A Method for Detecting Eye Blinks from Single-Channel Biopotential Signal in the Intensive Care Unit
No Thumbnail Available
URL
Journal Title
Journal ISSN
Volume Title
Helsinki University of Technology |
Diplomityö
Checking the digitized thesis and permission for publishing
Instructions for the author
Instructions for the author
Authors
Date
2007
Major/Subject
Lääketieteellinen tekniikka
Mcode
Tfy-99
Degree programme
Language
en
Pages
x + 71
Series
Abstract
Potilasmonitorointi nykyaikaisessa teho-osastossa on keskittynyt pääasiassa potilaan sydämen ja keuhkojen toiminnan seuraamiseen. Vaikkakin molemmat näistä tekijöistä ovat kiistatta ensiarvoisen tärkeitä potilaan selviämisen kannalta, kärsii merkittävä osa yleisen tehohoidon potilaista myös neurologisista komplikaatioista, joilla on selvä yhteys kohonneeseen kuolleisuuteen ja pitkittyneeseen tehohoitoaikaan. Rutiinitoimenpiteenä suoritettavan neuromonitoroinnin puuttuessa suuri osa näistä komplikaatioista jää huomaamatta ja siten myös vaille hoitoa. Laaja-alaisen aivosähkökäyrämittauksen (EEG) tuominen tehohoitoympäristöön edellyttää mittauslaitteiston helppokäyttöisyyttä ja etenkin potilaaseen kiinnitettävien ylimääräisten elektrodien määrän minimoimista. Nämä vaatimukset kuitenkin altistavat mitattavat signaalit häiriöille, joista silmäperäiset artefaktat ovat kaikkein yleisimpiä. Tämän työn tavoitteena on kehittää täysin automaattinen algoritmi tunnistamaan silmäluomien räpyttelystä johtuvia sähköisiä häiriöitä. Kyseisten häiriöiden tunnistamisen on tarkoitus parantaa uusien tehohoidossa käytettävien neuromonitorointiparametrien luotettavuutta. Näistä parametreista erityisen tarkastelun kohteeksi on valittu vielä kehitteillä olevat Responsiivisuus ja WSE (Wavelet Subband Entropy). Algoritmikehitys toteutettiin ohjattuna opettamisen etsimällä ominaisuuksia jotka erottavat artefaktat aivojen sähköisestä signaalista joko yksiulotteisessa tai lineaarisessa kaksiulotteisessa piirreavaruudessa. Piirteitä etsittiin käsin poimittujen artefaktojen pohjalta ja kuhunkin sopivat luokittelurajat optimoitiin ROC (Receiver Operating Characteristics) analyysin perusteella. Lisäksi tutkittiin neljän eri mallikirjastoon sovittamismenetelmän sopivuutta luokittelijaksi. Testiaineistoksi oli kerätty EEG mittauksia neurologiselta taustaltaan erilaisilta potilailta. Saavutetut suoritusarvot olivat: sensitiivisyys 75.7% ja vastaavasti PPV 97.3%. Laajemman aineiston arviointi antoi myös viitteitä menetelmän hyvästä spesifisyydestä.Description
Supervisor
Meriläinen, PekkaThesis advisor
Särkelä, MikaKeywords
EEG, EEG, ICU, teho-osasto, responsiveness, responsiivisuus, WSE, WSE, blink artifacts, silmän räpäys artefakta, ROC analysis, ROC analyysi, template matching, mallikirjastoon sovittaminen, ,