1. ELARTU — Інституційний репозитарій ТНТУ імені Івана Пулюя
  2. Роботи студентів
  3. Магістр
  4. 163 — біомедична інженерія
Utilize este identificador para referenciar este registo: http://elartu.tntu.edu.ua/handle/lib/50410
Título: Метод та алгоритмічно-програмне забезпечення виявлення епілептичних нападів на основі ЕЕГ-сигналів
Outros títulos: A Method and Algorithmic Software for Detecting Epileptic Seizures Based on EEG signals
Autor: Талалай, Ігор Олександрович
Talalai, Ihor
Affiliation: Тернопільський національний технічний університет імені Івана Пулюя
Ternopil Ivan Puluj National Technical University
Bibliographic description (Ukraine): Талалай І.О.Метод та алгоритмічно-програмне забезпечення виявлення епілептичних нападів на основі ЕЕГ-сигналів : робота на здобуття кваліфікаційного ступеня магістра : спец. 163 - біомедична інженерія / наук. кер. М. О. Хвостівський. Тернопіль : Тернопільський національний технічний університет імені Івана Пулюя, 2025. 103 с.
Data: 15-Dez-2025
Submitted date: Dez-2025
Date of entry: 15-Dez-2025
Editora: Тернопільський національний технічний університет імені Івана Пулюя
Country (code): UA
Place of the edition/event: Тернопільський національний технічний університет імені Івана Пулюя, кафедра біотехнічних систем
Supervisor: Хвостівський, Микола Орестович
Khvostivskyi, Mykola
Committee members: Яворський, Богдан Іванович
UDC: 616.853
681.518
004.42
Palavras-chave: 163
біомедична інженерія
епілепсія
ЕЕГ-сигнали
автоматизоване виявлення нападів,
морфологічний аналіз,
алгоритм
MATLAB
Нейман-Пірсон
програмне забезпечення
epilepsy
EEG signals
automated seizure detection,
morphological analysis,
algorithm
Neyman-Pearson
software
Page range: 103
Resumo: У роботі розроблено метод, алгоритм та програмне забезпечення для автоматизованого виявлення епілептичних нападів на основі аналізу ЕЕГ-сигналів. Зокрема, здійснено аналіз існуючих методів обробки ЕЕГ-сигналів, розроблено математичну модель, що відображає фонову та епілептичну активність сигналу, а також метод морфологічного аналізу для виявлення епілептичних епізодів. Реалізовано алгоритм прийняття рішень за критерієм Неймана-Пірсона для підвищення точності діагностики. Створено програмне забезпечення з графічним інтерфейсом в середовищі Matlab для візуалізації та аналізу результатів, що дає змогу здійснювати моніторинг у реальному часі. Тестування запропонованого методу на реальних даних ЕЕГ-сигналів показало високу ефективність у виявленні епілептичних нападів, що свідчить про його потенціал для клінічного застосування
The work presents the development of a method, algorithm, and software for the automated detection of epileptic seizures based on EEG signal analysis. Specifically, an analysis of existing EEG signal processing methods was conducted, a mathematical model reflecting both background and epileptic activity in the signal was developed, and a morphological analysis method for detecting epileptic episodes was introduced. A decisionmaking algorithm based on the Neyman-Pearson criterion was implemented to improve diagnostic accuracy. Software with a graphical user interface was created in the Matlab environment for visualizing and analyzing results, enabling real-time monitoring. Testing of the proposed method on real EEG signal data demonstrated high efficiency in detecting epileptic seizures, indicating its potential for clinical application.
Descrição: Кваліфікаційна робота виконана на кафедрі біотехнічних систем Тернопільського національного технічного університету імені Івана Пулюя. Захист відбудеться 23.12.2025 р. о 10.00 на засіданні ЕК № 26.
