Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.
Предоплата всего
Подписываем
НАЦІОНАЛЬНИЙ ТЕХНІЧНИЙ УНІВЕРСИТЕТ УКРАЇНИ
“КИЇВСЬКИЙ ПОЛІТЕХНІЧНИЙ ІНСТИТУТ”
УДК 621.391
Попов Антон Олександрович
РОЗРОБКА МЕТОДІВ ТА ЗАСОБІВ
05.11.17 –Біологічні та медичні прилади і системи
АВТОРЕФЕРАТ
дисертації на здобуття наукового ступеня
кандидата технічних наук
Київ –
Дисертацією є рукопис.
Робота виконана на кафедрі мікроелектроніки Національного технічного університету України “Київський політехнічний інститут”, Міністерство освіти і науки України
Науковий керівник: кандидат технічних наук, професор,
Борисов Олександр Васильович, НТУУ “КПІ”, м. Київ,
професор кафедри мікроелектроніки.
Офіційні опоненти: доктор технічних наук, професор,
Тимчик Григорій Семенович, НТУУ “КПІ”, м. Київ,
завідувач кафедри виробництва приладів;
кандидат технічних наук,
Лопата Віктор Олександрович,
ТОВ “Сенсорні системи”, м. Київ, директор.
Провідна установа: Харківський національний університет радіоелектроніки,
кафедра біомедичних електронних пристроїв і систем, Міністерство освіти і науки України, м. Харків
Захист дисертації відбудеться 24 жовтня 2006 року о 15 годині на засіданні спеціалізованої вченої ради Д 26.002.19 в Національному технічному університеті України “Київський політехнічний інститут” за адресою: 03056, м. Київ-56, просп. Перемоги, 37, корп. 12, ауд. 114.
З дисертацією можна ознайомитися в бібліотеці НТУУ “КПІ”.
Автореферат розісланий “16” вересня 2006 р.
Учений секретар
спеціалізованої вченої ради, к.т.н., доцент ___________ В.Б. Швайченко
ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ
Актуальність теми. Згідно звіту Всесвітньої організації охорони здоров‘я, епілепсії різної природи є найбільш поширеним мозковим розладом, на який страждають приблизно 50 мільйонів людей у світі. Постійна робота над створенням засобів лікування цих хворих є необхідною для покращення якості їхнього життя. Серед іншого, вона полягає у розвитку та вдосконаленні існуючих та у розробленні нових методів та засобів електроенцефалографії.
Використання електроенцефалографії у епілептології має на меті: підтвердження присутності аномальної для здорового мозку електричної епілептиформної активності; визначення типу приступів та форми епілептичного захворювання; локалізацію фокуса приступової активності у об‘ємі мозку та його проекції на поверхню голови; моніторинг перебігу хвороби; допомогу у корегуванні лікування; прогноз хвороби.
Результат порушення роботи нейронних ланцюгів мозку при епілепсіях проявляється у електроенцефалограмі (ЕЕГ) у вигляді патернів епілептиформної активності. Основними з цих патернів є епілептиформні комплекси (ЕК) коливань. Їх точне розпізнавання, класифікація та локалізація у часі та просторі становлять одну з основних задач електроенцефалографії для потреб епілептології. Наразі основним методом виявлення таких епілептиформних комплексів є візуальний аналіз ЕЕГ. Його методика та техніка різняться у різних спеціалістів та є залежними від контексту дослідження, суб‘єктивними, індивідуальними та великою мірою інтуїтивними через відсутність стандартів та велику інтер- та інтрасуб‘єктивну варіабельність морфологічного складу епілептиформних комплексів ЕЕГ. Візуальне знаходження ЕК ускладнене при проведенні функціональних проб та за наявності артефактів різної природи. Необхідним для якісної діагностики є також аналіз довготривалих моніторингових записів багатоканальної ЕЕГ без втрати точності порівняно з візуальним аналізом коротких записів.
Зменшення часу для обробки, підвищення ефективності роботи лікаря та зменшення кількості помилок під час пошуку епілептиформних комплексів у ЕЕГ можна досягти застосуванням автоматизованих методів обробки та аналізу сигналу.
