2026-04-27T21:26:42Zhttps://uvadoc.uva.es/oai/request

oai:uvadoc.uva.es:10324/573932022-11-23T20:05:07Zcom_10324_38col_10324_852

Kamarova, Karina 2022-11-23T15:21:01Z 2022-11-23T15:21:01Z 2022 https://uvadoc.uva.es/handle/10324/57393 La demencia debida a la enfermedad de Alzheimer (EA) es una enfermedad neurodegenerativa asociada con una disfunción cerebral progresiva. La EA ocasiona alteraciones cognitivas, conductuales y funcionales que, en su mayor parte, afectan a la memoria. Para el estudio de la demencia puede modelarse el cerebro como una red neuronal, cuyos cambios en la estructura de la red funcional pueden servir como marcadores del deterioro. El diagnóstico precoz de la EA mediante estos marcadores podría ayudar a frenar el avance de la enfermedad. El objetivo de este Trabajo Fin de Grado (TFG) consiste en investigar y aplicar una nueva metodología para caracterizar la actividad cerebral en la EA mediante redes multicapa. Las técnicas utilizadas para el registro de la actividad cerebral fueron la electroencefalografía (EEG) y la magnetoencefalografía (MEG). En el caso del EEG, se estudiaron dos bases de datos, una proporcionada por el Hospital Universitario Río Hortega, con 196 sujetos, y otra procedente de un proyecto POCTEP, con un tamaño muestral de 251 sujetos. Por otro lado, los datos MEG fueron facilitados por el Hospital Hokuto en Obihiro, Japón, con un tamaño muestral de 188 sujetos. Las tres bases de datos estaban formadas por sujetos cognitivamente sanos de edad avanzada, pacientes con deterioro cognitivo leve (DCL) y pacientes con demencia debida a EA. Las interacciones intra- e inter-bandas de frecuencia de las señales EEG y MEG se calcularon a través de algoritmos de acoplamiento en amplitud (AAC, Amplitude-Amplitude Coupling) y en fase (PPC, Phase-Phase Coupling). Posteriormente, se utilizaron las siguientes medidas para caracterizar la red neuronal funcional: connectivity Strength (CS), eficiencia y modularidad. The dementia due to Alzheimer’s disease (AD) is a neurodegenerative disease associated with a progressive brain dysfunction. AD causes cognitive, behavioral, and functional alterations that, mainly, affect memory. For the study of dementia, the brain can be modeled as a neural network, whose changes in the structure of the functional netrwork can serve as markers of deterioration. Early diagnosis of AD could help slow down the progression of the disease. The objective of this Final Degree Project is to investigate and apply a new methodology to characterize brain activity in AD using multilayer networks. The techniques used to record brain activity were electroencephalography (EEG) and magnetoencephalography (MEG). In the case of the EEG, two databases were studied, one provided by the Río Hortega University Hospital, with a sample size of 196 subjects, and another from a POCTEP project, with a sample size of 251 subjects. The MEG data were provided by the Hokuto Hospital in Obihiro, Japan, with a sample size of 188 subjects. The three databases included cognitively healthy elder subjects, patients with mild cognitive imprairment, and patients with dementia due to AD. The interactions within- and between-frequency bands of the EEG and MEG signals were calculated using amplitude (AAC, Amplitude-Amplitude Coupling ) and phase coupling algorithms (PPC, Phase-Phase Coupling). Subsequently, the following measures were used to characterize the functional neural network: connectivity Strength (CS), efficiency, and modularity. spa info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-nd/4.0/ Attribution-NonCommercial-NoDerivatives 4.0 Internacional Nuevos métodos de caracterización de la actividad neuronal para caracterizar la progresión de la enfermedad de Alzheimer mediante redes multicapa info:eu-repo/semantics/bachelorThesis