Úvod
• motivace - velké objemy EEG dat (celodenní záznamy apod.)
• cíle – data vhodně předzpracovat, k detailnímu posouzení předložit pouze “zajímavé” části záznamu – cílem není nahradit zkušené oko neurologa, ale usnadnit mu práci
• prostředky – výpočetní technika, metody kvantitativního EEG, zpracování signálů, rozpoznávání
Klasifikace
•klasifikace: matematická metoda, kdy vstupní objekty X(i) jsou rozřazovány do tříd podle podobnosti
•metody klasifikace bez učitele: podoba (a často ani počet) tříd není známa – shluková analýza, SOM, Kohonenovy mapy atd.
•metody klasifikace s učitelem – nutným doplňkovým vstupem klasifikátoru je tzv. trénovací množina – množina ukázek objektů jednotlivých klasifikačních tříd. k-NN klasifikátor, neuronové sítě, rozhodovací stromy atd.
Klasifikace
• objekty X(i) popsány pomocí číselných charakteristik, příznaků: pro 1D signály v časové oblasti např. různé obecné a centrální momenty (rozptyl), korelační koeficienty, spektrální analýza (výkony ve frekvenčních pásmech) apod.
• míra podobnosti definována často jako euklidovská vzdálenost v prostoru příznaků d(i,j)
• zde je to spíše „míra nepodobnosti“, i, j jsou indexy klasifikovaných objektů, N dimenze příznakového prostoru, X(i,k) hodnota k-tého příznaku i-tého objektu
2
1
( , ) ( , ) ( , )k N
k
d i j X i k X j k
Klasifikace epileptického EEG
• 1. krok: segmentace – rozdělení signálu na úseky, zde pro jednoduchost na úseky konstantní délky 2 sekund
Klasifikace epileptického EEG• 2. krok: pro každý segment vypočítána množina
příznaků• segment => vektor reálných čísel• příklad:
• příznak 1 = průměrná absolutní první derivace• příznak 2 = rozptyl
• segment č. 1 => { 0,43 ; 7,51 }• segment č. 2 => { 0,84 ; 38,13 }
segment příznak 1 příznak 2
1 0,43 7,51
2 0,84 38,13
Klasifikace epileptického EEG• 3. krok: trénovací množina trénovací množina =
množina “ukázek” segmentů pro jednotlivé klasifikační třídy
• pro náš problém pouze 2 třídy• normální aktivita – třída 1• epileptická aktivita – třída 2
Klasifikace epileptického EEG
• 4. krok: klasifikace• máme
• segmentovaný původní signál (segmenty délky 2 sekund)
• vypočítané vektory příznaků pro každý segment
• trénovací množinu (2 třídy)• klasifikace = nalézt pro každý segment
původního signálu co nejpodobnější segment trénovací množiny a přiřadit mu tak třídu
Klasifikace epileptického EEG
• obarvení segmentů vstupního signálu podle příslušnosti ke klasifikační třídě (normální EEG černě, epileptické červeně)
Klasifikace komatického EEG
• na komatické (spánkové) EEG• klasifikovaný signál délky 2 hodin, segmenty
16 sekund• trénovací množina – sestavena expertem, 10
tříd, celkem 319 segmentů• ukázka segmentů trénovací množiny
segment třída
1
4
7
10
Klasifikace komatického EEG
•barevné kódování třídtřída
1 2 3 4 5 6 7 8 9 10
barva•hrubý odhad dlouhodobých trendů
0m
60m
30m
90m
120m
třída 3
třída 4
třída 6-7
třída 4
třída 6
Vizualizace
• metody vizualizace umožňují nahlížet na signál diametrálně odlišným způsobem v porovnání s analýzou signálu v časové oblasti
• často jsou data transformována (např. pomocí integrálních transformací – FFT) do jiné oblasti, ve které je hledaná informace mnohem lépe viditelná
• frekvenční analýza, Fourrierrova transformace, FFT
Frekvenční analýza, FFT
•časová oblast: osa X = čas, osa Y = amplituda
•frekvenční oblast: osa X = frekvence, osa Y = amplituda (popř. výkon na dané frekvenci)
•spektrogram – rozšířená forma frekvenční analýzy. Osa X – čas, osa Y = frekvence, barva = amplituda (výkon)
časová oblast
frekvenční oblast
spektrogram
Spektrogram signálu s rostoucí frekvencí
Spektrogram dlouhodobého EEG signálu
• spektrogram spánkového EEG délky 8.5 hodiny
• patrná periodická struktura typická pro lidský spánek
• analýza spánkových stádií• možná analýza poruch spánku apod.
2D & 3D spektrogram
čas
frek
čas
frek
2D spektrogram více elektrod
3D mapování• výsledek analýzy lze zobrazit pomocí barevné
modulace na modelu hlavy• poskytuje topografickou představu o distribuci
mapované veličiny v jednotlivých elektrodách• např. rozložení celkového výkonu v delta pásmu (cca
0-4Hz)
0:00-0:09
0:10-0:19
0:20-0:29
0:30-0:39
0:40-0:49
0:50-0:59
1:00-1:09
1:10-1:19
1:20-1:29
1:30-1:39
2D mapování
2D mapování
Děkuji za pozornost.