У існуючих системах автоматизованого виділення патернів епілептиформної активності використовуються методики, які наразі не можуть допомогти лікарю у знаходженні епілептиформних комплексів у ЕЕГ. Загалом відсутні спроби адаптації процедури обробки сигналу ЕЕГ для локалізації епілептиформних комплексів до пацієнта та до поточних потреб лікаря.
Отже, актуальність проведення дисертаційного дослідження обумовлена необхідністю вирішення наукової задачі розвитку методів та створення нових технічних засобів для адаптивної автоматизованої обробки електроенцефалограм з метою виявлення в них епілептиформних комплексів. Це розширить коло діагностичних засобів в арсеналі лікаря і внаслідок цього призведе до підвищення ефективності діагностики та лікування такої соціально-небезпечної групи захворювань як епілепсія.
Зв‘язок роботи з науковими програмами, планами, темами. Дисертаційне дослідження пов‘язане з науковими тематиками та темами навчального процесу кафедри фізичної та біомедичної електроніки Національного технічного університету України “Київський політехнічний інститут”. Частина досліджень виконувалася в рамках виконання державних науково-дослідних робіт “Дослідження методів та розробка електронних засобів визначення та моніторингу функціонального стану людини”(ДР № 0102U000655), в якій здобувач брав участь у дослідженні шляхів використання електроенцефалограми для моніторингу функціонального стану людини; “Методи і засоби експрес-діагностики і їх застосування у фізіотерапевтичній апаратурі” (ДР № 0104U003150), в якій здобувач брав участь у розробці шляхів використання сигналу електроенцефалограми для зворотного зв‘язку у адаптивній фізіотерапевтичній апаратурі; “Методи та засоби високої роздільної здатності у неінвазивній експрес-діагностиці” (ДР № 0106U002372), в якій здобувач брав участь у розробці методів та засобів обробки електроенцефалограм з високою роздільною здатністю.
Мета і завдання дослідження. Об‘єктом дисертаційного дослідження є сигнали електричної активності мозку людини.
Предметом дослідження є засоби автоматизованого знаходження епілептиформних комплексів у електроенцефалограмі.
Метою дисертаційної роботи є створення та вдосконалення методів та засобів автоматизованого детектування епілептиформних комплексів на основі розвитку методичного та алгоритмічного забезпечення систем обробки та аналізу електроенцефалограм.
Для досягнення цієї мети було розв‘язано такі задачі:
Методи дослідження: методи теорії сигналів та вейвлет-перетворень, методи розпізнавання образів, методи комп‘ютерного моделювання.
Наукова новизна одержаних результатів. Вперше обґрунтовано можливість та доцільність використання адаптованих материнських функцій, а також адаптованих еталонів у розпізнаванні образів з метою часової локалізації епілептиформних комплексів у ЕЕГ, що дає можливість розширити арсенал інструментів електроенцефалографії для вирішення задач епілептології:
Практичне значення одержаних результатів полягає у наступному:
Результати дисертації впроваджено в Інституті нейрохірургії ім. акад. А.П. Ромоданова АМН України, на кафедрі фізичної та біомедичної електроніки Національного технічного університету України “Київський політехнічний інститут”, а також в навчальній лабораторії засобів діагностики кафедри фізичної та біомедичної електроніки НТУУ “КПІ” в рамках виконання державних науково-дослідних робіт.
Особистий внесок здобувача. У дисертаційній роботі узагальнено результати теоретичних та експериментальних досліджень, виконаних здобувачем особисто. У роботах зі співавторами здобувачу належить розробка методик адаптивної побудови материнських вейвлетів та адаптивної побудови еталонів для класів епілептиформних коливань, розробка алгоритмів роботи та створення експериментального зразка програмного комплексу для часової локалізації епілептиформних комплексів у електроенцефалограмі.
Апробація результатів дисертації. Результати досліджень, викладених у дисертації, були оприлюднені на Міжнародній науково-технічній конференції “Проблеми електроніки” (2006 р., м. Київ), Міжнародній науковій конференції “Теория и техника передачи, приема и обработки информации” (2004 р., м. Туапсе), Міжнародних молодіжних форумах “Радиоэлектроника и молодежь в ХХІ веке” (2003 р., 2004 р., 2005 р., 2006 р., м. Харків), Всеукраїнській науково-технічній конференції “Фізичні процеси та поля технічних та біологічних об‘єктів” (2004 р., м. Кременчук), Міжнародному радіоелектронному форумі “Прикладная радиоэлектроника. Состояние и перспективы развития” (2005 р., м. Харків), Міжнародній науково-практичній конференції “Современные информационные и электронные технологии”(2006 р., м. Одеса).