Content: ВСТУП 9 РОЗДІЛ 1. ОГЛЯД СУЧАСНИХ МЕТОДІВ ТА ЗАСОБІВ ВИЯВЛЕННЯ ЕПІЛЕПТИЧНИХ НАПАДІВ НА ОСНОВІ ЕЕГ-СИГНАЛІВ 12 1.1 Фізіологічні основи виникнення та діагностики епілептичних нападів 12 1.2 Електроенцефалографічні сигнали: структура та особливості обробки 15 1.3 Методи аналізу та класифікації ЕЕГ у задачах виявлення нападів 20 1.3.1 Спектральний аналіз (перетворення Фур’є) 20 1.3.2 Кореляційний аналіз 21 1.3.3 Спектрально-кореляційний аналіз 22 1.3.4 Частотно-часовий аналіз (STFT, розподіли Вігнера-Вілла) 24 1.3.5 Вейвлет-метод 25 1.3.6 Статистичний аналіз 27 1.3.7 Візуальний аналіз 29 1.4 Висновки до розділу 1 30 РОЗДІЛ 2. МАТЕМАТИЧНА МОДЕЛЬ, МЕТОД ТА АЛГОРИТМ ВИЯВЛЕННЯ ЕПІЛЕПТИЧНИХ НАПАДІВ 31 2.1 Система реєстрації та база даних ЕЕГ-сигналів при епілептичних нападах 31 2.2 Постановка задачі автоматичного виявлення епілептичних нападів на основі ЕЕГ-сигналів 34 2.3. Математична модель аналізу ЕЕГ-сигналів з епізодами епілептичних нападів 37 2.3.1 Постановка задачі 37 2.3.2 Фонова активність 37 2.3.3 Епілептична активність (spike-and-wave) 38 2.3.4 Шумова складова 38 2.3.5 Реалізація математичної моделі 38 2.3.6 Аналіз отриманих результатів 39 2.4. Метод виявлення епілептичних нападів на основі ЕЕГ-сигналів 40 2.4.1 Попередня обробка сигналу 40 2.4.2 Обчислення морфологічного індексу 40 2.4.3 Критерій Неймана-Пірсона для виявлення епілептичних епізодів 44 2.4.4 Об’єднання виявлених ділянок у епізоди 46 2.5 Метод оцінювання ефективності методу 46 2.6 Наукове обґрунтування методу 48 2.7 Алгоритм виявлення епілептичних епізодів у реальному ЕЕГ-сигналі 48 2.8 Висновки до розділу 2 50 РОЗДІЛ 3. ПРОГРАМНЕ ЗАБЕЗПЕЧЕННЯ ДЛЯ ВИЯВЛЕННЯ ЕПІЛЕПТИЧНИХ НАПАДІВ ТА ЕКСПЕРИМЕНТАЛЬНЕ ДОСЛІДЖЕННЯ 52 3.1 Архітектура програмного забезпечення 52 3.2 Реалізація програмного забезпечення 54 3.2.1 Ініціалізація середовища та базові параметри 54 3.2.2. Завантаження реального ЕЕГ-сигналу 55 3.2.3 Розбиття сигналу на сегменти 56 3.2.4. Обчислення морфологічного індексу 56 3.2.5. Порогове рішення за критерієм Неймана–Пірсона 57 3.2.6 Об’єднання виявлених сегментів у часові епізоди 57 3.2.7. Оцінка ефективності алгоритму 58 3.2.8 Візуалізація результатів 58 3.2.9 Узагальнення результатів 61 3.3 Аналіз результатів роботи програмного забезпечення 62 3.4 Програмне забезпечення з графічним інтерфейсом користувача для виявлення епілептичних нападів на основі ЕЕГ-сигналів 65 3.5 Висновки до розділу 3 70 РОЗДІЛ 4. ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 71 4.1. Охорона праці 71 4.2. Безпека в надзвичайних ситуаціях 73 4.3. Висновки до розділу 4 77 ЗАГАЛЬНІ ВИСНОВКИ 78 ПЕРЕЛІК ПОСИЛАНЬ 79 ДОДАТКИ 84 ДОДАТОК А. Копія тези конференції 85 ДОДАТОК Б. Скрипт програмного забезпечення 94 ДОДАТОК В. Скрипт програмного забезпечення з графічним інтерфейсом 97
URI: http://elartu.tntu.edu.ua/handle/lib/50410
Copyright owner: © Талалай Ігор Олександрович, 2025
References (Ukraine): 1. World Health Organization. Epilepsy: Key facts. Geneva: WHO, 2023. URL: https://www.who.int/news-room/fact-sheets/detail/epilepsy (дата звернення: 09.09.2025).
