BRAIN Team FBME

BRAIN Team FBME
Biosignal Recognition & Artificial Inteligence in Neuroscience
 

Výzkumný tým se v současné době zabývá především zpracováním a analýzou EEG záznamů. Měření elektrické aktivity mozku se v klinické praxi využívá jako metoda diagnostická. Používá se například při detekci epilepsie, při analýze spánkových stavů a konsolidace paměti. Vedle klinické praxe se EEG zpracovává a hodnotí v oblasti výzkumné. Výzkumná oblast si žádá další metody analýzy signálu například pro skupinová měření. Výzkumný tým se zabývá zpracováním a analýzou lidského i animálního EEG.

 

KDO JSME?
 

Náš výzkumný tým je zaměřen na základní i aplikovaný výzkum metod a procesů pro analýzu EEG u animálních i lidských subjektů.  

Doc. Ing. Vladimír Krajča, CSc.: Má prakticky orientovaný základ ve výzkumu a vývoji originálních systémů a metodologie pro počítačem podporované zpracování a analýzu biologických signálů včetně implementace v klinické praxi.

Ing. Václava Piorecká: Zabývá se analýzou animálních záznamů a tvorbou modalit pro hodnocení skupinových měření u experimentů na zvířatech.

Ing. Marek Piorecký: Zabývá se klasifikací EEG záznamů pomocí neučících se klasifikátorů na bázi hustoty. Podílí se na simultánním měření EEG-fMRI, včetně zpracování a analýzy záznamů.

Ing. Hana Schaabová: Zabývá se analýzou EEG signálů pomocí algoritmů umělé inteligence, například s cílem pomoci lékařům se zpracováním dlouhodobých epileptických EEG záznamů.

Ing. Jan Štrobl: Zabývá se odstraněním artefaktů převážně z dlouhodobého EEG záznamu. Dále se zaměřuje na simultánní nahrávání EEG a fMRI a inverzní úlohou na mozku potkanů.

Kontaktní osoba:

Ing. Václava Piorecká: vaclava.piorecka@fbmi.cvut.cz

 

KDO FINANCUJE NÁŠ VÝZKUM

Projekty ČVUT

• SGS14/100/OHK4/1T/17, Využití metod vícekanálové adaptivní segmentace pro zpracování EEG signálu

• SGS15/229/OHK4/3T/17, Modulární hierarchický systém pro podporu analýzy EEG

 

GAČR

• GAČR 2017, Časový kontext v úloze analýzy dlouhodobého nestacionárního vícerozměrného signálu

 

PROJEKTY PRO STUDENTY

• Analýza příznaků automatické klasifikace EEG záznamů za pomoci algoritmu k-NN

• Porovnání klasických a fuzzy algoritmů pro klasifikaci EEG segmentů

• Příznakově orientované metody klasifikace

• Metody PCA analýzy pro zpracování biologických signálů

• Metody ICA analýzy pro zpracování biologických signálů

VYBRANÉ PUBLIKACE

 • M. Bares, M. Brunovsky, M. Kopecek, T. Novak, P. Stopkova, J. Kozeny, P. Sos, V. Krajca, C. Höschl. Early reduction in prefrontal theta QEEG cordance value predicts response to venlafaxine treatment in patients with resistant depressive disorder. European Psychiatry. 23, 5, pp 350-355, 2008. (51 citací), IF 3.912.

• Krajča V., Petránek S., Patáková I., Värri A., Automatic identificaton of significant graphoelements in multichannel EEG recordings by adaptive segmentation and fuzzy clustering, Int. J. Biomed.Comput.,28 (1991) pp.71-89. (49 citací), IF 0.446.

• Horacek J, Brunovsky M, Novak T,Skrdlantova L, Klirova M., Bubenikova V., Krajca V. Tislerova B., Kopecek M., Spaniel F., Mohr P., Hoschl C. Effect of low-frequency rTMS on electromagnetic tomography (LORETA) and regional brain metabolism (PET) in schizophrenia patients with auditory hallucinations. Neuropsychobiology 55 (3-4): 132-142 2007, (47 citací), IF 1.763.

• Bares M, Novak T, Brunovsky M, Kopecek M, Stopkova P, Krajca V, Höschl C. The change of QEEG prefrontal cordance as a response predictor to antidepressive intervention in bipolar depression. A pilot study. Journal of Psychiatric Research 46 (2012), 219-225. (32 citací) IF 4.664.

• Brunovský M., Matoušek M., Edman A., Červená K., Krajča V., Objective assessment of the degree of dementia by means of EEG, Neuropsychobiology 2003; 48: 19-26. (30 citací), IF 1.479.

 • Witte H., Eiselt M., Patakova I., Petranek S., Griessbach H., Krajca V., Rother M., Use of discrete Hilbert transformation for automatic spike mapping : a methodological investigation, Medical and Biological Eng. & Computing, 1991, 29 ,242-248. (28 citací), IF. 1.004.

• Paul K., Krajča V., Roth Z., Melichar J., Petránek S., Comparison of quantitative EEG characteristics of quiet and active sleep in newborns, Sleep Medicine 4, (2003), pp. 543-552. (25 citací), IF 2.711.

• T Páleníček, M. Fujáková, M. Brunovský,M. Balíková, Jiří Horáček, I. Gorman , F.Tylš , B. Tišlerová, P. Šoš, V. Bubeníková-Valešová, C. Höschl ,V. Krajča. Electroencephalographic Spectral and Coherence Analysis of Ketamine in Rats: Correlation with Behavioral Effects and Pharmacokinetics. Neuropsychobiology 2011;63:202–218. (24 citací) IF. 2.147.

• Zima M., Tichavský P, Paul K, and KrajčaV. Robust removal of short-duration artifacts in long neonatal EEG recordings using wavelet-enhanced ICA and adaptive combining of tentative reconstructions. Physiological Measurement vol. 33, 8, pp.39-49, 2012. (15 citací), IF 1.677.

• V. Gerla, K. Paul, L. Lhotska, and V. Krajca. Multivariate Analysis of Full-Term Neonatal Polysomnographic Data. IEEE Transaction on Information Technology in Biomedicine, vol .13, no.1,pp. 104-110 (2009) (15 citací), IF 1.694.

 

S KÝM SPOLUPRACUJEME

• Národní ústav duševního zdraví

• Nemocnice Na Bulovce

• Český ústav informatiky, robotiky a kybernetiky