Автоматизація процесу ідентифікації артефактів електроенцефалографічного сигналу

Проблема: артефакти, які присутні в електроенцефалограмі перешкоджають встановленню коректного діагнозу, що в подальшому призводить до невірного лікування. Враховуючи, що сучасне програмне забезпечення для ідентифікації артефактів розпізнає тільки 60% з усіх наявних артефактів на електроенцефалограмі, програмне забезпечення для ідентифікації артефактів потребує вдосконалення.
Мета: розробити програмне забезпечення для нейрофізіолога, яке завдяки ідентифікації фізіологічних артефактів моргання в електроенцефалографічних сигналах дозволить зменшити встановлення некоректного діагнозу досліджуваному.
Для досягнення поставленої мети сформовано такі задачі:
1.Дослідження особливостей інформаційного поля електроенцефалографічного сигналу ;
2.Дослідження методів обробки та аналізу електроенцефалограм;
3.Розробка методу ідентифікації артефактів електроенцефалографічного сигналу;
4.Планування та реалізація експерименту;
5.Обробка результатів експериментальних досліджень;
6.Розробка програмного забезпечення для ідентифікації артефактів електроенцефалографічного сигналу.
Об’єкт дослідження: процес обробки електроенцефалографічних досліджень
Предмет дослідження: ідентифікація артефактів електроенцефалографічних досліджень.

Актуальність
До найпоширеніших хвороб в Україні належать неврологічні, поширеність яких, на жаль, значно зросла в останні роки, що є однією з основних причин інвалідизації та смертності населення України. У 2016 році в Україні зареєстровано понад 10 млн. осіб з неврологічними захворюваннями, тобто понад 20% населення України.
Основним методом дослідження і діагностики стану роботи центральної нервової системи є метод аналізу біоелектричної активності мозку.
Ця проблема є нагальною і потребує вирішення тому що, сучасне програмне забезпечення для ідентифікації артефактів розпізнає тільки близько 60% з усіх наявних на електроенцефалограмі, а деякі різновиди фізіологфічних артефактів, наприклад, артефакт моргання не ідентифікує без додаткового знімання електроокулограми.

Характеристика електроенцефалографічного сигналу
Додатково до основного потиличному альфа-ритму в нормі присутні ще кілька його нормальних варіантів: мю-ритм (μ-ритм) і скроневі ритми - каппа і тау-ритми (κ і τ-ритми). Альфа-ритми можуть виникати і в патологічних ситуаціях.

Артефакти при електроенцефалографічних дослідженнях
Артефакти на ЕЕГ можна розділити за походженням на дві великі групи: фізичні та біологічні (фізіологічні) артефакти.

Приклади артефактів

Розробка алгоритму обробки електроенцефалографічних сигналів

Формалізація процесу ідентифікації артефактів

Розрахунок ефективності процесу ідентифікації артефактів
тобто розраховується поліном, який має найменше відхилення від заданих даних у тому сенсі, що сума квадратів відстаней від точок (xi, yi) до (xi, p(n)(xi)) буде мінімальною.

Вплив психотипу на електроенцефалограму
Виявлення психотипу людини дозволить групувати подальші дослідження в більш вузьку вибірку, а значить і підвищити якість експериментального дослідження.
В запропонованій методиці пропонується визначати такі початкові параметри для створення карти пацієнта:
1.Стать людини та вікова приналежність.
2. Місце народження. Географічна місцевість, та соціальні звички мають певний вплив на встановлення індивіда, на розвиток організму та як висновок вплив на ЕЕГ.
3. Соціальна зайнятість. Можливі чотири варіанти: розумова діяльність, фізична діяльність, розумово-фізична діяльність та інший вид діяльності.
4. Фізична форма оператора. Сильна фізична форма оператора говорить про його схильність до активного способу життя та слідкування за своїм здоров’ям.
Для забезпечення якісного збору даних електроенцефалограми для подальшої побудови моделі сигналів артефактів моргання пропонується реалізовувати класифікацію операторів за типом темпераменту. Такий підхід можна реалізувати на основі тесту Айзенка.

Планування та реалізація експерименту

Реєстрація ЕЕГ за системою «10-20»

Приклад електроенцефалографічного сигналу
з морганням людини

На основі вище перерахованих формул було розраховано усереднене значення артефакту моргання по кожному із каналів електроенцефалограми.
Усередненні значення артефакту моргання

Були розраховані коефіцієнти кореляції при зміщені визначеного усередненого сигналу моргання оператора. На основі отриманих результатів побудовано графік ідентифікації артефактів на електроенцефалограмі. З рисунку видно, що коефіцієнт кореляції перетинає обраний допуск 0,9 саме в момент виникнення артефакту.
Приклад ідентифікації артефакту в електроенцефалограмі

Для перевірки ефективності розробленого програмного продукту підраховано кількість артефактів в кожному із каналів електроенцефалограми та кількість артефактів знайденими на основі програмного продукту, результат чого представлено в таблиці.
Ефективність розробленого програмного продукту

Приклад ідентифікації артефактів
Для перевірки роботи розробленого програмного забезпечення було реалізовано повторні експериментальні записи електроенцефалограми, де випадково було створено артефакти моргання.

Ієрархія збереження
Для роботи ПЗ створено ієрархію тек, які враховують класифікацію операторів за типом темпераменту та реєстрацією їх фонових та перехідних процесів електроенцефалограми.

Графічний інтерфейс ПЗ
Для реалізації перевірки роботи розробленого ПЗ створено графічний інтерфейс для завантаження та ідентифікації артефактів моргання, який працює на основі змодельованих сигналів моргання ЕЕГ.

Апробація магістерського дослідження
Результати магістерської роботи були апробовані на практично-науковій конференції студентів та молодих вчених «Політ- 2018 Сучасні проблеми науки».

Висновки
У ході роботі було проведено ретельний аналіз факторів, що впливають на виникнення артефактів. Розглянуто методи аналізу та ідентифікації артефактів електроенцефалографічного сигналу. На основі цього розроблено алгоритм обробки електроенцефалографічних сигналів.
Створено програмне забезпечення для нейрофізіолога, яке завдяки ідентифікації фізіологічних артефактів моргання в електроенцефалографічних сигналах дозволить зменшити встановлення некоректного діагнозу досліджуваному.
На основі зведених даних розраховано ефективність розробленого програмного продукту, яка становить 97%. Для перевірки роботи розробленого програмного забезпечення було реалізовано повторні експериментальні записи електроенцефалограми, де випадково було створено артефакти моргання.