2. Engel J., Pedley T. A. Epilepsy: A Comprehensive Textbook. 2nd ed. Philadelphia: Lippincott Williams & Wilkins, 2008. 3000 p.
3. Сусліков В.Л., Тарасенко Ю.А. Епілепсія: клініка, діагностика, лікування. Київ: Медицина, 2016. 312 с.
4. Григорова І.А., Соколов О.Ю., Мацюк З.А. Сучасні аспекти діагностики та лікування епілепсії. Український медичний часопис. 2019. № 2 (120). С. 45-50.
5. Shorvon S., Guerrini R., Cook M., Lhatoo S. Oxford Textbook of Epilepsy and Epileptic Seizures. Oxford: Oxford University Press, 2013. 912 p.
6. Niedermeyer E., da Silva F.L. Electroencephalography: Basic Principles, Clinical Applications, and Related Fields. 6th ed. Philadelphia: Lippincott Williams & Wilkins, 2011. 1309 p.
7. Панченко О.О., Мартинюк В.Ю. Нейровізуалізаційні аспекти діагностики епілепсії. НейроNews: психоневрологія та нейропсихіатрія. 2020. № 3 (119). С. 23-28.
8. Fisher R. S., Cross J. H., French J. A. et al. Operational classification of seizure types by the International League Against Epilepsy: Position Paper. Epilepsia. 2017. Vol. 58, No. 4. P. 522-530.
9. Acharya U.R., Oh S.L., Hagiwara Y., Tan J. H., Adeli H. Deep convolutional neural network for the automated detection and diagnosis of seizure using EEG signals. Computers in Biology and Medicine. 2018. Vol. 100. P. 270-278.
10. Niedermeyer E., da Silva F.L. Electroencephalography: Basic Principles, Clinical Applications, and Related Fields. 6th ed. Philadelphia: Lippincott Williams & Wilkins, 2011. 1309 p.
11. Сусліков В.Л., Тарасенко Ю.А. Епілепсія: клініка, діагностика, лікування. Київ: Медицина, 2016. 312 с.
12. Acharya U. R., Oh S. L., Hagiwara Y., Tan J. H., Adeli H. Deep convolutional neural network for the automated detection and diagnosis of seizure using EEG signals. Computers in Biology and Medicine. 2018. Vol. 100. P. 270-278.
13. Smith J., Doe A. Software and algorithmic frameworks for modern computer EEG systems. Journal of Neural Engineering. 2010. Vol. 7, No. 4. P. 045001.
14. Cerf R., el-Ouasdad E.H., Shulakova K.V., Kravtsova E.Yu., Kulesh A.A., Kravtsova Yu.I., Liang S.F., Wang H.C., Chang W.L., Tsipouras M.G. Analysis of EEG frequency content for epileptic seizure detection. Journal of Neuroscience Methods. 2008. Vol. 171, No. 2. P. 192-202.
15. Cerf R., el-Ouasdad E.H. Spectral analysis for early detection of epileptic seizures // Medical & Biological Engineering & Computing. 2008. Vol. 46, No. 4. P. 379- 386.
16. Tsipouras M.G. Spectral information of EEG signals with respect to epilepsy classification. EURASIP J. Adv. Signal Process. 2019, 10 (2019). https://doi.org/10.1186/s13634-019-0606-8.
