Asadi, Borhan
Herrero Gallego, Pablo (dir.)
Universidad de Zaragoza,
2025
Resumen: Esta tesis doctoral se centra en la investigación y análisis de la función neuromuscular en pacientes con accidente cerebrovascular mediante la integración de datos de electroencefalografía (EEG) y de imágenes de ultrasonido muscular. El objetivo principal de esta investigación fue comprender cómo el accidente cerebrovascular afecta tanto la conectividad estructural del cerebro como el estado del tejido muscular, e identificar biomarcadores confiables que puedan apoyar la evaluación clínica y las estrategias de rehabilitación.
La investigación se llevó a cabo en cinco estudios interrelacionados. El primer estudio fue un estudio de caso diseñado para explorar los efectos de la punción seca en la estructura de la red cerebral de un paciente con accidente cerebrovascular. Utilizando registros de EEG y técnicas de análisis de redes complejas, el estudio demostró que la punción seca puede inducir cambios significativos en la arquitectura de la red cerebral. Esto sugiere una posible respuesta neuroplástica desencadenada por la intervención, lo que destaca la capacidad del cerebro para reorganizarse estructuralmente incluso en fases crónicas del ictus.
El segundo estudio fue una revisión sistemática cuyo objetivo fue sintetizar la literatura existente sobre la organización de las redes cerebrales en pacientes con accidente cerebrovascular. Al analizar estudios que utilizaron EEG y métricas de conectividad funcional, esta revisión reveló que la topología de las redes cerebrales puede variar considerablemente entre los sobrevivientes de un accidente cerebrovascular.
Estas variaciones estaban influenciadas por factores como la localización de la lesión, la gravedad del accidente cerebrovascular y el tiempo transcurrido desde el evento. El estudio subrayó la importancia del análisis de redes individualizado para comprender la dinámica cerebral post-ictus.
En el tercer estudio, el enfoque se desplazó del cerebro al sistema muscular, específicamente al músculo gastrocnemio, utilizando imágenes de ultrasonido en modo B. El objetivo fue identificar un posible biomarcador dentro de estas imágenes que pudiera reflejar el grado de afectación muscular debido al accidente cerebrovascular. El estudio introdujo y validó la "Ecovariación"—una medida de la variabilidad de la intensidad de los píxeles—como un prometedor biomarcador cuantitativo. Se encontró una fuerte correlación entre la Ecovariación y la escala de Heckmatt, un sistema clínico de evaluación del cambio en el tejido muscular. Esto indicó que la Ecovariación podría servir como un indicador objetivo basado en imágenes de la disfunción neuromuscular en pacientes con accidente cerebrovascular.
Sobre la base de estos hallazgos, el cuarto estudio tuvo como objetivo refinar y validar los modelos predictivos desarrollados en el tercer estudio. Se construyeron dos modelos, uno basado en la Ecovariación y otro en la Ecointensidad. Ambos modelos mostraron un buen rendimiento en la estimación del daño muscular, aunque el modelo basado en la Ecovariación demostró mayor precisión y correlación con las evaluaciones clínicas, reforzando el valor de la Ecovariación como herramienta confiable para la evaluación muscular.
El quinto y último estudio introdujo un enfoque innovador de análisis de imágenes basado en la segmentación por parches. Este método consistió en dividir las imágenes de ultrasonido en parches pequeños y consistentes para su análisis por separado. Los resultados mostraron que este análisis por parches podía detectar variaciones locales significativas en la Ecovariación, aumentando así la sensibilidad a cambios sutiles en el músculo. Curiosamente, esta técnica no mostró cambios significativos en la Ecointensidad, lo que sugiere que la Ecovariación es más sensible a alteraciones estructurales localizadas.
En conclusión, esta tesis presenta un enfoque integral para comprender los cambios inducidos por el accidente cerebrovascular tanto en el cerebro como en los sistemas musculares. A través de la integración del análisis de redes basado en EEG y de técnicas avanzadas de imagen por ultrasonido, se introducen métodos cuantitativos novedosos para la evaluación de la disfunción neuromuscular. Estos hallazgos contribuyen al campo en expansión de la neurorrehabilitación, ofreciendo nuevas herramientas para el diagnóstico, monitoreo y planificación del tratamiento en la recuperación post-ictus.
