Mesedez, erabili identifikatzaile hau item hau aipatzeko edo estekatzeko: http://elartu.tntu.edu.ua/handle/lib/34813
Titulua: Математичне, алгоритмічне та програмне забезпечення комп’ютерної електроенцефалографічної системи для виявлення проявів епілепсії у людини
Beste titulu batzuk: Software, mathematical and algorithmic tools for the computer electroencephalography system of humans epilepsy manifestations detecting
Egilea: Хвостівський, Микола Орестович
Хвостівська, Лілія Володимирівна
Бойко, Роман Романович
Bibliographic description (Ukraine): Хвостівський , М. О., Хвостівська, Л. В. і Бойко Р. P. Математичне, алгоритмічне та програмне забезпечення комп’ютерної електроенцефалографічної системи для виявлення проявів епілепсії у людини. Вісник НТУУ "КПІ". Серія Радіотехніка, Радіоапаратобудування, (84). 2021. С. 66-77. doi: 10.20535/RADAP.2021.84.66-77.
Bibliographic description (International): Khvostivskyy M., Khvostivska L, Boyko R. Software, mathematical and algorithmic tools for the computer electroencephalography system of humans epilepsy manifestations detecting. Visnyk NTUU KPI Seriia - Radiotekhnika Radioaparatobuduvannia. 84 (Mar. 2021), P. 66-77. DOI:https://doi.org/10.20535/RADAP.2021.84.66-77.
Gordailuaren-data: 31-Mar-2021
Date of entry: 4-Apr-2021
Argitalpen: Вісник НТУУ "КПІ". Серія Радіотехніка, Радіоапаратобудування
Country (code): UA
Place of the edition/event: Вісник НТУУ "КПІ". Серія Радіотехніка, Радіоапаратобудування
UDC: 616.853
517.57
519.21
004.021
004.422.8
Gako-hitzak: ЕЕГ-сигнал
24 години
епілепсія
математична модель
алгоритм
обробка
коваріатор
програмне забезпечення
Matlab
комп’ютерні електроенцефалографічні системи
Laburpena: Розроблено математичне, алгоритмічне та програмне забезпечення у складі комп’ютерної електроенцефалографічної системи, яке базується на обробці ЕЕГ-сигналу впродовж 24 годин як кусково-випадкової послідовності білих шумів та адитивної суміші гармонічних функцій різної частоти для виявлення прихованих часових зон прояву епілепсії. В основі методу виявлення епілепсії у людини лежить процедура коваріаційної обробки за допомогою коваріаторів з базисними гармонічними функціями частот діапазону від f1 до f2 в межах ковзного вікна, яке переміщається по реалізації ЕЕГ-сигналу тривалістю 24 години. На основі математичного забезпечення (математична модель та метод обробки) розроблено алгоритмічне та програмне забезпечення із застосуванням пакету прикладних програм MATLAB для комп’ютерних електроенцефалографічних систем. За результатами обробки експериментальних даних ЕЕГ-сигналу впродовж 24 годин встановлено, що в часові моменти прояву епілепсії спостерігається збільшення показників середньої потужності коваріації по відношенню до часових моментів без прояву епілепсії. Отже, оцінки коваріаторів ЕЕГ-сигналу впродовж 24 годин кількісно реагують на прояви епілепсії. Для верифікації розробленого математичного, алгоритмічного та програмного забезпечення обробки ЕЕГ-сигналу впродовж 24 годин у складі комп’ютерної електроенцефалографічної системи згенеровано тестовий сигнал у вигляді суми гармонічних компонент на заданих часових зонах, які є характерними для ЕЕГ-сигналу в часові моменти прояву епілепсії, та білого шуму – на часових зонах без прояву епілепсії. Результати обробки згенерованого тестового сигналу підтвердили коректність виявлення зон прояву гармонічних компонент, які індукують прояв епілепсії.
Mathematical, algorithmic and software have been developed as a part of a computer electroencephalographic system. It is based on a 24 hours processing of an EEG signal in a form of a piecewise random sequence of white noises and an additive mixture of harmonic functions with different frequencies for hidden epilepsy time zones detection. The method of epilepsy detecting is based on a procedure of covariance treatment using covariators with basic harmonic functions of frequencies in the range from f1 to f2 within the sliding window, which moves along a sample of values of the EEG signal lasting 24 hours. Based on the mathematical model and processing method, an algorithm and software have been developed for computer electroencephalographic systems using the MATLAB application package. According to the results of the EEG signal lasting 24 hours experimental data processing, it was found that at the time moments of epilepsy there is corvariation average power increasing compared to time moments without epilepsy. Therefore, estimates of corvariators EEG signal within 24 hours respond quantitatively to the manifestations of epilepsy. To verify the developed mathematical, algorithmic support and software there was generated a test signal in the form of the harmonic components sum in given time zones, (characteristic of the EEG signal) at the time of epilepsy, and white noise - in time zones without epilepsy. The results of the generated test signal processing confirmed the correctness of the detection of the areas of harmonic components appearance that induce the manifestation of epilepsy.
