EEG signals
Dotaz
Zobrazit nápovědu
Objective: The objective of this work is to develop efficient classification systems using intelligent computing techniques for classification of normal and abnormal EEG signals. Methods: In this work, EEG recordings were carried out on volunteers (N=170). The features for classification of clinical EEG signals were extracted using wavelet transform and the feature selection was carried out using Principal Component Analysis. Intelligent techniques like Back Propagation Network (BPN), Adaptive Neuro-Fuzzy Inference System (ANFIS), Particle Swarm Optimization Neural network (PSONN) and Radial Basis function Neural network (RBFNN) were trained for diagnosing seizures. Further, the performance of the developed classifiers was compared. Results: Results demonstrate that RBFNN classifies normal and abnormal EEG signals better than the other methods. It appears that the RBFNN is able to detect Generalized Tonic-Clonic Seizure (GTCS) more efficiently than the Complex Partial Seizures (CPS). Positive predictive value was better in PSONN and ANFIS than BPN method. Conclusions: It appears that the combination of Wavelet transform method and PCA derived features along with RBFNN classifier is efficient for automated EEG signal classification.
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
- anatomické modely 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 neurologické MeSH
- neuronové sítě MeSH
- počítačové zpracování signálu přístrojové vybavení MeSH
- shluková analýza MeSH
- spánek fyziologie MeSH
- zobrazování trojrozměrné MeSH
- Check Tag
- lidé MeSH
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
Úvod: Panická porucha je v populaci často zastoupené psychiatrické onemocnění charakterizované náhlými a nečekanými záchvaty panické úzkosti, doprovázené pocitem masivního strachu. Tyto záchvaty bývají asociovány s celou řadou tělesných symptomů. Vzhledem k velkému množství příznaků lze očekávat, že do průběhu panické ataky bude zapojena řada mozkových struktur. EEG (elektroencefalografie) je jednoduchá laboratorní metoda, která může být s výhodou využita k měření mozkové aktivity. V současné chvíli je EEG v psychiatrii užíváno spíše k hodnocení demencí nebo v rámci diferenciální diagnostiky záchvatových onemocnění. Díky pokrokům ve zpracování signálu je však dnes možno využít EEG nejen k hodnocení kortikální aktivity, ale lze získat informace i o aktivitách hlubších mozkových struktur. Cílem článku je nabídnout přehled současných znalostí o EEG nálezech u pacientů s panickou poruchou. Výsledky: Navzdory řadě studií doposud žádná práce neidentifikovala specifický EEG nález pro panickou poruchu. Podařilo se však odhalit asymetrii frontální alfa-aktivity, změny koherence a pomocí LORETA i změny v absolutním výkonu frekvenčních pásem beta 1 a beta 3 v oblasti laterálního prefrontálního kortexu. Navzdory tomu, že stížnosti na kvalitu spánku a noční panické ataky jsou u pacientů s panickou poruchou časté, ani polysomnografické nálezy nejsou jednoznačné a neprokazují žádný specifický nález. Závěr: Ačkoliv existuje větší množství studií věnujících se problematice EEG změn u pacientů s panickou poruchou, zatím nebyl nalezen žádný specifický nález. Nicméně EEG se ukázalo být dobrým nástrojem pro zkoumání neurobiologické podstaty tohoto onemocnění.
Introduction: Panic disorder is frequent psychiatric disorder characterized by sudden and unexpected onset of a panic attack, characterized by terror or impending doom, and associated with many somatic symptoms. Variety of symptoms suggests, that there are many brain structures involved in panic reaction. EEG is simple laborathory method, which can be used for measuring of brain activity. Nowdays is EEG in psychiatry rather used for evaluation of dementia or in differential diagnosis of seizures. Due to development of singal processing can be EEG used both to evaluate cortical acitivity and also gives information about activity of deep brain structures. Aim of this article is to review recent informations about EEG findings in patients with panic disorder. Main findings: Up to date, there is no study identifying specific EEG finding in patients with panic disorder. Some studies detect frontal alpha asymmetry, changes in coherence and using LORETA also changes in absolute power of beta 1 and beta 2 frequency bands in lateral prefrontal cortex. Despite complains about dyssomnia and nocturnal panic attacks are frequent in patients with panic disorder, there was no specific changes found using polysomnography. Conclusions: Although there are many studies monitoring changes in EEG of patients with panic disorder, there are no specific findings for panic. Thus EEG proved to be the usefull method that can be used to study neurobiology of panic disorder.