Resumen (otro idioma): This PhD dissertation focuses on the investigation and analysis of neuro-muscular function in stroke patients through the integration of electroencephalography (EEG) data and muscle ultrasound imaging. The primary aim of this research was to understand how stroke impacts both the brains structural connectivity and the condition of muscle tissue, and to identify reliable biomarkers that can support clinical evaluation and rehabilitation strategies. The research was carried out in five interconnected studies. The first study was a case study designed to explore the effects of dry needling on brain network structure in a stroke patient. Using EEG recordings and complex network analysis techniques, the study demonstrated that dry needling could induce significant changes in the brain's network architecture. This suggested a potential neuroplastic response triggered by the intervention, highlighting the brains capacity for structural reorganization even in chronic stroke phases. The second study was a systematic review aimed at synthesizing existing literature on brain network organization in stroke patients. By analyzing studies that used EEG and functional connectivity metrics, this review revealed that brain network topology can vary significantly among stroke survivors. These variations were influenced by factors such as lesion location, severity of the stroke, and time since onset. The study underscored the importance of individualized network analysis for understanding post-stroke brain dynamics. In the third study, the focus shifted from the brain to the muscle system, specifically the gastrocnemius muscle, using B-mode ultrasound images. The goal was to identify a potential biomarker within these images that could reflect the degree of muscle involvement due to stroke. The study introduced and validated "Echovariation" a measure of pixel intensity variability, as a promising quantitative biomarker. A strong correlation was found between Echovariation and the Heckmatt scale, a clinical grading system for muscle tissue changes. This indicated that Echovariation could serve as an objective, image-based indicator of neuromuscular impairment in stroke patients. Building on these findings, the fourth study aimed to refine and validate predictive models developed from the third study. Two models were constructed based on Echovariation and Echointensity, respectively. Both models demonstrated strong performance in estimating muscle damage, but the Echovariation-based model showed superior accuracy and correlation with clinical assessments. This reinforced the role of Echovariation as a reliable tool for muscle evaluation. The fifth and final study introduced an innovative image analysis approach based on patch-based segmentation. This method involved dividing ultrasound images into smaller, consistent patches for separate analysis. The findings revealed that patch-based analysis could detect significant local variations in Echovariation, thereby enhancing sensitivity to subtle muscle changes. Interestingly, this technique did not produce meaningful changes in Echointensity, suggesting that Echovariation is more responsive to localized structural alterations. In conclusion, this thesis presents a comprehensive approach to understanding stroke-induced changes in both brain and muscle systems. Through the integration of EEG-based network analysis and advanced ultrasound imaging techniques, it introduces novel, quantitative methods for assessing neuro-muscular dysfunction. These findings contribute to the growing field of neurorehabilitation by offering new tools for diagnosis, monitoring, and treatment planning in stroke recovery.
La investigación se llevó a cabo en cinco estudios interrelacionados. El primer estudio fue un estudio de caso diseñado para explorar los efectos de la punción seca en la estructura de la red cerebral de un paciente con accidente cerebrovascular. Utilizando registros de EEG y técnicas de análisis de redes complejas, el estudio demostró que la punción seca puede inducir cambios significativos en la arquitectura de la red cerebral. Esto sugiere una posible respuesta neuroplástica desencadenada por la intervención, lo que destaca la capacidad del cerebro para reorganizarse estructuralmente incluso en fases crónicas del ictus.
El segundo estudio fue una revisión sistemática cuyo objetivo fue sintetizar la literatura existente sobre la organización de las redes cerebrales en pacientes con accidente cerebrovascular. Al analizar estudios que utilizaron EEG y métricas de conectividad funcional, esta revisión reveló que la topología de las redes cerebrales puede variar considerablemente entre los sobrevivientes de un accidente cerebrovascular.
Estas variaciones estaban influenciadas por factores como la localización de la lesión, la gravedad del accidente cerebrovascular y el tiempo transcurrido desde el evento. El estudio subrayó la importancia del análisis de redes individualizado para comprender la dinámica cerebral post-ictus.
En el tercer estudio, el enfoque se desplazó del cerebro al sistema muscular, específicamente al músculo gastrocnemio, utilizando imágenes de ultrasonido en modo B. El objetivo fue identificar un posible biomarcador dentro de estas imágenes que pudiera reflejar el grado de afectación muscular debido al accidente cerebrovascular. El estudio introdujo y validó la "Ecovariación"—una medida de la variabilidad de la intensidad de los píxeles—como un prometedor biomarcador cuantitativo. Se encontró una fuerte correlación entre la Ecovariación y la escala de Heckmatt, un sistema clínico de evaluación del cambio en el tejido muscular. Esto indicó que la Ecovariación podría servir como un indicador objetivo basado en imágenes de la disfunción neuromuscular en pacientes con accidente cerebrovascular.
Sobre la base de estos hallazgos, el cuarto estudio tuvo como objetivo refinar y validar los modelos predictivos desarrollados en el tercer estudio. Se construyeron dos modelos, uno basado en la Ecovariación y otro en la Ecointensidad. Ambos modelos mostraron un buen rendimiento en la estimación del daño muscular, aunque el modelo basado en la Ecovariación demostró mayor precisión y correlación con las evaluaciones clínicas, reforzando el valor de la Ecovariación como herramienta confiable para la evaluación muscular.