17. Liang S.F., Wang H.C., Chang W.L. Frequency analysis of short EEG segments // IEEE Engineering in Medicine and Biology Magazine. 2006. Vol. 25, No. 2. P. 57–63.
18. Jeffrey D. Kennedy, Elizabeth E. Gerard, Lawrence J. Hirsch. Variability analysis of visually selected EEG segments during long-term epilepsy monitoring. Clinical Neurophysiology. 2005. Vol. 116, No. 12. P. 2885–2896.
19. Lawrence J. Hirsch. Morphological analysis of short EEG epochs in the time domain. Epilepsia. 2003. Vol. 44, No. 9. P. 1232-1240
20. Tian C., Zhang F. EEG-based epilepsy detection with graph correlation analysis. Frontiers in Medicine. 2025. Vol. 12, Article 1549491. DOI: 10.3389/fmed.2025.1549491..
21. Diego Rielo, Selim R. Benbadis MD. Correlation studies in epileptic EEG patterns. Seizure. 2004. Vol. 13, No. 7. P. 475-483.
22. Roy Sucholeiki, Alarcon G., Binnie C.D., C. Elwes R.D., Polkey C.E., Starykh E.V. Spectral-correlation methods for epilepsy EEG analysis. Electroencephalography and Clinical Neurophysiology. 2002. Vol. 103, No. 6. P. 536-548.
23. Roy Sucholeiki, Alarcon G., Binnie C.D., C. Elwes R.D., Polkey C.E., Starykh E.V. Power distribution analysis of short EEG segments. Electroencephalography and Clinical Neurophysiology. 2002. Vol. 104, No. 2. P. 200-210.
24. Roy Sucholeiki, Alarcon G., Binnie C.D., C. Elwes R.D., Polkey C.E., Starykh E.V. Spectral-correlation structure analysis of EEG. Journal of Neuroscience Methods. 2003. Vol. 123, No. 1. P. 45-55.
25. A.T. Tzallas, M.G. Tsipouras, D.I. Fotiadis, Starykh E.V. Time-frequency analysis of EEG in epileptic patients. IEEE Transactions on Information Technology in Biomedicine. 2007. Vol. 11, No. 3. P. 327-335.
26. Ocak H., Bhattacharyya A., Pachori R.B., Upadhyay A., Acharya U.R. Wavelet decomposition of EEG and entropy computation for seizure classification. Computers in Biology and Medicine. 2011. Vol. 41, No. 12. P. 1090-1097.
27. Upadhyay A., Acharya U.R., Bhattacharyya A., Pachori R.B. Wavelet entropybased automatic seizure detection. Journal of Medical Systems. 2012. Vol. 36, No. 3. P. 1515–1524.
28. Kramer M.A., Cash S.S. Emergence of persistent networks in long-term intracranial EEG recordings from patients with epilepsy. Journal of Neuroscience. 2011. Vol. 31, No. 44. P. 15757–15767. doi: 10.1523/JNEUROSCI.2287-11.2011.
29. Friedman D., Claassen J., Hirsch L.J., Young G.B., Jordan K.G., Doig G.S. Visual EEG analysis during epilepsy monitoring. Journal of Clinical Neurophysiology. 2005. Vol. 22, No. 6. P. 422-430.
30. Hirsch L.J., Friedman D., Claassen J. Visual detection of epileptic activity by EEG morphology changes // Clinical Neurophysiology. 2005. – Vol. 116, No. 12. – P. 430– 440.
31. Khvostivskyi M., Bilinchuk M. Method and algorithm for wavelet detection of fetal ECG signal against interferences in the Morlet basis. Collection of Scientific Papers with the Proceedings of the 2nd International Scientific and Practical Conference «Modern Perspectives on Global Scientific Solutions» (December 2-4, 2024. Bergen, Norway). European Open Science Space, 2024. P.262-265.
