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

Обслуговування комп'ютерного електроенцефалографа може здійснюватися відповідним чином підготовленим техніком або медичним працівником середньої ланки. Комп'ютерна програма при цьому не ставить діагнозу, а допомагає здійснити попередній відбір пацієнтів для подальшого поглибленого обстеження.

Розроблені та запропоновані методи обробки ЕЕГ було використано також в радіоелектронній системі мікрохвильової терапії.

Рис. 4. Структурна схема блоку обробки сигналів цифрового електроенцефалографа

В четвертому розділі розглянуто методи виявлення ділянок сегментів і локалізації моментів часу переходу випадкового процесу від одного сегменту до іншого. Відзначено, що на даний час однією з перспективних є гіпотеза про кусочно-стаціонарний характер ЕЕГ, згідно з якою замість описання ЕЕГ єдиним усередненим набором параметрів (наприклад, спектром потужності або АКФ) отримують описання декількох виділених класів сегментів. При цьому ЕЕГ аналізується не як сигнал з незмінними у часі характеристиками, а як сукупність ділянок, які мають якісно різні значення з точки зору діагностики. Такий підхід є новим у практиці розробки діагностичних електронних систем. Важливим завданням є розробка методу визначення тривалості сегментів сигналу, їхніх меж та статистичних характеристик процесу на протязі кожного сегменту.

Проведено розрахунок меж сегментів за допомогою непараметричної сегментації ЕЕГ. Перевагами методу є відсутність вимоги попередньої побудови моделі ЕЕГ процесу, а також можливість визначення порогу не емпірично, а за допомогою критичних значень критерію узгодженості Колмогорова–Смирнова.

Для визначення меж сегментів використовується модифікована статистика Колмогорова–Смирнова

,

де

– діагностична послідовність, отримана шляхом зведення у квадрат вихідного ЕЕГ–сигналу.

Розглянуто реалізації ЕЕГ здорових людей, що не сплять, з фільтрацією –ритма (рис. 5). Інші ритми ( і ), не вдається розбити на сегменти різної довжини, кожний з яких є однорідним (стаціонарним). Для фільтрації застосовується фільтр Батерворта 8-го порядку, частота дискретизації 120 Гц.

а) б)

Рис. 5. Вихідний ЕЕГ–сигнал здорової людини, що не спить (тім'яне відведення – а) – ліва сторона, б) – права сторона). Вертикальні лінії – оцінки меж стаціонарних сегментів

При порівнянні сигналів симетричних відведень, зроблено висновок, що межі стаціонарних ділянок, визначених за допомогою модифікованої статистики Колмогорова–Смирнова, практично співпадають.

В Додатку наведено приклади ЕЕГ та результати їх обробки методами, що розроблено і досліджено в дисертації.

ВИСНОВКИ

В дисертації вирішена актуальна наукова задача підвищення якості виділення та візуалізації інформаційних параметрів випадкових сигналів типу ЕЕГ за рахунок об'єднання і адаптації частотних і часових методів їх обробки. За результатами вирішення поставленої задачі можна зробити наступні висновки:

  1. Вперше проведено комплексний порівняльний аналіз частотних і часових методів обробки випадкових процесів типу ЕЕГ і показано, що для отримання необхідної інформації про функціональну активність мозку доцільно використовувати комплекс цих методів.

  2. Показано, що параметричні оцінки спектру, отримані для моделювання ЕЕГ процесами авторегресії і методом Проні, характеризуються більш високою точністю і розділенням в порівнянні з періодограмним методом, що дозволяє підвисити точність вимірювання ритмів ЕЕГ.

  3. Показано, що віконне перетворення Фур'є і вейвлет–перетворення дають можливість чисельно характеризувати тривалість і зміну основних фізіологічних ритмів, а також прослідкувати за зміною інтенсивності спектру в часі в межах кожного ритму. Проте, застосування цих методів в клінічній діагностиці обмежено їх складністю для електроенцефалографіста.

  4. Розроблено метод визначення миттєвої частоти випадкового процесу типу ЕЕГ на основі моделі аналітичного сигналу за Гілбертом, що дає можливість детально прослідити та чисельно охарактеризувати динаміку зміни структури ЕЕГ у часі, зміну та тривалість ритмів. Показана можливість визначення динамічних характеристик ЕЕГ за рахунок обчислення миттєвої і середньої частоти сигналу. Розроблено алгоритм і запропоновано модель визначення миттєвої частоти на основі частотного детектування сигналу ковзним вікном. Показано, що розроблений метод має більшу чутливість (в порівнянні з віконним перетворенням Фур'є і вейвлет–перетворенням) до виявлення швидких змін частоти.

  5. Запропоновано визначати симетрію ЕЕГ–сигналів міжнапівкульових відведень компенсаційним методом. Показано, що за величиною залишків можна проводити діагностику при диспансеризації.

  6. Запропонована і розроблена модель отримання спектрів ЕЕГ корелограмним методом, при урахуванні значень кореляційних функцій на ділянках відсутності шумової складової. Реалізація такого методу забезпечує виділення періодичних компонент сигналу на фоні інтенсивних шумових складових, кореляційна функція яких наближається до дельта-функції. Число гребенів спектру при цьому знижується (приблизно на 75%), що спрощує діагностику ритмів ЕЕГ.

