i

ABSTRAK

KARAKTERISASI CITRA BRAIN ECVT DAN SINYAL EEG

PADA PENDERITA MILD ALZHEIMER’S DISEASE

UNTUK DETEKSI DINI ALZHEIMER

Oleh

Nita Handayani

NIM : 30213002

(Program Studi Doktor Fisika)

Alzheimer’s Disease (AD) merupakan penyakit neurodegeneratif progresif yang

ditandai dengan menurunnya fungsi memori dan kemampuan kognitif. Penyakit

Alzheimer disebabkan karena kerusakan neuron akibat adanya akumulasi plak

beta amyloid (A) dan neurofibrillary tangles (NFTs) di dalam neuron. Kondisi ini menyebabkan transmisi sinyal kelistrikan dalam otak menjadi terhambat dan

terjadi perubahan tingkat kompleksitas serta ketidakteraturan sinyal otak. Sinyal

otak merupakan sinyal biologis yang bersifat non-stasioner, memiliki

kompleksitas yang tinggi dan berperilaku dinamis. Deteksi dini AD sangat

penting agar ketika muncul gejala AD dapat segera diberikan pengobatan dan

terapi yang tepat. Salah satu biomarker yang digunakan untuk mendeteksi AD

adalah functional neuroimaging berbasis pengukuran sinyal elektrofisiologi.

Contoh modalitas functional neuroimaging yang menggunakan prinsip

elektrofisiologi adalah Brain ECVT dan EEG. Kedua modalitas tersebut memiliki

kesamaan dalam hal sifatnya yang non-radiatif, non-invasif, mobile dan murah,

sehingga sangat potensial digunakan untuk melakukan screening potensi AD pada

populasi yang besar. Oleh karena itu, tujuan dari penelitian ini adalah melakukan

observasi abnormalitas fungsional otak pada penderita AD sehingga diperoleh

karakteristik aktivitas kelistrikan otak berdasarkan citra Brain ECVT dan sinyal

EEG sebagai dasar deteksi dini AD.

Penelitian ini terdiri atas dua skema yaitu observasi aktivitas kelistrikan otak

dengan menggunakan Brain ECVT dan analisis Quantitative EEG (QEEG).

Tahapan penelitian Brain ECVT meliputi proses akuisisi data, rekonstruksi citra

dan analisis citra ECVT. Pada penelitian ini, subjek uji terdiri dari 10 penderita

Mild Alzheimer’s Disease (Mild AD) dan 12 subjek lansia normal sebagai kontrol.

Seluruh subjek uji discreening menggunakan MMSE dan MoCA untuk menilai

kemampuan kognitif. Proses perekaman data Brain ECVT dilakukan dengan

sensor 32-elektroda berbentuk helm. Metode rekonstruksi citra yang digunakan

dalam penelitian adalah ILBP (Iterative Linear Back Projection) untuk

memperoleh citra aktivitas cortico-cortical otak dan average substraction untuk

memperoleh citra aktivitas intracranial otak. Perbedaan citra ECVT antara

kelompok Mild AD dan kelompok kontrol dianalisis berdasarkan tiga kriteria citra

yaitu SIE (Spatial Image Error), DE (Distribution Error), dan CC (Correlation

ii

Coefficient) serta uji ekstraksi ciri orde satu. Kolmogorov-Smirnov test, sebuah uji

statistik non-parametrik digunakan untuk membandingkan distribusi grey level

dari dua buah citra secara statistik dengan level signifikansi sebesar 5%.

Berdasarkan hasil analisis kriteria citra diperoleh nilai rata-rata dari SIE, DE dan

CC masing-masing sebesar 12,86%, 3,77% dan 83,21% untuk kelompok Mild AD

serta sebesar 10,42%, 2,80% dan 87,04% untuk kelompok kontrol. Secara

statistik, terdapat perbedaan yang signifikan antara citra ECVT kelompok Mild

AD dan kelompok kontrol terutama pada slice ke-10 sampai dengan slice ke-25.