El quinto y último estudio introdujo un enfoque innovador de análisis de imágenes basado en la segmentación por parches. Este método consistió en dividir las imágenes de ultrasonido en parches pequeños y consistentes para su análisis por separado. Los resultados mostraron que este análisis por parches podía detectar variaciones locales significativas en la Ecovariación, aumentando así la sensibilidad a cambios sutiles en el músculo. Curiosamente, esta técnica no mostró cambios significativos en la Ecointensidad, lo que sugiere que la Ecovariación es más sensible a alteraciones estructurales localizadas.
En conclusión, esta tesis presenta un enfoque integral para comprender los cambios inducidos por el accidente cerebrovascular tanto en el cerebro como en los sistemas musculares. A través de la integración del análisis de redes basado en EEG y de técnicas avanzadas de imagen por ultrasonido, se introducen métodos cuantitativos novedosos para la evaluación de la disfunción neuromuscular. Estos hallazgos contribuyen al campo en expansión de la neurorrehabilitación, ofreciendo nuevas herramientas para el diagnóstico, monitoreo y planificación del tratamiento en la recuperación post-ictus.
Resumen (otro idioma): This PhD dissertation focuses on the investigation and analysis of neuro-muscular function in stroke patients through the integration of electroencephalography (EEG) data and muscle ultrasound imaging. The primary aim of this research was to understand how stroke impacts both the brains structural connectivity and the condition of muscle tissue, and to identify reliable biomarkers that can support clinical evaluation and rehabilitation strategies. The research was carried out in five interconnected studies. The first study was a case study designed to explore the effects of dry needling on brain network structure in a stroke patient. Using EEG recordings and complex network analysis techniques, the study demonstrated that dry needling could induce significant changes in the brain's network architecture. This suggested a potential neuroplastic response triggered by the intervention, highlighting the brains capacity for structural reorganization even in chronic stroke phases. The second study was a systematic review aimed at synthesizing existing literature on brain network organization in stroke patients. By analyzing studies that used EEG and functional connectivity metrics, this review revealed that brain network topology can vary significantly among stroke survivors. These variations were influenced by factors such as lesion location, severity of the stroke, and time since onset. The study underscored the importance of individualized network analysis for understanding post-stroke brain dynamics. In the third study, the focus shifted from the brain to the muscle system, specifically the gastrocnemius muscle, using B-mode ultrasound images. The goal was to identify a potential biomarker within these images that could reflect the degree of muscle involvement due to stroke. The study introduced and validated "Echovariation" a measure of pixel intensity variability, as a promising quantitative biomarker. A strong correlation was found between Echovariation and the Heckmatt scale, a clinical grading system for muscle tissue changes. This indicated that Echovariation could serve as an objective, image-based indicator of neuromuscular impairment in stroke patients. Building on these findings, the fourth study aimed to refine and validate predictive models developed from the third study. Two models were constructed based on Echovariation and Echointensity, respectively. Both models demonstrated strong performance in estimating muscle damage, but the Echovariation-based model showed superior accuracy and correlation with clinical assessments. This reinforced the role of Echovariation as a reliable tool for muscle evaluation. The fifth and final study introduced an innovative image analysis approach based on patch-based segmentation. This method involved dividing ultrasound images into smaller, consistent patches for separate analysis. The findings revealed that patch-based analysis could detect significant local variations in Echovariation, thereby enhancing sensitivity to subtle muscle changes. Interestingly, this technique did not produce meaningful changes in Echointensity, suggesting that Echovariation is more responsive to localized structural alterations. In conclusion, this thesis presents a comprehensive approach to understanding stroke-induced changes in both brain and muscle systems. Through the integration of EEG-based network analysis and advanced ultrasound imaging techniques, it introduces novel, quantitative methods for assessing neuro-muscular dysfunction. These findings contribute to the growing field of neurorehabilitation by offering new tools for diagnosis, monitoring, and treatment planning in stroke recovery.
Pal. clave: neurociencias ; ciencias clínicas ; neurología ; ultrasonidos
Titulación: Programa de Doctorado en Ciencias de la Salud y del Deporte
Plan(es): Plan 496
Área de conocimiento: Ciencias de la Salud
Nota: Presentado: 29 10 2025
Nota: Tesis-Univ. Zaragoza, , 2025
Aportación del TFG/M a la Sostenibilidad: Garantizar una vida saludable y promover el bienestar para todos y todas en todas las edades
Enlace permanente:
Visitas y descargas
Registro creado el 2025-12-02, última modificación el 2025-12-02
