Tento článek popisuje vybrané problémy v oblasti elektroencefalografi e, současné přístupy k jejich řešení a trendy vývoje a výzkumu. Stručně jsou popsány metody počítačové klasifi kace EEG záznamů a eliminace artefaktů v nich. Dále následuje několik pokročilejších metod zpracování a praktického využití EEG, mezi něž patří teorie chaosu, analýza nezávislých komponent, skryté Markovovy modely, rozhraní mozek-počítač a EEG biofeedback. Na závěr je krátce pojednáno o přenosných EEG systémech malých rozměrů.
This paper describes selected problems in the area of electroencephalography, current approaches to their solution and trends in research and development. Methods of computer-assisted classifi cation and artifacts removing from EEG signals are briefl y mentioned. Th is paper also introduce several advanced methods of computer processing and practical use of EEG, namely Chaos theory, Independent Component Analysis, Hidden Markov models, Brain computer interface and EEG biofeedback. Small portable EEG systems are introduced at the end of paper.
- MeSH
- ambulantní monitorování metody přístrojové vybavení využití MeSH
- analýza hlavních komponent MeSH
- biomedicínské technologie přístrojové vybavení trendy MeSH
- časové faktory MeSH
- elektroencefalografie přístrojové vybavení trendy využití MeSH
- financování organizované MeSH
- fraktály MeSH
- lidé MeSH
- nelineární dynamika MeSH
- počítačové zpracování signálu přístrojové vybavení MeSH
- telemetrie metody přístrojové vybavení využití MeSH
- uživatelské rozhraní počítače MeSH
- zpětná vazba MeSH
- Check Tag
- lidé MeSH
Cílem příspěvku je ve stručnosti uvést, jak je ve výuce zastoupena tématika biosignálů. Z velké části je náplň v jednotlivých stupních vzdělávání v biomedicínských oborech od bakalářského, přes magisterské až po specializační vzdělávání defi nována zákonem 96/2004 Sb. o nelékařských zdravotnických povoláních a navazujícími vyhláškami. Zákon a navazující vyhlášky vymezují zcela nové postavení technických pracovníků ve zdravotnickém systému. Tato nová zákonná úprava rozeznává následující kategorie technických pracovníků: jiný odborný pracovník, zdravotnický pracovník s odbornou způsobilostí (biomedicínský technik, biomedicínský inženýr), zdravotnický pracovník se specializovanou působností (klinický technik, klinický inženýr). Ve vztahu k následujícím druhům vzdělávání (pregraduálnímu – bakalářské a magisterské, akreditovanému kvalifi kačnímu kurzu, specializačnímu vzdělávání s atestací a celoživotnímu vzdělávání jsou také navržena a vyučována jednotlivá témata vztahující se k problematice biosignálů.
The aim of the paper is to present briefl y how the topics of biosignals are represented in education. In biomedical study the content in individual stages of education (starting from bachelor over master to specialized education) is defi ned by the Law No. 96/2004 Coll. on non–medical health service occupations and related regulations. Th e law and related regulations defi ne completely new position of technical personnel in the health service system. Th is new legal regulation distinguishes the following categories of technical personnel: another specialist, health service worker with technical competence (biomedical technician, biomedical engineer), health service worker with specialized competence (clinical technician, clinical engineer). In relation to the following types of education: pre–gradual (bachelor, master), accredited qualifi cation course, specialised education and training and lifelong learning, there are also proposed and taught individual topics related to the area of biosignals.
- MeSH
- akreditace metody normy zákonodárství a právo MeSH
- biomedicínské inženýrství přístrojové vybavení výchova MeSH
- elektrofyziologie pracovní síly přístrojové vybavení výchova MeSH
- financování organizované MeSH
- kurikulum normy trendy MeSH
- lidé MeSH
- univerzity normy zákonodárství a právo MeSH
- vládní organizace normy MeSH
- vzdělávání odborné metody normy zákonodárství a právo MeSH
- zákonodárství lékařské normy MeSH
- zdravotnický personál výchova MeSH
- Check Tag
- lidé MeSH
Polysomnografi e (PSG) je jedna z nejvýznamnějších diagnostických metod pro vyšetření zralosti mozku dítěte. Tento příspěvek popisuje počítačovou analýzu polysomnografi ckých záznamů donošených novorozenců. Data, která byla v této studii použita, poskytl Ústav pro péči o matku a dítě v Praze. Data byla ohodnocena zkušeným lékařem do čtyř tříd (bdělost, klidný spánek, aktivní spánek, pohybový artefakt). Pro přesnou počítačovou klasifi kaci bylo potřeba určit vhodné příznaky, ty jsme získali z příslušných biologických signálů (EEG, EKG, PNG, EMG a EOG). Získané průběhy jsme vizuálně porovnali s hodnocením, které nám poskytl lékař.