Публікації. Результати дисертації опубліковано у 7 статтях в фахових та наукових журналах та у 9 тезах доповідей у збірках матеріалів міжнародних та всеукраїнських конференцій і форумів.
Структура і обсяг дисертації. Дисертація складається із вступу, чотирьох розділів та висновків, викладених на 170 сторінках друкованого тексту, списку використаних джерел із 129 публікацій та одного додатку. Робота містить 61 рисунок та 5 таблиць.
ОСНОВНИЙ ЗМІСТ РОБОТИ
У вступі обґрунтовано актуальність виконання дисертаційного дослідження, сформульовано мету та поставлено задачі роботи, викладено загальну характеристику дисертації, визначено наукову новизну та практичне значення результатів дисертації.
У першому розділі зроблено аналіз стану існуючих в світі методів та засобів використання електроенцефалографії у епілептології, зокрема для знаходження у сигналі ЕЕГ епілептиформних комплексів.
Визначено, що основну складність при візуальному аналізі ЕЕГ становить випадок, коли епілептиформні комплекси проявляються неперіодично, в невеликій кількості відведень, а також коли вони мають невелику амплітуду та нечітко виділяються на тлі фонової активності (рис. 1, 2). Проведений в дисертації аналіз публікацій у вітчизняних та зарубіжних виданнях показав, що методи та системи автоматизованої локалізації ЕК у ЕЕГ відсутні. Відсутні також шляхи адаптації процедури обробки ЕЕГ для пошуку ЕК до пацієнта та до потреб лікаря.
На підставі проведеної класифікації методів, які можуть бути використані для часової локалізації ЕК, було визначено, що найбільш перспективними для застосування у обробці електроенцефалограм для вирішення задач епілептології є вейвлет-перетворення та розпізнавання образів.
Визначено та обґрунтовано головні напрямки дисертаційного дослідження та визначено основні задачі, які необхідно вирішити в ході роботи. В першому пункті четвертого підрозділу зроблено огляд характеристик систем автоматизованої обробки електроенцефалограм, які використовують для оцінки якості їх роботи.
|
а) |
б) |
Рис. 1. Приклади сигналів електроенцефалограми:
а) ЕЕГ здорової людини;
б) ЕЕГ хворого з явно вираженими епілептиформними комплексами.
Рис. 2. Приклад ЕЕГ хворого на епілепсію; неявний епілептиформний комплекс,
який важко ідентифікувати візуально, позначений стрілкою
У другому розділі розроблено принципи часової локалізації епілептиформних комплексів за допомогою вейвлет-перетворення ЕЕГ.
В результаті аналізу наукових публікацій, присвячених вейвлет-аналізу сигналів, зроблено висновок, що для аналізу сигналів певного виду з певною метою одні вейвлети підходять краще, ніж інші. Результати багатьох досліджень показують, що вибір материнської вейвлет-функції суттєво впливає на результат аналізу, а використання наявних стандартних вейвлет-родин (вейвлети Добеші, Мейера, Хаара, Коіфмана тощо) є не завжди задовільним.
Це, зокрема, стосується задачі часової локалізації комплексів епілептиформних коливань на основі вейвлет-аналізу сигналів. В цьому випадку виявляється недостатнім використання стандартних вейвлет-функцій, і постає необхідність розробки методів створення нових вейвлетів, адаптованих до потреб аналізу, використання яких дозволить покращити якість локалізації.
Для сигналу електроенцефалограми вейвлет-спектр визначається як:
де –масштабований та зміщений відповідно до коефіцієнтів та базисний вейвлет. В роботі розглянуто існуючі класи вейвлет-перетворень (рис. 3) в залежності від властивостей вейвлета , досліджено теоретичні основи, властивості та особливості застосування кожного з них, а також досліджено існуючі методики побудови адаптованих вейвлетів.
