Computationale Neurologie
Christian Meisel
Die Arbeitsgruppe Computationale Neurologie entwickelt theorie- und datengestützte Methoden mit dem Ziel, ein umfassenderes Verständnis neurologischer Systemfunktion zu erzielen. Neben dem generellen Ziel einer mehr quantitativ geprägten Neurologie, soll dieser Ansatz zu einem objektiveren, echtzeitfähigen Monitoring mit kontinuierlicher Risikobewertung beitragen und darauf basierend proaktive Therapieansätze in Epilepsie, Intensivmedizin und anderen Bereichen ermöglichen.
Dafür nutzen wir multimodale Zeitreihen-Daten aus dem gesamten Gesundheits-Krankheits-Kontinuum, darunter Daten von Wearables, Neuromonitoring, Video und EEG.
Einen ersten Schwerpunkt bildet die Datenanalytik während des stationären Monitorings. Im Rahmen des Data Warehouse Concepts entwickeln wir computationale Methoden zum Echtzeit-Monitoring und zur Prädiktion von Zustandsverschlechterungen auf Intensivstation und Stroke-Unit.
Einen zweiten Schwerpunkt bildet das ambulante Langzeit-Monitoring mit Wearables. Neuere Entwicklungen im Bereich ambulanter Sensorik in Verbindung mit methodischen Fortschritten bei der multimodalen Datenanalyse (maschinelles Lernen, Cloud-basierte Analytik) bieten Möglichkeiten einer verbesserten Diagnostik durch kontinuierliches Langzeitmonitoring im gewohnten, häuslichen Umfeld und automatisierte, computationale Datenauswertung. - Gegenwärtig untersuchen wir, inwieweit Wearables ein objektiveres Erfassen des klinischen Zustands von Epilepsiepatienten und Detektion beziehungsweise Antizipation epileptischer Anfälle ermöglichen.
Als dritten Schwerpunkt untersuchen wir die Relevanz von Ansätzen dynamischer Systeme zum Verständnis von kortikaler Netzwerkaktivität, darunter insbesondere die Hypothese kritischer Hirnaktivität.
Akkordeon
Publikationen
Low-frequency electrical stimulation reduces cortical excitability in the human brain
F. Manzouri, C. Meisel, L. Kunz, M. Dümpelmann, T. Stieglitz, A. Schulze-Bonhage
Brain Stimulation (submitted)
Machine learning from wristband sensor data for wearable, non-invasive seizure forecasting
C. Meisel, R. El Atrache, M. Jackson, S. Schubach, C. Ufongene, T. Loddenkemper
Epilepsia (under review), arXiv:1906.00511
Video-based detection of GTCSs using deep learning
Y. Yang, R. Sarkis, R. El Atrache, T. Loddenkemper, C. Meisel
IEEE (under review)
Implementation of an open communication platform for seizure forecasting into electronic seizure diaries: A technical report
S. Chiang, R. Moss, J. Bidwell, C. Meisel, T. Loddenkemper
JAMIA (under review)
Identifying markers of the preictal period in wristband sensor data with seizure surrogat data testing
S. Vieluf, R. El Atrache, M. Jackson, C. Reinsberger, T. Loddenkemper, C. Meisel
Scientific Reports (in print)
Controversies on the network theory of epilepsy: Debates held during the ICTALS 2019 conference
H. Zaveri, B. Schelter, C.A. Schevon, P. Jiruska, J. Jeffreys, G. Worrell, A. Schulze-Bonhage, R. Joshi, V. Jirsa, M. Goodfellow, C. Meisel, K. Lehnertz
Seizure: European Journal of Epilepsy. DOI: 10.1016/j.seizure.2020.03.010 (2020)
Antiepileptic drugs induce subcritical dynamics in human cortical networks
C. Meisel
Proc Natl Acad Sci USA; DOI: 10.1073/pnas.1911461117 (2020)
Critical slowing down as a biomarker for seizure susceptibility
M. Maturana, C. Meisel, et al.
Nature Communications; DOI: 10.1038/s41467-020-15908-3 (2020)