WWW.REFERATCENTRAL.ORG.UA - Я ТУТ НАВЧАЮСЬ

... відкритий, безкоштовний архів рефератів, курсових, дипломних робіт

ГоловнаРізне → Методи частотного та часового аналізу в системах обробки випадкових сигналів типу електроенцефалограм (автореферат) - Реферат

Методи частотного та часового аналізу в системах обробки випадкових сигналів типу електроенцефалограм (автореферат) - Реферат

Як видно з рис.1,б ЕЕГ–сигнал хворого на епілепсію характеризується значною нестабільністю частоти і високим рівнем низькочастотних складових. В табл.1, 2 наведено розрахунок інформаційних параметрів ЕЕГ.

Дослідження часової залежності миттєвої частоти ЕЕГ сигналів людини, знятих безпосередньо після спалаху магнітного поля, дозволили знайти наступну залежність: через с після спалаху магнітного поля миттєва частота на інтервалі завдовжки с приймає значення Гц в 95% випадків.

Таблиця 1

Результати аналізу інформаційних параметрів ЕЕГ здорової людини

при розрахунку методом фазово–частотного аналізу ЕЕГ

з використанням перетворення Гільберта

ритм

Індекс ритму, %

Середнє значення, Гц

Дисперсія частоти, Гц2

91,42

9,44

0,57

1,33

5,44

0,06

Таблиця 2

Результати аналізу інформаційних параметрів ЕЕГ хворого

при розрахунку методом фазово–частотного аналізу ЕЕГ

з використанням перетворення Гільберта

ритм

Індекс ритму,%

Середнє значення, Гц

Дисперсія частоти, Гц2

12.03

9,99

1,97

15,98

4,79

0,29

44,14

1,90

1,42

2,11

15,47

0,99

Показано, що використання методу фазово-частотного аналізу за Гілбертом дозволяє здійснювати розрізнення сигналів від хворої та здорової людини за значенням миттєвої частоти та прослідити динаміку зміни частоти у часі.

а) б)

Рис. 1. Залежності миттєвої частоти від часу, які відповідають ЕЕГ здорової людини, що не спить, (а) і хворої на епілепсію (б)

Особливістю багатоканальних вимірювань ЕЕГ є встановлення парних домінуючих ознак, які називаються симетричністю. Під симетричністю розуміється істотний збіг амплітуд, частот, фаз гомотопних областей двох півкуль мозку. На основі компенсаційної моделі побудовано новий метод аналізу сигналів симетричних відведень. Загалом, суть запропонованого методу полягає в наступному: визначається різниця сигналів ЕЕГ симетричних відведень і їх сума, потім на одному графіку будуються спектри сумарного і різницевого процесу. Виходячи з лінійності перетворення Фур'є, прояв симетричності полягатиме в тому, що спектр сумарного процесу повинен значно перевершувати спектр різницевого процесу. За відсутності симетричності спектр різницевого процесу є сумірним із спектром суми. У якості чисельної характеристика введено коефіцієнт симетрії. Виявивши наявність міжнапівкульової асиметрії ЕЕГ, можна встановити локалізацію патологічних процесів.

Розглянуто ЕЕГ здорових та хворих лабораторних тварин. ЕЕГ знімалася в правому і лівому гіпокампі (для перевірки результативності дії ліків при лікуванні епілепсії). Побудовано спектри сумарного і різницевого процесу для здорової і хворої тварини (рис.2). Видно, що амплітудний спектр сумарного процесу значно перевищує спектр різницевого для здорової тварини (рис.2,а), для хворої тварини (рис.2,б) ці спектри сумірні.

Таким чином, показано, що за розрахунками спектральної густини сумарного і різницевого сигналів можна проводити діагностику міжнапівкульової асиметрії, для чого введено коефіцієнт симетрії

,

де – площа під кривою спектральної густини сумарного процесу:

– площа під кривою спектральної густини різницевого процесу.

Згідно величині можна судити про ступінь симетричності сигналів від двох відведень. При 3 симетрія висока; якщо 1,73 – помірна; при 1,7 – слабка.

а) б)

Рис.2. Модулі спектральної густини сумарного (верхній) і різницевого процесу (нижній): а) – у відсутності епілепсії, б) – при епілепсії)

Таким чином, доведено, що визначення спектральної густини суми і різниці симетричних відведень ЕЕГ забезпечує об'єктивну діагностику і дозволяє проводити чисельну оцінку асиметрії сигналів. Метод є достатньо наочним, а його використання не вимагає інформації про спектральний склад. Метод дослідження міжнапівкульової симетрії ЕЕГ може використовуватися при диспансеризації і інших формах первинного медичного обстеження. Його застосування не вимагає високого рівня кваліфікації – навіть фахівець середньої ланки може знаходити пацієнтів з відсутністю симетричності ЕЕГ і направляти їх до фахівця.