Рис. 3. Класифікація вейвлет-перетворень електроенцефалограм в
залежності від виду вейвлетів
Найбільш розповсюдженими методиками адаптивного отримання вейвлет-функції або вейвлет-базису для розкладу ЕЕГ є обрання їх за максимальним значенням певного критерію оптимальності із числа вже існуючих вейвлетів. Для цього можуть використовуватися стандартні методики вибору оптимального представлення сигналів у переповнених словниках функцій (matching pursuit, basis pursuit), або розробляються нові критерії вибору із базисів існуючих вейвлетів (величини проекцій, дисперсії, ланцюги Маркова). Можливою також є адаптація шляхом використання апріорної інформації про аналізований сигнал (статистичні та спектральні характеристики), а також залучення моделей сигналів (зокрема, для аналізу сигналів живих організмів).
Серед публікацій відсутні роботи по підбору або побудові адаптованого вейвлета для вирішення задач часової локалізації епілептиформних комплексів. Існуючі методи створення адаптованої материнської вейвлет-функції не можуть бути застосовані для локалізації ЕК у ЕЕГ внаслідок відсутності критеріїв відповідності та узгодженості вейвлета з аналізованим сигналом, відсутності достатніх вибірок ЕК через високу інтра- та інтерсуб‘єктивну варіабельність їх проявів у ЕЕГ, відсутності адекватних моделей ЕК внаслідок високої варіабельності та остаточної невизначеності фізіологічних механізмів формування патологічної активності.
В даному розділі удосконалено методи адаптивної побудови материнської вейвлет-функції для класу коливань на основі методу власних векторів. Нехай існує деякий набір коливань, що відносяться до одного класу , які розміщені у матриці класу:
,
де –вектор-рядок відліків одного сигналу, .
Для матриці класу за формулою
отримують матрицю усереднених кореляцій , яку розглядають як матрицю деякого самоспряженого лінійного оператора в ортонормованому базисі простору . З цього випливає, що існує ортонормований базис із власних векторів цієї матриці. Для отримання цього базису спочатку розраховують спектр матриці як корені характеристичного рівняння . З набору власних значень за правилом обирають головне власне значення та підставляють його у рівняння
,
з якого можна отримати відповідний головний власний вектор матриці усереднених кореляцій для класу коливань. У літературі та у дисертаційному дослідженні теоретично та експериментально доведено, що зміна превалюючого характеру сигналів, які внесені до матриці класу, достовірно відтворюється у головному векторі матриці усереднених кореляцій, та що головний вектор несе найбільшу інформацію про сигнали та великою мірою характеризує їх властивості.
В дисертації доведено теорему, що функція
побудована на основі головного власного вектора матриці усереднених кореляцій для матриці класу , є материнською вейвлет-функцією.
Схему розробленого алгоритму адаптивного вейвлет-аналізу ЕЕГ для локалізації епілептиформних комплексів наведено на рис. 4.
Отже, в даному розділі розроблено методику для адаптивної побудови материнського вейвлета на основі головного вектора класу сигналів, за яким можна проводити побудову материнських вейвлетів для сигналів різної природи. Для випадку, коли у матрицю класу внесені епілептиформні комплекси, головний вектор називають родовим комплексом для класу , а отримана материнська вейвлет-функція є адаптованою до ідентифікації представників даного класу.
У третьому розділі розроблено методику часової локалізації епілептиформних комплексів у ЕЕГ засобами розпізнавання образів.
Основні труднощі у локалізації ЕК пов‘язані з тим, що їх зовнішній вигляд часто зазнає спотворень внаслідок впливу фізіологічних параметрів та функціонального стану організму, психологічного стану пацієнта, факторів навколишнього середовища. Всі можливі спотворення вигляду ЕК ведуть до неоднозначної інтерпретації графоелементів у ЕЕГ, до пропусків деяких ЕК при візуальному аналізі, а також до збільшення часу, необхідного лікарю для роботи з одним сигналом ЕЕГ. Також задачею електроенцефалографічного дослідження часто є знаходження ЕК, які схожі між собою зовнішньо, але є, наприклад, наслідками роботи різних епілептичних осередків, що може бути складним при візуальному аналізі.