  7. Запропоновано новий підхід до визначення миттєвої частоти ЕЕГ–сигналу на основі визначення числа перетинів нульового рівня за фіксований момент часу. Такий підхід дозволяє знаходити миттєву частоту ЕЕГ, при якому враховується сигнал з невеликими амплітудами.

  8. На основі статистик Колмогорова–Смирнова розроблено метод визначення меж стаціонарності ділянок ЕЕГ для заданого рівня значущості. Експериментально показано, що при рівні значущості 0,05 інтервал стаціонарності ЕЕГ здорової людини, що не спить, як правило, складає 1...4 с.

  9. На підставі проведених досліджень розроблено структурну схему блоку цифрової обробки сигналів електроенцефалографа, яка може бути використана при створенні апаратних засобів комп'ютерної діагностики захворювань нервової системи, а також при масовому скринінгу і диспансеризації, причому обслуговування комп'ютерного електроенцефало-графа може здійснюватися відповідним чином підготовленим техніком або медичним працівником середньої ланки. Комп'ютерна програма при цьому не ставить діагнозу, а проводить попередній відбір пацієнтів для подальшого поглибленого обстеження.

  10. Перспективними напрямом подальших досліджень може бути використовування кусково-стаціонарної структури ЕЕГ в клінічній діагностиці і наукових дослідженнях, а також дослідження статистичних характеристик шумоподібної складової ЕЕГ–сигналу.

СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

  1. СедышевП.Ю.,Харченко О.И. Рекурсивные методы обработки данных в малобазовых угломерно-разностно-дальномерных комплексах пассивной радиолокации источников излучения // Радиотехника: Всеукр. межвед. науч.-техн. сб. – 2001. – Вып. 117. – С.35–41.

  2. Харченко О.И. К вопросу о фильтрации и сглаживании случайного процесса типа ЭЭГ // Радиотехника: Всеукр. межвед. науч.-техн. сб. – 2005. – Вып. 140.–С.118–120.

  3. Харченко О.И., Грицунов А.В., Побережный А.А. Параметрические методы спектрального оценивания при анализе ЭЭГ // Радіоелектроніка та телекомунікації. – Львів: Вісник національного університету „Львівська політехніка".– 2005.– №534. – С.119–123.

  4. Волощук Ю.И., Харченко О.И., Кочин О.В. Методы анализа ЭЭГ крыс, различающихся по уровню судорожной готовности // Биомедицинские технологии и радиоэлектроника. – Москва: "Радиотехника". – 2006. – №5-6. – С. 77-79.

  5. Харченко О.И. Оценка изменения мгновенной частоты колебаний потенциалов мозга во времени на основе частотного детектирования скользящим окном // Биомедицинские технологии и радиоэлектроника. – Москва: "Радиотехника". – 2007.-– № 1. – С. 56-58.

  6. Бей Д.С, Кочина М.Л., Чумаков В.И., ХарченкоО.И. К анализу характеристик электродной системы ЭЭГ // 15-я Международная Крымская конференция "СВЧ-техника и телекоммуникационные технологии" (КрыМиКо2005). Материалы конференции. – Севастополь, 2005. –С.908-909.

  7. Rudnev O.E., Shmaliy Yu.S., Sokolinskiy E.J., Shmaliy A.Yu., Kharchenko O.I. Kalman filtering of a frequency instability based on Motorola Oncore UT GPS timing Signals // Joint Meeting of the 13th European Frequency and Time Forum 1999 IEEE International Frequency Control Symposium. – Besancon, France, 1999.–Vol. I. – P.251-254.

  8. Харченко О.И. К методике цифровой обработки биотелеметрической информации // Материалы международной научной конференции "Теория и техника передачи, приема и обработки информации". – Харьков–Туапсе: ХНУРЭ, 2003. – С. 169–170.

  9. Харченко О.И., Кочин О.В. Методические подходы к исследованию динамики электрической активности гиппокампа эпилептизированных крыс // Материалы междунар. научн.-техн. конф. студентов, аспирантов и ученых: Молодежь и современные проблемы радиотехники и телекоммуникаций „РТ-2006". – Севастополь: Изд-во СевНТУ, 2006.– С. 265.

  10. Харченко О.И., Кочин О.В. Методические подходы к использованию компьютерного анализа энцефалограмм // Тези доповідей I Української наукової конференції „Проблеми біологічної і медичної фізики" з міжнародним представництвом. – Харків: Видавництво Харківського нац. ун–ту ім. В.Н.Каразіна, 2004. – С. 210.

  11. Харченко О.И., Кочин О.В. Параметрический метод спектрального оценивания ЭЭГ // Конференция "Компьютерная медицина 2005". – Харьков: Клин. информат. и телемед., 2005. – С. 141.

  12. Харченко О.И., Кочин О.В. Результаты исследования динамики электрической активности гиппокампа эпилептизированных крыс // 10-й юбилейный международный молодежный форум "Радиоэлектроника и молодежь в XXI веке": Сб. материалов форума. – Харьков: ХНУРЭ, 2006.–С.213.

  13. Харченко О.И., Кочин О.В. Использование современных методов обработки сигналов для анализа динамики электрической активности гиппокампа элептизированных крыс // Седьмая международная научно–практическая конференция "Современные информационные и электронные технологии", Труды конференции. – Одесса, 2006. – Том. II – С.188.


 
 

Цікаве

Загрузка...