Skema yang kedua yaitu perekaman aktivitas kelistrikan otak dengan

menggunakan EEG. Tahapan penelitian pada bagian ini meliputi proses

perekaman data, pre-processing sinyal EEG dan analisis data EEG. Metode

QEEG yang digunakan untuk analisis data mencakup FFT dan transformasi

wavelet, analisis spektral daya dengan periodogram Welch, brain mapping

spektral daya, analisis konektivitas fungsional otak serta analisis kompleksitas

sinyal otak. Perekaman data EEG menggunakan Emotiv Epoc 14-elektroda

dengan frekuensi sampling sebesar 128 Hz. Berdasarkan analisis spektral daya,

diperoleh informasi bahwa untuk kondisi rileks (resting state) pada kelompok

Mild AD terjadi peningkatan spektral daya pada pita frekuensi delta (1-4 Hz) dan

theta (4-7 Hz) serta penurunan spektral daya pada pita frekuensi alpha (7-13 Hz)

dan beta (13-30 Hz).

Studi konektivitas fungsional otak dalam penelitian ini menggunakan dua metode

yaitu metode linier (koherensi) dan metode non-linier (sinkronisasi fase). Analisis

koherensi dibagi menjadi dua kategori yaitu koherensi intra-hemisphere dan

koherensi inter-hemisphere. Berdasarkan hasil penelitian, pada kelompok Mild

AD terlihat adanya penurunan koherensi intra-hemisphere terutama pada area

temporo-parieto-occipital dan penurunan koherensi inter-hemisphere pada area

frontal. Hal ini dikarenakan pada penderita Mild AD mengalami penurunan

connectivity cholinergic antara area otak yang berbeda. Selanjutnya analisis fase

sinkronisasi sinyal EEG dilakukan dengan menghitung nilai PLV (Phase Locking

Value) pada area yang terkait dengan long cortico-cortical connection untuk pita

frekuensi tinggi yaitu alpha dan beta. Berdasarkan hasil perhitungan, nilai PLV

pada penderita Mild AD untuk frekuensi beta mengalami penurunan pada semua

elektroda. Hal ini berarti bahwa sinkronisasi sinyal-sinyal EEG melemah sehingga

dapat dikatakan bahwa pada penderita Mild AD mengalami “loss of beta-band

synchronization”.

Metode analisis kompleksitas sinyal EEG menggunakan dua besaran fisis yaitu

LLE (Largest Lapunov Exponent) dan spektral entropi (SpecEn). Otak dianggap

sebagai sistem dinamis yang chaos karena amplitudonya berubah secara random

terhadap waktu. Berdasarkan hasil analisis diperoleh informasi bahwa kelompok

Mild AD memiliki tingkat chaos yang lebih rendah dibandingkan kelompok

kontrol, yang teramati pada elektroda AF3, F7, FC5, P8, T8, F4, F8, dan AF4.

Sedangkan perbedaan nilai spektral entropi teramati pada elektroda P8, F4 dan

AF4. Sehingga dapat dikatakan bahwa sinyal otak penderita Mild AD memiliki

tingkat kompleksitas dan ketidakteraturan yang rendah.

iii

Berdasarkan hasil penelitian, maka dapat disimpulkan bahwa modalitas Brain

ECVT dan EEG dapat digunakan sebagai piranti deteksi dini AD tahap awal.

Kedua modalitas tersebut dapat memberikan gambaran abnormalitas fungsional

otak pada penderita Mild AD secara komprehensif dan bersifat saling melengkapi.

Analisis Brain ECVT menghasilkan citra aktivitas kelistrikan pada area cortico-

cortical dan intracranial sedangkan analisis EEG menghasilkan informasi

perubahan karakteristik sinyal otak pada Mild AD dibandingkan dengan subjek

kontrol.

Kata kunci: Brain ECVT, EEG, Alzheimer’s Disease, sinyal otak, spektral daya,

rekonstruksi citra

v

ABSTRACT

CHARACTERIZATION OF BRAIN ECVT IMAGES AND EEG

SIGNALS IN MILD ALZHEIMER’S DISEASE FOR EARLY

DETECTION OF ALZHEIMER’S

By

Nita Handayani

NIM : 30213002

(Doctoral Program in Physics)

Alzheimer's Disease (AD) is a progressive neurodegenerative disease

characterized by the decreased of memory function and cognitive ability.