Рис. 4. Схема алгоритма вейвлет-аналіза ЕЕГ з використанням адаптованої до класа епілептиформних комплексів материнської функції
В дисертаційній роботі виділено такі спотворення зовнішнього вигляду ЕК у ЕЕГ, яких може зазнавати епілептиформний комплекс у реальних умовах:
а) зміна тривалості комплексу;
б) зміна амплітуди комплексу;
в) зміна рівня, на якому розташовується комплекс відносно ізоелектричної лінії відведення ЕЕГ;
г) накладання на комплекс тренда;
д) зміна співвідношень між амплітудами окремих коливань у комплексі коливань.
Задача автоматизованого пошуку у сигналі ЕЕГ комплексів, які лікар відносе до певного класу, але які спотворені, є актуальною для проведення ранньої діагностики. Її рішення дозволяє більш точно врахувати під час діагностики випадки появи у аналізованому сигналі патологічних патернів.
В даному розділі визначено, що вейвлет-перетворення сигналу ЕЕГ з використанням адаптованої материнської вейвлет-функції можна використати лише для ідентифікації епілептиформних комплексів, які спотворені за тривалістю. Для того, щоб отримати можливість ідентифікації у ЕЕГ комплексів, які мають інші можливі спотворення, було вирішено скористатися розпізнаванням образів таких ЕК у сигналі.
Визначено, що при вирішенні задачі розпізнавання образів ЕК мають справу з випадком, коли:
В роботі розглянуто теоретичні основи та практичне застосування методів, за допомогою яких у системах розпізнавання образів проводять автоматичну класифікацію сигналів (рис. 5).
Рис. 5. Класифікація методів розпізнавання образів епілептиформних
коливань у електроенцефалограмі
До недоліків існуючих статистичних методів відноситься те, що для класифікації вони вимагають наявності оцінок статистичних характеристик класів, які складно оцінити у випадку, коли у лікаря не існує апріорних відомостей щодо характеру аналізованого сигналу ЕЕГ та імовірності присутності в ньому ЕК. Крім того, необхідними є оцінки функцій розподілу ознак образів нормальної ЕЕГ та ЕК, які складно отримати внаслідок варіабельності зовнішнього вигляду комплексів та відсутності достатнього набору вже класифікованих образів. Також відсутні методики виділення ознак ЕК, які необхідно використовувати для розпізнавання статистичними методами. До недоліків структурного розпізнавання та синтаксичного представлення в застосуванні до локалізації ЕК у ЕЕГ відноситься складність та можлива неоднозначність представлення складних образів, складність автоматизації процесу виявлення структур та створення відповідних граматик, які б однозначно представляли всі можливі ЕК, які можуть зустрітися у сигналі ЕЕГ. Це питання також не вирішене для задачі, яка часто постає у електроенцефалографії, а саме коли кількість класів у загальному випадку апріорі невідома. Відсутні методи виділення структурних ознак епілептиформних комплексів, що унеможливлює використання структурно-лінгвістичних методів автоматичного розпізнавання на даному етапі їх розробки для локалізації образів ЕК у ЕЕГ.
Величини метричних та неметричних відстаней між векторами еталонів класів ЕК та векторами ознак некласифікованих образів є вирішальними для класифікації образів. При розробці функцій відстані у просторі ознак необхідно враховувати можливості перекриття класів та близькості кластерів, що додатково ускладнює вирішення цієї задачі. Різноманітність наявних мір схожості сигналу на еталон вимагає підлаштування міри під конкретну задачу розпізнавання, що необхідно виконувати, використовуючи властивості об‘єктів, які підлягають класифікації. Ця задача не має свого остаточного вирішення для розпізнавання епілептиформних комплексів у сигналі ЕЕГ.
В роботі запропоновано проводити автоматизоване розпізнавання образів ЕК та їх часову локалізацію у сигналі ЕЕГ з використанням адаптованих еталонів, оскільки для цього підходу найбільш зручним є отримання відомостей про об’єкт класифікації –епілептиформний комплекс, віднесений до певного класу лікарем для задач поточного дослідження. Основною проблемою є відсутність методів вибору ознак ЕК, які можуть використовуватися для розпізнавання, а також відсутність методик побудови еталонів для класів епілептиформних комплексів, зокрема з можливістю класифікації спотворених ЕК.