Як відомо, особливістю ЕЕГ є значна флуктуація амплітуди сигналу. Для досліджень характеристик ділянок слабкої інтенсивності розроблено метод оцінки зміни миттєвої частоти коливань в часі на основі частотного детектування ковзним вікном. При цьому ЕЕГ представляється у формі частотно–модульованого (ЧМ) сигналу з подальшим вимірюванням частоти за допомогою цифрового частотного детектора.

Запропоновано використовувати методику розрахунку середньої частоти за формулою

.

де – кількість точок перетину нульового рівня на інтервалі часу (розмір вікна).

Даний метод використовувався для розділення фаз сну і пильнування лабораторних тварин. Перехідний процес характеризується падінням частоти і зменшенням її потужності, тому ВПФ і ФП не дозволили виділити дану частоту. Результат аналізу часової залежності миттєвої частоти на основі визначення числа перетинів нульового рівня за фіксований момент часу після спалаху магнітного поля дозволило підтвердити закономірність, отриману при аналізі фазово–частотним методом за Гілбертом. Але в цьому випадку результати є більш наочним, оскільки частота усереднюється за інтервал вікна і, отже, девіація частоти на виділеній ділянці менше ( Гц).

Розроблено корелограмний метод виділення ритмів ЕЕГ–сигналу на основі обробки автокореляційної функції (АКФ). Оскільки ЕЕГ–сигнал є адитивною сумішшю квазібілого шуму і гармонійних складових, в даному методі використовується відмінність АКФ квазібілого шуму і гармонійних складових. На рис. 3,а наведено амплітудний спектр ЕЕГ лабораторної тварини, хворої на епілепсію. Очевидно, що візуальний аналіз наведеного спектру ЕЕГ не дозволяє виділити характерні ритми внаслідок високого рівню шумової компоненти процесу. Представимо ЕЕГ сигнал як суму

,

де – лінійна комбінація гармонійних складових;

– шумова складова.

Тоді АКФ сумарного процесу визначатиметься так (взаємними кореляційними функціями зневажаємо):

.

Оскільки значення із зростанням швидко зменшуються, то при достатньо великих значеннях АКФ процесу визначатиметься гармонійними складовими сигналу .

Використовуючи теорему Вінера–Хінчина, знаходимо спектральні складові ЕЕГ по відрізку АКФ, що знаходиться достатньо далеко від нульової точки (рис.3,б). Порівняння кривих, наведених на рис. 3,а і рис. 3,б, показує, що в спектрі процесу після обробки міститься значно менше спектральних складових, що суттєво полегшує діагностику.

Проведено порівняльний аналіз методів обробки ЕЕГ за п'ятибальною системою, якій дозволяє визначити основні критерії діагностики. Дано практичні рекомендації щодо використання методів при вирішенні практичних або науково-дослідних завдань.

а) б)

Рис. 3. а) – Спектр ЕЕГ лабораторної тварини , отриманий за допомогою ПФ, б) – спектральна густина середньої потужності ЕЕГ лабораторної тварини, отримана в результаті обробки АКФ

За результатами проведених досліджень розроблено структурну схему цифрового електроенцефалографа (рис. 4), яка може бути використана при створенні апаратних засобів комп'ютерної діагностики захворювань нервової системи, а також при масовому скринінгу і диспансеризації.

Блок комутації призначений для керованого підключення відведень електродів від пацієнта до апаратури обробки, а також для включення в тракт обробки калібрувальних сигналів, що забезпечує можливість абсолютних вимірювань вхідних сигналів та співставлення даних, отриманих на іншій апаратурі. Блок фільтрації та підсилення призначено для придушення зовнісмугових шумових коливань, а також мережевих, промислових завад і артефактів, які попадають в смугу пропускання тракту обробки. Крім того, в цьому блоці здійснюється підсилення сигналів відведень до рівня, необхідного для нормальної роботи АЦП. Блок вводу даних являє собою стандартний інтерфейс для послідовного або паралельного введення даних до спецобчислювателя за відомими алгоритмами, тому не має особливостей. Блок стимуляції призначено для синхронізації дослідницьких процедур з роботою усього пристрою, а також для вироблення спеціальних подразнювальних сигналів для пацієнта. Блок обробки сигналів включає в себе окремі структурні складові, які реалізують алгоритми обробки сигналу, що досліджено та запропоновано в дисертації. Кількісна інформація, яка отримана з виходів блоку обробки сигналу, забезпечує підвищення об'ективності при прийнятті остаточного висновку. Вихідні дані обробки виводяться на блок візуалізації.

Loading...

 
 

Цікаве