- Klíčová slova
- kvantitativní EEG (qEEG), LORETA, frontální asymetrie, Low Resolution Brain Electromagnetic Tomography,
- MeSH
- čelní lalok patofyziologie MeSH
- elektroencefalografie * metody MeSH
- lidé MeSH
- limbický systém patofyziologie MeSH
- magnetoencefalografie metody MeSH
- mapování mozku * MeSH
- panická porucha * diagnóza patofyziologie MeSH
- počítačové zpracování signálu MeSH
- polysomnografie MeSH
- Check Tag
- lidé MeSH
- Publikační typ
- přehledy MeSH
- MeSH
- automatizované zpracování dat MeSH
- diagnóza počítačová MeSH
- elektroencefalografie MeSH
- Publikační typ
- srovnávací studie MeSH
Elektroencefalogram (EEG) je citlivý ukazatel zrání a vývojových změn mozku u novorozenců a nedonošenců. Tyto změny se odrážejí ve struktuře spánkových stavů. V tomto příspěvku uvádíme novou metodu pro automatizované modelování a detekci změn spánkových stavů u novorozeneckého EEG. Postup je založen na zpracovávání a analýze strukturálních časových profi - lů, získaných pomocí vícekanálové adaptivní segmentace a následné klasifi kace EEG grafoelementů pomocí shlukové analýzy. Profi ly, funkce členství segmentů v příslušné třídě v průběhu času, odrážejí dynamickou strukturu EEG, mohou být využity pro indikaci změny stavu novorozeneckého spánku. Metoda je dostatečně citlivá i pro velmi obtížnou úlohu: modelování mikrostruktury spánku u nejmenších nedonošených dětí.
The electroencephalogram (EEG) is a sensitive marker of brain maturation and developmental changes in term and preterm newborns. A new method for automatic sleep stages detection in neonatal EEG was developed. Th e procedure is based on processing of time profi les computed by adaptive segmentation and subsequent classifi cation of extracted signal graphoelements. Th e time profi les, functions of the class membership in the course of time, refl ect the dynamic EEG structure and may be used for indication of changes in the neonatal sleep. Th e method is suffi ciently sensitive to detect the sleep stages even in preterm infants EEG.
- MeSH
- algoritmy MeSH
- elektroencefalografie přístrojové vybavení využití MeSH
- financování organizované MeSH
- lidé MeSH
- modely neurologické MeSH
- novorozenec nedonošený MeSH
- novorozenec MeSH
- počítačové zpracování signálu přístrojové vybavení MeSH
- shluková analýza MeSH
- spánek fyziologie MeSH
- stadia spánku fyziologie MeSH
- Check Tag
- lidé MeSH
- novorozenec MeSH
Event-related synchronizace a desynchronizace (tzv. ERD/S) představuje kvantitativní nelineární metodu analýzy EEG signálu umožňující hodnocení změn základní EEG aktivity v libovolných frekvenčních pásmech. Tyto změny jsou vázány na zevní či vnitřní podnět a jsou spojeny s určitou mozkovou aktivací. Metoda je široce využívána v neurovědním výzkumu jako forma funkčního mapování. Velký význam má pak především rozbor dat získaných pomocí hlubokých mozkových elektrod.
Event-related synchronization and desynchronization (ERD/S) represents a quantitative non-linear EEG signal analysis method, that enables to evaluate the changes of the background activity in any frequency ranges. These changes are related to an external or internal stimulus and are linked to the brain activation. It is widely used in the neuroscience research as a form of functional brain mapping. Especially the intracerebral recording data analysis have a big importance.
- MeSH
- elektroencefalografie metody MeSH
- kognice MeSH
- korová synchronizace MeSH
- lidé MeSH
- mapování mozku metody MeSH
- motorické evokované potenciály MeSH
- sluchové evokované potenciály MeSH
- somatosenzorické evokované potenciály MeSH
- zrakové evokované potenciály MeSH
- Check Tag
- lidé MeSH
- Publikační typ
- přehledy MeSH