Для даного набору ЕК класу можна побудувати родовий комплекс, який є репрезентативним для цього набору. Цей родовий комплекс відповідає головному власному вектору матриці усереднених кореляцій для матриці класу епілептиформних комплексів та відображає превалюючий характер сигналів у класі. Тому можна використати його як основу для побудови еталона класу ЕК. Нехай маємо родовий комплекс як дискретну функцію номера його відліку , де –кількість відліків родового комплексу.
Для того, щоб еталон представляв також і ті елементи класу , які зазнали визначених припустимих спотворень, в дисертаційній роботі пропонується використати як додаткові параметри еталона набори коефіцієнтів, що представляють спотворення родового комплексу.
Отримати із родового ЕК комплекс зміненої тривалості можна шляхом виконання перетворення , з параметром розтягу або стиснення родового комплексу , який є елементом із набору параметрів . Зміна амплітуди ЕК враховується введенням масштабного множника з параметром амплітуди який обирається з набору . Для отримання із родового комплексу таких ЕК, які зміщені відносно ізоелектричної лінії відведення ЕЕГ, запропоновано ввести параметр зміщення , який задається набором : .
Важливою проблемою є проблема описання тренда у ЕЕГ. В роботі використовується узагальнене поняття про присутній тренд, тому випадок накладання на ЕК тренду записується у вигляді суми родового комплексу з поліномом -го ступеня:
,
де –поліном від дискретного аргументу, який описує вклад тренду у аналізований сигнал ЕЕГ та однозначно задається своїми коефіцієнтами: . Для врахування трендів, що можуть накладатися на ЕК даного класу, задають множини коефіцієнтів поліному : .
Для врахування в еталоні класу епілептиформних комплексів можливих змін співвідношень у амплітудах частин комплексу пропонується використовувати вектор вагових коефіцієнтів , де елементи вектора можуть приймати значення з набору . ЕК зі зміненими співвідношеннями між частинам отримують в результаті скалярного добутку родового комплексу та вектора коефіцієнтів:
.
Всі набори параметрів припустимих можливих спотворень ЕК є ознаками тих комплексів, які схожі на родовий, і тому можуть використовуватися в еталоні для розпізнавання. Ці ознаки враховано в еталоні, і вони представляють для автоматизованої системи розпізнавання можливу варіативність у зовнішньому вигляді ЕК. Їх використання дозволяє проводити розпізнавання таких спотворених ЕК.
Для визначення подібності сигналу та еталона використовують метрики, серед яких найбільш розповсюдженими є норми векторів. В роботі локалізацію ЕК у ЕЕГ запропоновано проводити з використанням норми Чебишова. Перевагами цієї норми є простота виконання розрахунків для сигналів у цифровій формі та можливість явного розв‘язання з її допомогою задач на пошук екстремумів.
Для використання з еталоном, побудованим за розробленою методикою, в роботі в якості міри схожості сигналу ЕЕГ на еталон класу ЕК запропоновано модифікацію максимального відхилення – значуще максимальне відхилення між векторами, яке визначається за формулою:
,
де –кількість комплексів класу , які представлені еталоном;
–кількість ненульових відліків родового комплексу.
Розроблена міра близькості , побудована на основі норми Чебишова, є псевдометрикою, оскільки для неї не виконується аксіома тотожності, але її можна використовувати для вирішення задачі щодо знаходження у сигналі ЕЕГ ділянки, схожої на комплекси класу, представленого даним еталоном.
Практичним результатом третього розділу роботи є розробка алгоритму (рис. 6) локалізації епілептиформних комплексів у ЕЕГ, який забезпечує ідентифікацію спотворених ЕК з використанням розпізнавання образів.
Четвертий розділ присвячено розробці та дослідженню біотехнічної системи медичного призначення для локалізації епілептиформних комплексів у ЕЕГ.
Автоматизована система створена у вигляді програмно-апаратного комплексу на базі комп‘ютерного електроенцефалографа, оскільки в цьому випадку параметри такої системи задовольняють вимоги, які висуваються до систем топографічного та частотного аналізу ЕЕГ Міжнародною федерацією клінічної нейрофізіології.
