Estudi GPGPU dedicat al processament de neuroimatges

La tecnologia GPGPU permet paral∙lelitzar càlculs executant operacions aritmètiques en els múltiples processadors de que disposen els xips gràfics. S'ha fet servir l'entorn de desenvolupament CUDA de la companyia NVIDIA, que actualment és la solució GPGPU més avançada del mercat. L'algorisme de neuroimatge implementat pertany a un estudi VBM desenvolupat amb l'eina SPM. Es tracta concretament del procés de segmentació d'imatges de ressonància magnètica cerebrals, en els diferents teixits dels quals es composa el cervell: matèria blanca, matèria grisa i líquid cefaloraquidi. S'han implementat models en els llenguatges Matlab, C i CUDA, i s'ha fet un estudi comparatiu per plataformes hardware diferents.

Bases genètiques de la malformació de Chiari

La Malformació de Chiari tipus I (MCI) ha estat definida tradicionalment com la herniació de les amígdales cerebel•loses d’almenys 5mm, a través del forat mange. En general, els símptomes es posen de manifest durant la segona o tercera dècada de vida, tot i que s’han descrit casos pediàtrics. Donada la complexitat del quadre clínic, per realitzar un diagnòstic adient es requereix avaluació clínica i estudi de neuroimatge. La tècnica de preferència és la ressonància magnètica d’imatge, considerant-se actualment com a pacients de MCI aquells que presenten un descens de les amígdales superior a 3mm per sota del forat magne. L'existència de casos asimptomàtics dificulta establir una prevalença concreta, però s’ha estimat que podria estar entre 1/1000 a 1/5000 sent major en dones que en homes (2:1 aproximadament). Fins el moment, es desconeix l’etiologia de la malaltia però la hipòtesi més acceptada és que MCI és deguda al desenvolupament insuficient del mesoderm paraxial. Diferents estudis realitzats fins el moment evidencien que almenys, un subgrup de pacients amb MCI són deguts a contribució genètica: 1) casos d’agregació familiar amb afectes en tres generacions; 2) estudis de bessons 3) associació amb síndromes genètics coneguts amb herència mendeliana produïts per anomalies óssies que donen suport a la hipòtesi de la insuficiència del mesoderm com a causa de MCI. Davant l’evidència clara d’un component genètic com a principal causant de l’etiologia de MCI, l’objectiu del projecte va ser la identificació de les bases genètiques de la MCI, tant en gens responsables de les formes mendelianes com en gens responsables de les formes complexes de MCI mitjançant dues estratègies: 1-Identificació de variants genètiques de susceptibilitat en pacients amb MCI mitjançant estudis d’associació de tipus cas-control. 2-Anàlisi genètic de formes monogèniques mitjançant l’anàlisi de lligament a marcardors polimòrfics i la seqüenciació del DNA a gran escala.

EEG windowed statistical wavelet scoring for evaluation and discrimination of muscular artifacts

EEG recordings are usually corrupted by spurious extra-cerebral artifacts, which should be rejected or cleaned up by the practitioner. Since manual screening of human EEGs is inherently error prone and might induce experimental bias, automatic artifact detection is an issue of importance. Automatic artifact detection is the best guarantee for objective and clean results. We present a new approach, based on the time–frequency shape of muscular artifacts, to achieve reliable and automatic scoring. The impact of muscular activity on the signal can be evaluated using this methodology by placing emphasis on the analysis of EEG activity. The method is used to discriminate evoked potentials from several types of recorded muscular artifacts—with a sensitivity of 98.8% and a specificity of 92.2%. Automatic cleaning ofEEGdata are then successfully realized using this method, combined with independent component analysis. The outcome of the automatic cleaning is then compared with the Slepian multitaper spectrum based technique introduced by Delorme et al (2007 Neuroimage 34 1443–9).