Movement artifact detection from electroencephalogram utilizing accelerometer

Thumbnail Image

URL

Journal Title

Journal ISSN

Volume Title

School of Science | Master's thesis
Checking the digitized thesis and permission for publishing
Instructions for the author

Authors

Date

2011

Department

Matematiikan ja systeemianalyysin laitos

Major/Subject

Sovellettu matematiikka

Mcode

Mat-2

Degree programme

Language

en

Pages

64 + [35]

Series

Abstract

EEG, i.e., electroencephalogram provides a tool for diagnosis of neurological diseases, such as epilepsy. However, EEG recording contains artifacts, i.e., disturbance in a signal not originating from the brain which reduces the performance of automatic diagnosis. Patient's movements produce pulling forces to the electrodes placed on the scalp shown as movement artifacts in the EEG signal. In this work, an accelerometer is utilized to detect movement artifacts from the EEG signal. Movement in the accelerometer signal and potentially resulting movement artifacts in the EEG signal are defined as changes in signals' stationarities. The developed algorithm is based on autoregressive modeling and the change in stationarity is shown as an increase of model's prediction error. It will be shown that movement artifacts can be detected automatically. Parameters derived from the EEG signal will work similarly as an indicator of the encephalopathy level whether the movement artifacts are detected automatically by the algorithm or manually by an expert. The developed algorithm proved to be promising and so it can be considered to be applied commercially in the future.

Aivosähkökäyrän avulla voidaan diagnosoida neurologisia sairauksia kuten epilepsiaa. Aivosähkökäyrän mittauksiin liittyy artefaktoja eli häiriöitä, jotka eivät synny aivojen toiminnasta. Artefaktat heikentävät signaalin automaattista analysointia. Potilaan liike voi synnyttää vetoa päänahalla oleviin mittauselektrodeihin, mikä näkyy liikkeestä johtuvina mittausvirheinä eli liikeartefaktoina signaalissa. Tässä työssä aivosähkökäyrän lisäksi liikeartefaktojen havaitsemisessa hyödynnetään potilaan otsalle sijoitettua kiihtyvyysanturia. Liike kiihtyvyysanturin signaalissa ja mahdollisesti siitä johtuvat liikeartefaktat aivosähkökäyrässä näkyvät signaalien stationaarisuuksien muutoksina. Tässä työssä kehitetty algoritmi havaitsee stationaarisuuden muutoksen autoregressiivisen mallinnuksen ennustevirheen kasvuna. Liikeartefaktat voidaan poistaa automaattisesti työssä kehitetyllä algoritmilla. Aivosähkökäyrästä lasketut parametrit toimivat enkephalopatian asteen mittareina yhtä hyvin olivatpa liikeartefaktat poistettu manuaalisesti tai automaattisesti algoritmia käyttäen. Kehitetty algoritmi osoittautui lupaavaksi joten sen käyttöönottoa voidaan harkita tulevaisuudessa myös kaupallisesti.

Description

Supervisor

Ehtamo, Harri

Thesis advisor

Särkelä, Mika

Keywords

EEG, EEG, AR modeling, AR mallinnus, movement artifact, liikeartefakta, stationarity, stationaarisuus, ROC analysis, ROC analyysi, adaptive segmentation, segmentointi, spectral error measure, spektri, clustering, klusterointi

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-2020122358298

Collections

[dipl] Perustieteiden korkeakoulu / SCI