangles around node i: ti
Emri Miklós
= 21 ∑i,j,h∈N
„Gráfok az agyban”
√ 3 w w w . ij ih jh
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A kapcsolatmátrix Regionális jellemzők Globális paraméterek Modularitás
Globális hatékonyság (Eg) Global Efficiency
The global efficiency of a graph GN (W ) represents the mean of node efficiencies (Rubinov and Sporns 2009):
Eg =
Emri Miklós
1 N
∑ Ei
i∈N
„Gráfok az agyban”
(5)
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A kapcsolatmátrix Regionális jellemzők Globális paraméterek Modularitás
Lokális hatékonyság (El) Local Efficiency
The local efficiency properties of a graph GN (W ) can be characterized by the evaluating global efficiency (Egi ) of every sub-graph Gi (Wi ) composed by the neighbors of the node i (Rubinov and Sporns 2009):
El =
1 N
Emri Miklós
∑ Egi
i∈N
„Gráfok az agyban”
(6)
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A kapcsolatmátrix Regionális jellemzők Globális paraméterek Modularitás
Autista vs. Kontroll csoportok globális hálózati paraméterei
L
C
Eg
40 7
●
0.40
35
● ● ●
6
5
30
0.35
25
0.30
20
0.25
15
4
0.20 10
3
0.15
value
5 El
grp autistic
avgS
nc 20
0.35 0.30
15 0.25 0.20 10 0.15 0.10 5 autistic
nc
autistic
nc
grp
Emri Miklós
„Gráfok az agyban”
autistic
nc
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A kapcsolatmátrix Regionális jellemzők Globális paraméterek Modularitás
Kis-világ modell karakterisztika (σv) Small Worldness (Watts-Strogatz modell) Normalizált lokális hatásfok és klaszterezetsségi együttható: γ = L
C Crand
ill.
λ=L rand ahol a rand index az eredetihez hasonló randomizált hálózatokon számolt C és L átlaga. A stabil érték meghatározásához 2000-10000 randomizált hálózat elkészítésére van szükség. Kis világ modell hányadosσ = λγ . Kis világ típusú rendszerről akkor beszélünk ha σ 1
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A kapcsolatmátrix Regionális jellemzők Globális paraméterek Modularitás
Outline 1
Örök kíváncsiság: az emberi test felépítése és működése
2
Az orvosi képalkotás és képfeldolgozás
3
Hálózati modellek
4
Hálózatanalízis A kapcsolatmátrix Regionális jellemzők Globális paraméterek Modularitás
5
Lehetőségek és kihívások Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A kapcsolatmátrix Regionális jellemzők Globális paraméterek Modularitás
Modularitási hatásfok (Q) Modularity Modularity of the nodes of a given graphGN (W ) defined as the measure how well a given partition concentrates the edges within the modules (Rubinov and Sporns 2009):
Q=
1 NS
h si sj i w δm (i, j) ij − ∑ NS i ,j ∈N
(7)
Where δm (i, j) is a modularity function with value 1 if only if the node i and j are belonging to module m otherwise the value is 0. In our study we were concerned how the connections arranged within and between lobes, so we defined 5 modules: parietal, frontal, occipital, temporal and central lobes and all regions were attached to one module.
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A kapcsolatmátrix Regionális jellemzők Globális paraméterek Modularitás
Modul detektálás Community Detection
k-clique algoritmus spin-glass community detection Label propagation Clique percolation ... Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
A kapcsolatmátrix Regionális jellemzők Globális paraméterek Modularitás
Változnak-e a globális hálózati paraméterek az életkor függvényében?
Functional Brain Networks Develop from a “Local to Distributed” Organization Damien A. Fair, Alexander L. Cohen, Jonathan D. Power, Nico U. F. Dosenbach, Jessica A. Church Francis M. Miezin Bradley L. Schlaggar and Steven E. Petersen4, PLoS Comput Biol. 2009 May; 5(5): e1000381. Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
VÁGNI ÉS LÁTNI
A kapcsolatmátrix Regionális jellemzők Globális paraméterek Modularitás
LÁTNI ÉS VÁGNI
XIX. sz.
XX. sz.
Emri Miklós
„Gráfok az agyban”
RENDSZERT LÁTNI
XXI. sz.
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Lehetőség: nyilvános adatbázisok
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
„Effektív” kapcsolatrendszer strukturális és funkcionális információ együttes felhasználásával készített modell
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Nyugalmi-e az nyugalmi fMRI?
Van-e valamilyen fluktuáció a nyugalomban vizsgált agy spontán szinkronizációja során ? EGY hosszú rfMRI mérést több időablakra lehet bontani, így több hálózat vizsgálható: van-e közöttük szignifikáns eltérés? szuperszámítógép !
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Aktivációs fMRI (fMRI) változó kapcsolatrendszer: hálózatdinamika
végpontok szürkeállomány régiórendszer (atlasz, vagy egyedi) szürkeállományi képelemek
élek a végpontokhoz rendelt BOLD szignálok hasonlósága Pearson korreláció Wavelet dekompozícióból kiemelt komponens korrelációja fázis szinkronizáció
mérésenként 2,4 esetleg több súlyozott, nem irányított hálózat, pl. „block-design” esetén 2 hálózat: nyugalom, aktivált 4 hálózat: nyugalom, nyugalom →aktivált, aktivált, aktivált→nyugalom Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
EEG/LORETA alapú hálózatok
1-40 Hz miatt 40 különálló független hálózat: hogyan építhető olyan modell ami egy hálózatként kezeli? pre-, post- és interiktális periódusok vizsgálata dinamikus hálózati modellekkel
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Új metrikák, új modellek
Dinamikus hálózati modellekkel olyan paraméterek vizsgálhatók, amelyek jobban érdeklik a klinikusokat mint a most ismert hálózati jellemzők. Pl. stabilitás, szinkronizáció, szerveződés pl. Kuromoto modell: minden csomópont egy oszcillátor , ezzel egy NxN-es differenciálrendszer írható fel káosz elmélet ...
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Rejtett végpontok
Optimális-e a régiórendszer kijelölése? A hálózatanalízis szempontjából valóban ezek a régiók az optimálisak? voxel szintű hálózatanalízis fuzzy régiórendszerek használata
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
Dinamikus rendszerek Dante R. Chialvo: Critical brain networks
Emri Miklós
„Gráfok az agyban”
Örök kíváncsiság: az emberi test felépítése és működése Az orvosi képalkotás és képfeldolgozás Hálózati modellek Hálózatanalízis Lehetőségek és kihívások
***
Emri Miklós
„Gráfok az agyban”
Appendix
For Further Reading
For Further Reading I
A. Author. Handbook of Everything. Some Press, 1990. S. Someone. On this and that. Journal on This and That. 2(1):50–100, 2000.
Emri Miklós
„Gráfok az agyban”