Background - Brain networks have not been systematically investigated yet in most neurological disorders. Purpose - To investigate EEG functional connectivity (EEGfC) networks in 14 neurological disorders. Patients - Potentially eligible patients were collected from clinical and EEG databases. All the available clinical data and EEG records were critically revised. All the patients who suffered of a single neurological disorder (out of the 14) and had a good quality EEG recording entered the study. Confoundig factors as comorbidity and CNS-active drug effects were eliminated as far as possible. EEG analysis - Three minutes of resting-state, waking EEG activity were selected for analysis. Current source density (CSD) values were computed for 2394 cortical voxels by Low Resolution Electromagnetic Tomography (LORETA). Thereafter, Pearson correlation coefficients were computed between all pairs of 23 cortical regions of interest (ROI) in each hemisphere (LORETA Source Correlation, LSC software). Computation was carried out for conventional EEG broad bands and very narrow bands (1 Hz bandwidth) between 1 and 25 Hz as well. Correlation coefficients of each group were statistically compared to our normative EEG (LSC) database by two-talied t-tests. Bonferroni-corrected p<0.05 values were accepted as statistically significant, and were graphically displayed as topographical networks. Results and conclusion - Group-specific networks were demonstrated. However, non-specific networks, charasteristic for most groups, were detected as well. Common finding were: decreased connectivity in the alpha band and increased connectivity in the delta, theta bands and upper-beta band. Decreased alpha-band connectivity presumably reflected primary lesional effects and on the other hand, non-specific vulnerability of "rich club connections". Increased connectivity in the slow bands presumably indicated adaptive-compensatory activity of brain homeostasis.
Bevezetés - Az agyi betegségek nagy részében eddig nem kutatták módszeresen az agyi hálózati működést. Célkitűzés - EEG funkcionális konnektivitás (EEGfC) -vizsgálata 14 neurológiai betegségben. Betegek - Klinikai és EEG-adatbázisokból a 14 betegcsoport valamelyikébe sorolható betegeket és úgynevezett rutin-EEG-felvételeiket gyűjtöttünk. A klinikai adatok és az EEG-k revíziója után azon betegek EEG-felvételeit elemeztük, akikben a vizsgálni kívánt betegség mellett jelentős komorbiditás, gyógyszerhatás nem volt. EEG-elemzés - A nyugalmi-ébrenléti állapotot tükröző EEG-tevékenységből betegenként összesen 3 percet elemeztünk. Low Resolution Electromagnetic Tomography (LORETA) program segítségével áramforrás-sűrűséget (current source density, CSD) számítottunk 2394 voxelben. Az egy voxelben előálló CSD-értékek idősorai között Pearson-korrelációt számítottunk. Adatösszevonás után féltekénként 23 agykérgi régió egymás közti korrelációját vizsgáltuk a jobb és bal féltekén belül, a LORETA Source Correlation (LSC) szoftver segítségével. A számításokat 1-25 Hz között, a hagyományos EEG-frekvenciasávokban és 1 Hz szélességű sávokban végeztük. Az egyes kapcsolatok erősségét saját normatív adatbázisunk (kontrollcsoport) ugyanígy előállított LSC-adataival hasonlítottuk össze (t-tesztek). A Bonferroni szerint korrigált p<0,05 értékeket statisztikailag szignifikánsnak vettük, és hálózatok formájában ábrázoltuk. Eredmények és következtetés - Csoportspecifikus mintákat, továbbá a vizsgált csoportokra nézve közös hálózati mintákat találtunk. Az a-sávban alulkapcsoltság, a d-θ sávban és a felső b-sávban túlkapcsoltság volt a leggyakoribb lelet. Az a-sávban észlelt alulkapcsoltság részben primer laesiós eredetűnek tűnt, részben a „rich club connections” nem specifikus sérülékenységéről árulkodott. A lassú sávokban észlelt túlkapcsoltság feltehetően az agyi homeosztázis adaptív-kompenzáló működésének jele.
Keywords: EEG; network; neurological disorders.