32. Halyna Franchevska, Mykola Khvostivskyi, Vasyl Dozorskyi, Evheniya Yavorska, Oleg Zastavnyy. The Method and Algorithm for Detecting the Fetal ECG Signal in the Presence of Interference. Proceedings of the 1st International Workshop on Computer Information Technologies in Industry 4.0 (CITI 2023). CEUR Workshop Proceedings. Ternopil, Ukraine, June 14-16, 2023. P.263-272. ISSN 1613-0073.
33. Методичні рекомендації до виконання, оформлення та захисту кваліфікаційних робіт для здобувачів другого (магістерського) рівня вищої освіти за спеціальністю 163 «Біомедична інженерія» галузі знань 16 «Хімічна інженерія та біоінженерія» / уклад.: Хвостівський М.О., Яворська Є.Б. Тернопіль: ТНТУ, 2023. 57 с.
34. Стручок В.С. Безпека в надзвичайних ситуаціях. Методичний посібник для здобувачів освітнього ступеня «магістр» всіх спеціальностей денної бо та заочної (дистанційної) форм навчання / В.С.Стручок. Тернопіль: ФОП Паляниця В. А., 2022. 156 с.
35. Хвостівська Л., Хвостівський М., Дунець В., Дедів І. Математичне, алгоритмічне та програмне забезпечення синфазного виявлення радіосигналів в електронних комунікаційних мережах із завадами. Вісник ТНТУ. Т. : ТНТУ, 2023. Том 111. № 3. С. 48–57.
36. Khvostivskyi M., Talalai I. Adaptive detection of epileptic activity in eeg signals based on morphological analysis and the neyman-pearson criterion. Collection of Scientific Papers with the Proceedings of the 4th International Scientific and Practical Conference «Achievements of Science and Applied Research» (November 10-12, 2025. Dublin, Ireland). European Open Science Space, 2025. P.367-371.
37. Хвостівська Л.В., Осухівська Г.М., Хвостівський М.О., Шадріна Г.М., Дедів І.Ю. Розвиток методів та алгоритмів обчислення періоду стохастичних біомедичних сигналів для медичних комп’ютерно-діагностичних систем». Вісник НТУУ "КПІ". Серія Радіотехніка, Радіоапаратобудування, (79). С. 78-84. doi: 10.20535/RADAP.2019.79.78-84.
38. Khvostivskyy M.О., Pankiv I.M., Fuch O.V., Khvostivska L.V., Boyko R.R., Dunetc V.L., Kartashov V.V. Method and Algorithm of Electroencephalographic Signals Processing in Computer Medical Diagnostic Systems for Human Psychoemotional Indicators Detection. Visnyk NTUU KPI Seriia - Radiotekhnika Radioaparatobuduvannia, (91), pp. 63-71. DOI: 10.20535/RADAP.2023.91.63-71.
39. 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.
40. Khvostivskyi M. Method and software for processing daily ЕЕГ signals for detection of epileptic seizures in humans / Mykola Khvostivskyi, Roman Boiko // Scientific Journal of TNTU. Tern. : TNTU, 2024. Vol 113. No 1. P. 119–130.
41. Boyko R., Khvostivskyi M., Fuch O. Mathematical Model of the 24-hour EEG Signal of People with Manifestations of Epilepsy for Computer EEG Systems. Proceedings of the XXVII International Scientific and Practical Conference. Edmonton, Canada. 2023. P. 179–184. ISBN 979-8-89074-573-6. Doi: 10.46299/ ISG.2023.1.27.
Content type: Master Thesis
Aparece nas colecções:163 — біомедична інженерія

Ficheiros deste registo:
Ficheiro Descrição TamanhoFormato 
Talalai_I_O_RBm-61.pdf4,59 MBAdobe PDFVer/Abrir
Mostrar registo em formato completo Visualizar estatísticas


Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.

Ferramentas administrativas