Content: Вступ. Постановка задачі; 1 Часова структура ЕЕГ-сигналу впродовж 24 годин; 2 Математичне забезпечення комп’ютерної електроенцефалографічної системи виявлення епілепсії; 3 Метод обробки ЕЕГ-сигналу впродовж 24 годин; 3 Алгоритмічне забезпечення обробки ЕЕГ-сигналу впродовж 24 годин; 4 Результати виявлення прояву епілепсії; 5 Верифікація алгоритмічного та програмного забезпечення обробки ЕЕГ-сигналу впродовж 24 годин; Висновки та рекомендації; Перелік посилань; References;
URI: http://elartu.tntu.edu.ua/handle/lib/34813
Copyright owner: © Хвостівський М.О., Хвостівська Л.В., Бойко Р.Р., 2021
References (Ukraine): 1. Бутов И.С. Эпилептический характер полтергейста: исследование энцефалограмм фокальных лиц. РО «БеларусьКосмопоиск», 2009. Аномалия. №1. Часть 1. С. 32-36.
2. Cerf R, el Hassan el Ouasdad. Spectral analysis of stereo-electroencephalograms: preictal slowing in partial epilepsies. Biological Cybernetics. Volume 83. PP. 399-405(2000). DOI: 10.1007/s004220000178
3. Кравцова Е.Ю., Шулакова К.В., Кравцов Ю.И., Кулеш А.А. Результаты спектрального анализа электроэнцефалограммы пациентов с фокальными эпилептическими приступами в межприступном периоде. Журнал неврологии и психиатрии, 2014. Методы исследования и диагностики. №2. С.34-36.
4. Liang S.F., Wang H.C., Chang W.L. (2010) Combination of EEG complexity and spectral analysis for epilepsy diagnosis and seizure detection. EURASIP Journal on Advances in Signal Processing, 853434. DOI: https://doi.org/10.1155/2010/853434
5. Tsipouras M.G. (2019) Spectral information of EEG signals with respect to epilepsy classification. EURASIP Journal on Advances in Signal Processing. 10. DOI: https://doi.org/10.1186/s13634-019-0606-8
6. Jeffrey D Kennedy, Elizabeth E Gerard. Continuous EEG Monitoring in the Intensive Care Unit. June 2012. Current Neurology and Neuroscience Reports 12(4):419-28. DOI: 10.1007/s11910-012-0289-0
7. Lawrence J. Hirsch. Continuous EEG Monitoring in the Intensive Care Unit. October 2004. American journal of electroneurodiagnostic technology. 44(3):137-58. DOI: 10.1080/1086508X.2004.11079478
8. Бурденко Н. Н., Анохин И. К., Майорчик В.Е. Электрические явления в коре головного мозга при травматической эпилепсии. Вопр. нейрохир. № 3. C. 3-15.
9. Selim R Benbadis, MD, Diego Rielo, MD (co). EEG Artifacts. eMedicine Neurology, 2019. URL: https://emedicine.medscape.com/article/1140247-overview
10. Roy Sucholeiki, MB, BCh, MD. Normal EEG Variants. eMedicine Neurology, 2019. URL: https://emedicine.medscape.com/article/1139291-overview
11. Alarcon G., Binnie C.D., C.Elwes R.D., Polkey C.E. Power spectrum and intracranial EEG patterns at seizure onset in partial epilepsy. Electroencephalography and Clinical Neurophysiology. Volume 94, Issue 5, May 1995. PP. 326-337. DOI: https://doi.org/10.1016/0013-4694(94)00286-T
12. Старых Е.В. Дозированность гипоксических стимуляций у больных эпилепсией. Неврологический вестник. 2002. Т. XXXIV. Вып. 1-2. С.24-27.
13. Tzallas A.T., Tsipouras M.G., Fotiadis D.I. Automatic seizure detection based on time-frequency analysis and artificial neural networks. Comput Intell Neurosci, 80510 (2007). DOI: https://doi.org/10.1155/2007/80510
14. Ocak H. Optimal classification of epileptic seizures in EEG using wavelet analysis and genetic algorithm. Signal Process. 88(7), pp.1858–1867 (2008). DOI: https://doi.org/10.1016/j.sigpro.2008.01.026
15. Bhattacharyya A., Pachori R.B., Upadhyay A., Acharya U.R. Tunable-Q wavelet transform based multiscale entropy measure for automated classification of epileptic EEG signals. Appl. Sci. 7, 385 (2017). DOI: https://doi.org/10.3390/app7040385
16. Айвазян С.О., Ширяев Ю.С. Видео-ЭЭГ-мониторинг в диагностике эпилепсии у детей. Журн. неврологии и психиатрии им. С.С. Корсакова, 2010. Т. 110. № 3. С. 72–76.
17. Friedman D, Claassen J, Hirsch LJ. Continuous electroencephalogram monitoring in the intensive care unit. Anesthesia & Analgesia: August 2009. Volume 109, Issue 2, pp. 506-523. DOI: 10.1213/ane.0b013e3181a9d8b5
18. Young GB, Jordan KG, Doig GS. An assessment of nonconvulsive seizures in the intensive care unit using continuous EEG monitoring: an investigation of variables associated with mortality. Neurology. 1996;47(1):83–9
Content type: Article
Bildumetan azaltzen da:Наукові публікації працівників кафедри біотехнічних систем

Item honetako fitxategiak:
Fitxategia Deskribapena TamainaFormatua 
Khvostivskyy M., Khvostivska L., Boyko R. (2021).pdfМатематичне, алгоритмічне та програмне забезпечення комп’ютерної електроенцефалографічної системи для виявлення проявів епілепсії у людини; Software, mathematical and algorithmic tools for the computer electroencephalography system of humans epilepsy manifestations detecting1,03 MBAdobe PDFBistaratu/Ireki


DSpaceko itemak copyright bidez babestuta daude, eskubide guztiak gordeta, baldin eta kontrakoa adierazten ez bada.

Administratzailearen tresnak