Alzheimer's disease is caused by the damage of neurons due to the accumulation

of beta-amyloid plaque (A) and neurofibrillary tangles (NFTs) within the neurons. This condition causes disruption of the electrical signal transmission

process in the brain and changes in the complexity and irregularity of brain

signals. Brain signals are biological signals that are non-stationary, have high

complexity and dynamic behavior. Early detection of AD is very important so that

when AD symptoms appear, it can be immediately given appropriate treatment

and therapy. One of the biomarkers used to detect AD is a functional

neuroimaging based on electrophysiology signal measurements. The examples of

functional brain imaging modalities that use electrophysiology technique are

Brain ECVT and EEG. Both modalities have similarity in terms of non-radiative,

non-invasive, mobile and inexpensive, so it can be used for screening people with

potential AD in large populations. Therefore, the purpose of this study was to

observed the functional abnormalities of the brain in AD to obtain characteristics

of brain electrical activity based on Brain ECVT images and EEG signals as the

basis of early detection of AD.

This research consists of two schemes, that is the observation of brain electrical

activity using Brain ECVT and Quantitative EEG analysis. The research stages of

Brain ECVT include data acquisition process, image reconstruction and ECVT’s

image analysis. In this study, the test subjects were consisted of 10 Mild

Alzheimer's Disease (Mild AD) and 12 normal elderly subjects as controls. All test

subjects were screened using MMSE and MoCA tests to assess their cognitive

abilities. The reconstruction method used in the research is ILBP (Iterative Linear

Back Projection) and average substraction. The differences in ECVT’s images

between the Mild AD groups and the control groups were analyzed based on three

image criteria ie SIE (Spatial Image Error), DE (Distribution Error), and CC

(Correlation Coefficient) and first-order feature extraction test. Kolmogorov-

Smirnov test, a non-parametric statistical test was used to compare gray level

distribution of two images statistically with a significance level of 5%. Based on

the analysis of image criteria, the average value of SIE, DE and CC were 12.86%,

3.77% and 83.21% for the Mild AD group and 10.42%, 2.80% and 87.04%

vi

respectively for the control group. Statistically, there is a significant difference

between the ECVT’s image of the Mild AD group and the control group,

especially in the 10th slice up to the 25th slice.

The second scheme is recording the electrical brain activity using EEG. The

research stages in this section include data recording process, EEG signal pre-

processing and EEG data analysis. Quantitative EEG (QEEG) methods used for

data analysis include FFT and wavelet transform, power spectral analysis with

Welch periodogram, brain mapping of power spectral, functional brain

connectivity and brain signal complexity analyses. EEG’s data recording used the

14-electrodes Emotiv Epoc with a sampling frequency of 128 Hz. Based on the

power spectral analysis, it was found that for the resting state in the Mild AD

group there was an increase of the power spectral in the delta (1-4 Hz) and theta

(4-7 Hz) frequencies and a decrease of the power spectral in the alpha (7- 13 Hz)

and beta (13-30 Hz) frequencies.

The study of functional connectivity of the brain in this research used two methods

namely linear method (coherence) and non-linear method (synchronization

phase). Coherence analysis is divided into two categories which are the intra-

hemisphere and inter-hemisphere coherences. Based on the results of the study, in

the Mild AD group there was a decrease of intra-hemisphere coherence especially

in the temporo-parieto-occipital area and a decrease of inter-hemisphere

coherence in the frontal area. This is due to the decreased of cholinergic

connectivity in the Mild AD between different of brain areas. Furthermore, EEG

signal synchronization analysis is done by calculating the PLV (Phase Locking

Value) in the area associated with long cortico-cortical connection for high

frequency band that is alpha and beta bands. Based on the calculations, PLV in

the Mild AD decreases in all electrode pairs for the beta frequency. This means

that the synchronization of EEG signals was weakened so that it can be said that

the Mild AD has "loss of beta-band synchronization".

The method of analyzing the complexity of EEG signals using two physical

quantities are LLE (Largest Lapunov Exponent) and spectral entropy (SpecEn).

The brain is considered a dynamic system of chaos because its amplitude changes

randomly with time. Based on the analysis results, it was obtained information

that the Mild AD group has a lower chaotic level than the control group, observed

on electrodes AF3, F7, FC5, P8, T8, F4, F8, and AF4. While the difference in the

value of spectral entropy was observed on electrodes P8, F4 and AF4. So it can

be said that brain signals in the Mild AD have a low level of complexity and

irregularity.

Based on the result of this research, it can be concluded that Brain ECVT and

EEG modalities can be used as early detection tool of AD. Both of modalities can

shows the functional abnormalities of the brain in the Mild AD comprehensively

and complement each other. Brain ECVT produces images of electrical activity in

the cortico-cortical and intracranial areas of the brain whereas EEG provides

information on changes in brain signal characteristics in Mild AD compared to

control subjects.