008170329s2016                                          c    eng  d
■001CHIMSIN00470104
■00520170418113843
■020    ▼a9781339498805
■035    ▼a(UMI)AAI10016920
■040    ▼aUMI▼cUMI▼dPQKOR
■08204▼a155▼222
■090    ▼aPh.D.
■1001  ▼aBosl,  William  Joseph.
■24510▼aInformatics  for  EEG  biomarker  discovery  in  clinical  neuroscience▼h[e-book]
■260    ▼aAnn  Arbor,  MI▼bUMI  Dissertations  Publishing▼c2016
■300    ▼a213  p
■500    ▼aAdvisers:  Marcel  Kinsbourne;  Marlene  Oscar-Berman.
■5021  ▼aThesis  (Ph.D.)▼bBoston  University▼d2016.
■520    ▼aNeurological  and  developmental  disorders  (NDDs)  impose  an  enormous  burden  of  disease  on  children  throughout  the  world.  Two  of  the  most  common  are  autism  spectrum  disorder  (ASD)  and  epilepsy.  ASD  has  recently  been  estimated  to  affect  1  in  68  children,  making  it  the  most  common  neurodevelopmental  disorder  in  children.  Epilepsy  is  also  a  spectrum  disorder  that  follows  a  developmental  trajectory,  with  an  estimated  prevalence  of  1%,  nearly  as  common  as  autism.  ASD  and  epilepsy  co-occur  in  approximately  30%  of  individuals  with  a  primary  diagnosis  of  either  disorder.  Although  considered  to  be  different  disorders,  the  relatively  high  comorbidity  suggests  the  possibility  of  common  neuropathological  mechanisms.
■520    ▼aEarly  interventions  for  NDDs  lead  to  better  long-term  outcomes.  But  early  intervention  is  predicated  on  early  detection.  Behavioral  measures  have  thus  far  proven  ineffective  in  detecting  autism  before  about  18  months  of  age,  in  part  because  the  behavioral  repertoire  of  infants  is  so  limited.  Similarly,  no  methods  for  detecting  emerging  epilepsy  before  seizures  begin  are  currently  known.  Because  atypical  brain  development  is  likely  to  precede  overt  behavioral  manifestations  by  months  or  even  years,  a  critical  developmental  window  for  early  intervention  may  be  opened  by  the  discovery  of  brain  based  biomarkers.
■520    ▼aAnalysis  of  brain  activity  with  EEG  may  be  under-utilized  for  clinical  applications,  especially  for  neurodevelopment.  The  hypothesis  investigated  in  this  dissertation  is  that  new  methods  of  nonlinear  signal  analysis,  together  with  methods  from  biomedical  informatics,  can  extract  information  from  EEG  data  that  enables  detection  of  atypical  neurodevelopment.  This  is  tested  using  data  collected  at  Boston  Children's  Hospital.  Several  results  are  presented.  First,  infants  with  a  family  history  of  ASD  were  found  to  have  EEG  features  that  may  enable  autism  to  be  detected  as  early  as  9  months.  Second,  significant  EEG-based  differences  were  found  between  children  with  absence  epilepsy,  ASD  and  control  groups  using  short  30-second  EEG  segments.  Comparison  of  control  groups  using  different  EEG  equipment  supported  the  claim  that  EEG  features  could  be  computed  that  were  independent  of  equipment  and  lab  conditions.  Finally,  the  potential  for  this  technology  to  help  meet  the  clinical  need  for  neurodevelopmental  screening  and  monitoring  in  low-income  regions  of  the  world  is  discussed.
■650  4▼aNeurosciences
■650  4▼aDevelopmental  psychology
■650  4▼aBiophysics
■71020▼aBoston  University▼bBehavioral  Neuroscience.
■793    ▼aEnglish
■85640▼uKTLA/2016/10016920.pdf