Рис. 6. Схема алгоритму розпізнавання образів епілептиформних комплексів у електроенцефалограмі
В дисертації розроблено систему автоматизованої часової локалізації ЕК (САЧЛЕК) (рис. 7), яка реалізована на базі персонального комп‘ютера та складається з таких складових частин: П –пацієнт; ПК –персональний комп‘ютер; ТЗ –терапевтичні засоби; БД –база даних; БФЕ –блок формування еталонів; КП –картотека пацієнтів; Л –лікар; БРС –блок розрахунку схожості; БЕ –бібліотека еталонів; БСА та ВА –блок стандартних аналізів та вейвлет-аналізу ЕЕГ; БВРЛ –блок візуалізації результатів локалізації; БС –бібліотека сигналів ЕЕГ; БРА –бібліотека результатів аналізу.
В дисертаційному дослідженні розроблено експериментальний зразок програмного комплексу для часової локалізації ЕК у ЕЕГ. Програмне забезпечення створене на мові технічних обчислень MatLAB (рис. 8).
Для оцінки ефективності роботи системи автоматизованої часової локалізації запропоновано використовувати такі параметри якості роботи: відносну кількість вірних позитивних (ВП) та невірних позитивних (НП) детектувань ЕК у ЕЕГ, а також чутливість, специфічність та селективність системи.
Рис. 7. Структурна схема системи автоматизованої часової локалізації ЕК у ЕЕГ на базі персонального комп‘ютера
|
а) |
б) |
Рис. 8. Зовнішній вигляд елементів інтерфейса програми:
а) вікно вибору параметрів еталона;
б) вікно локалізації ЕК у сигналі ЕЕГ.
В ході клінічних досліджень проаналізовано ефективність автоматизованої системи для розпізнавання ЕК у штучних та реальних електроенцефалограмах з використанням вейвлет-перетворення та розпізнавання образів відповідно до розроблених алгоритмів.
Для експериментального підтвердження доцільності використання адаптованих материнських вейвлетів, отриманих за запропонованим у даній роботі алгоритмом, було проведено якісний порівняльний аналіз можливостей локалізації ЕК у штучній ЕЕГ з використанням адаптованого вейвлета та стандартних вейвлетів Морле та “мексиканський капелюх”.
Результати пошуку ЕК у реальних сигналах за допомогою вейвлет-перетворення подані на рис. 9. При використанні материнської функції, побудованої за розробленим методом, було одержано 80 % вірних позитивних детектувань ЕК, що приблизно в 1.6 рази більше, ніж при використанні стандартних родин вейвлетів. До переваг використання адаптованої вейвлет-функції відноситься те, що перші невірні позитивні детектування з її використанням з‘являються лише тоді, коли вірно ідентифіковано вже близько половини епілептиформних комплексів. В той же час, при використанні стандартних родин вейвлетів невірні позитивні детектування з‘являються при значно менших вірних позитивних детектуваннях.
dc0
P, %
P, %
а)
d
б)
Рис. 9. Результати ідентифікації ЕК з використанням вейвлет-перетворення:
відносні кількості Р ВП (○) та НП (□) в залежності від порогу d:
а) вейвлет “мексиканський капелюх”;
б) адаптована материнська вейвлет-функція.
Результати обробки штучних сигналів електроенцефалограми засобами розпізнавання образів подано у таблиці 1 та на рис. 10, а. Для реальних ЕЕГ в результаті досліджень отримано: відносна кількість ВП 85 %, відносна кількість НП при умові вірної ідентифікації всіх явних ЕК з великою діагностичною значущістю – 15 %, відносна чутливість 82 % та відносна селективність 72 %, що є прийнятними та задовільними для вирішення задач діагностики. Результати розпізнавання подано на рис. 9, б.
Таблиця 1
Отримані в результаті експерименту значення чутливості, селективності та специфічності системи автоматизованої локалізації ЕК у штучній ЕЕГ шляхом порівняння з еталоном
|
Відносна чутливість, % |
Відносна селективність, % |
Відносна специфічність, % |
|
92,5 |
90,5 |
89,7 |
В даному розділі також проведено аналіз сторонніх факторів, які ускладнюють автоматизовану ідентифікацію ЕК у ЕЕГ. Зокрема, виділено шуми електродів для зняття ЕЕГ: тепловий, дробовий, надлишковий та шум дрейфу власної електрорушійної сили електрода, та вказано, що розробка нових типів електродів є перспективною для зниження шумів, наявних у ЕЕГ, та може підвищити ефективність розпізнавання епілептиформних комплексів.
P, %
dc0