Mobile Brain and Body Imaging: Detecting Early Signs of Dementia with Mobile Brain-Body Imaging (MoBI)

Thumbnail Image

Files

URL

Journal Title

Journal ISSN

Volume Title

Perustieteiden korkeakoulu | Bachelor's thesis
Electronic archive copy is available locally at the Harald Herlin Learning Centre. The staff of Aalto University has access to the electronic bachelor's theses by logging into Aaltodoc with their personal Aalto user ID. Read more about the availability of the bachelor's theses.
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2024-09-27

Department

Major/Subject

Chemical Engineering

Mcode

CHEM3054

Degree programme

Aalto Bachelor’s Programme in Science and Technology

Language

en

Pages

32

Series

Abstract

Dementia is a condition affecting millions of individuals globally in multiple different domains. This condition can result from of several different diseases, of which Alzheimer’s disease accounts for most diagnosed cases. Prior to the transition to dementia, individuals exist in a state known as mild cognitive impairment (MCI) in which they exhibit decline in cognitive function beyond normal aging. Studies have found that signs of onset dementia can be detected from performance decline in various daily activities. Current diagnostic methods do not, however, provide predictive information on the course of the cognitive development. Through technological advancements in different fields, opportunities for new approaches and a more diverse diagnostic platform based on naturalistic conditions have emerged. This state-of-the-art review aims to provide an in-depth overview on mobile brain and body imaging techniques and applications that exhibit a new perspective through machine learning and AI. Moreover, through multimodal data integration and processing the aim is to test and validate the potential of mobile electroencephalography (EEG) systems in detecting early signs of dementia in patients with mild cognitive impairment. Based on the findings of this review, MoBI exhibits potential as a diagnostic tool. However, some limitations remain regarding data privacy and security. Moreover, for further development in this line of research new models for more accurate processing of highly complex data are required.

Dementia on oireyhtymä, joka vaikuttaa miljooniin ihmisiin maailmanlaajuisesti useilla eri tavoilla. Dementiaan voivat johtaa useat eri sairaudet, joista Alzheimerin tauti on useimpien diagnosoitujen dementiatapausten syynä. Ennen dementiaa yksilöt kärsivät lievästä kognitiivisesta heikentymästä (MCI). Tutkimuksissa on havaittu, että merkkejä alkavasta dementiasta voidaan havaita suorituskyvyn heikkenemisestä erilaisissa päivittäisissä toiminnoissa ja askareissa. Tämänhetkiset diagnostiset menetelmät eivät tarjoa tällaista ennustetietoa taudin kehittymisestä. Eri alojen teknologisen kehityksen myötä on syntynyt mahdollisuuksia uusiin lähestymistapoihin ja monipuolisempaan diagnostiikkaan, joka perustuu luonnollisiin olosuhteisiin. Tämän katsauksen tavoitteena on antaa perusteellinen katsaus aivojen ja kehon mobiiliin kuvantamistekniikkaan ja sovelluksiin, jotka tarjoavat uuden näkökulman koneoppimisen ja tekoälyn avulla. Lisäksi multimodaalisen tiedon integroinnin ja käsittelyn avulla pyritään testaamaan ja validoimaan mobiilien EEG-järjestelmien mahdollisuudet havaita dementian varhaisia merkkejä potilailla, jotka kärsivät lievästä kognitiivisesta heikentymästä. Tämän katsauksen tulosten perusteella MoBI:llä on potentiaalia diagnostisena menetelmänä. Tietosuojaan ja tietoturvaan liittyen esiintyy vielä haasteita ja avoimia kysymyksiä. Lisäksi tämän tutkimuslinjan jatkokehittäminen edellyttää uusia malleja erittäin monimutkaisten tietojen tarkempaan käsittelyyn.

Description

Supervisor

Hummel, Michael

Thesis advisor

Renvall, Hanna

Keywords

mobile imaging, MoBI, MCI, dementia

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202411197188

Collections

[kand] Perustieteiden korkeakoulu / SCI