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.