Polysomnography (PSG) is one of the most important non-invasive methods for studying maturation of the infant's brain. Th is paper addresses the problem of computer analysis of neonatal polysomnographic signals. In this study we used data provided by the Institute for Care of Mother and Child in Prague. Th e data was scored by an experienced physician to four states (awake, quiet sleep, active sleep, movement artifact). For accurate classifi cation it was necessary to determine the suitable features. We utilized information obtained from several biological signals (EEG, ECG, PNG, EMG and EOG) for our classifi cation. We made a visual comparison of the computed features with the manual scoring provided by the expert.
- MeSH
- analýza hlavních komponent MeSH
- bdění fyziologie MeSH
- elektroencefalografie využití MeSH
- elektrokardiografie využití MeSH
- elektromyografie využití MeSH
- elektrookulografie využití MeSH
- financování organizované MeSH
- lidé MeSH
- Markovovy řetězce MeSH
- mozek fyziologie růst a vývoj MeSH
- novorozenec MeSH
- počítačové zpracování signálu přístrojové vybavení MeSH
- pohyb fyziologie MeSH
- polysomnografie metody přístrojové vybavení využití MeSH
- spánek fyziologie MeSH
- stadia spánku fyziologie MeSH
- Check Tag
- lidé MeSH
- novorozenec MeSH
Současná zdravotnická technika produkuje každým okamžikem velké objemy dat. Výsledkem je informační přetížení a nemožnost zvládnout tato enormní data, např. na odd. intenzivní péče. Nástroje pro vizualizaci dat mají za cíl zmenšit toto informační přetížení pomocí inteligentní abstrakce a vizualizace zajímavých atributů zpracovávaných dat. Nově vyvíjené soft - warové nástroje pro vizualizaci by měly podporovat rychlé porozumění složitým, rozsáhlým a dynamicky rostoucím datovým souborům ve všech oblastech medicíny. Jednou z takových oblastí je analýza a vyhodnocování dlouhodobých záznamů EEG. S vyhodnocováním EEG je spojena celá řada problémů. Jedním z nich je potřeba vizuální kontroly záznamu lékařem. V případě, že lékař musí kontrolovat a hodnotit dlouhodobý záznam EEG, je počítačová podpora analýzy a vizualizace velkou pomocí. Právě možnosti vizualizace EEG záznamů a procesu jejich analýzy jsou předmětem našeho příspěvku.
Healthcare technology produces today large sets of data every second. An information overload results from these enormous data volumes not manageable by physicians, e.g. in intensive care. Data visualization tools aim at reducing the information overload by intelligent abstraction and visualization of the features of interest in the current situation. Newly developed soft - ware tools for visualization should support fast comprehension of complex, large, and dynamically growing datasets in all fi elds of medicine. One of such fi elds is the analysis and evaluation of long–term EEG recordings. One of the problems that are connected with the evaluation of EEG signals is that it necessitates visual checking of such a recording performed by a physician. In case the physician has to check and evaluate long–term EEG recordings computer–aided data analysis and visualization might be of great help. Soft ware tools for visualization of EEG data and data analysis are presented in the paper.
- MeSH
- algoritmy MeSH
- elektroencefalografie využití MeSH
- epilepsie diagnóza MeSH
- financování organizované MeSH
- klasifikace MeSH
- kóma diagnóza patofyziologie MeSH
- lidé MeSH
- mapování mozku metody přístrojové vybavení MeSH
- modely anatomické MeSH
- modely neurologické MeSH
- neuronové sítě (počítačové) MeSH
- počítačové zpracování signálu přístrojové vybavení MeSH
- shluková analýza MeSH
- spánek fyziologie MeSH
- zobrazování trojrozměrné MeSH
- Check Tag
- lidé MeSH
Cílem příspěvku je popsat jednotlivé kroky při kvantitativním zpracování EEG. Toto zpracování je tvořeno několika po sobě jdoucími fázemi: fi ltrace, segmentace, výpočet (extrakce) příznaků v jednotlivých segmentech a klasifi kace. Před rutinním využitím je nutné klasifi kátor naučit na trénovací množině vytvořené z daného typu dat. V příspěvku jsou uvedeny dva příklady možných postupů při tvorbě trénovací množiny a následně využití při klasifi kaci.
The aim of the paper is to describe individual steps at quantitative EEG processing. Th is processing is constituted by several successive phases: fi ltration, segmentation, feature calculation (extraction) in individual segments and classifi cation. Before routine use it is necessary to learn classifi er on a training set created from the given type of data. In the paper there are presented two examples of possible approaches to development of a training set and successively their use for classifi cation.
- MeSH
- biomedicínské technologie přístrojové vybavení trendy MeSH
- časové faktory MeSH
- elektroencefalografie přístrojové vybavení trendy využití MeSH
- epilepsie diagnóza MeSH
- financování organizované MeSH
- Fourierova analýza MeSH
- klasifikace MeSH
- lidé MeSH
- neuronové sítě (počítačové) MeSH
- počítačové metodologie MeSH
- počítačové zpracování signálu přístrojové vybavení MeSH
- příznaky a symptomy MeSH
- shluková analýza MeSH
- spánek MeSH
- Check Tag
- lidé MeSH