Opis i identyfikacja struktur przejściowych w sygnale EEG

Jeden całonocny zapis polisomnograficzny po rozwinięciu zajmowałby ponad pół kilometra długości. Przed zastosowaniem na takim zapisie jakiejkolwiek analizy automatycznej EEG musi zostać ocenione przez doświadczonego elektroencefalografistę pod kątem obecności w sygnale artefaktów (sygnałów pochodzenia pozamózgowego). Typowo ocena taka jest realizowana w drodze analizy wzrokowej – jeśli wyobrazić sobie, jak żmudna to praca, wówczas oczywiste stają się zarówno wysokie koszty takiej procedury, jak również problemy z jej niską powtarzalnością. Niniejsza praca doktorska ma na celu zmniejszenie luki pomiędzy zaawansowanym stanem dostępnych metod analizy sygnału a ich ograniczonym wykorzystaniem w praktyce klinicznej. W rozprawie zaprezentowano prototyp otwartego, parametrycznego systemu, który służy do automatycznego wykrywania artefaktów w zapisach EEG. System opiera się o zestaw niezależnych parametrów zdefiniowanych w przestrzeni czas-częstość, które zostały określone w drodze wielowymiarowej analizy sygnału. Na podstawie wartości tych parametrów system pozwala ocenić obecność danego typu artefaktu w określonym fragmencie zapisu EEG. Dany artefakt jest oznaczany wtedy, gdy w danym fragmencie sygnału którakolwiek z wartości obliczonych parametrów przekracza próg ustalony dla odpowiadającego typu artefaktu. Wartości progowe mogą być określane przez użytkownika systemu ręcznie, bądź z wykorzystaniem autorskiego algorytmu optymalizacji określonego jako „nauka przez przykład”. Zdefiniowana w pracy procedura „nauka przez przykład” jest matematycznie równoważna wielowymiarowej minimalizacji z wykorzystaniem intensywnej obliczeniowo funkcji kosztu. Procedury można użyć do dostrojenia parametrów czułości odpowiadającej danym typom artefaktów w przypadku nowych zbiorów danych, zmian w środowisku eksperymentalnym lub w związku ze szczególnymi wymaganiami danego eksperymentu. Wydajność systemu oceniono na 103 całonocnych zapisach polisomnograficznych i zweryfikowano z wykorzystaniem oznaczenia artefaktów, które wykonali doświadczeni elektroencefalografiści. Wyniki systemu wykazały zgodność z decyzjami ekspertów na poziomie około 92%, który jest bliski zgodności, jaką eksperci uzyskują pomiędzy sobą. W celu zapewnienia precyzyjnego określenia pojęcia zgodności ocena procesu detekcji artefaktów została zanalizowana z wykorzystaniem metodologii krzywych operacyjno-charakterystycznych (ROC). Prototyp systemu jest oprogramowaniem otwartym, zatem kompletny kod źródłowy został udostępniony na portalu http://eeg.pl. Wygodny w obsłudze interfejs użytkownika w języku Java jest dostępny w ramach projektu Svarog http://svarog.pl.

One fully extended overnight polysomnographic recording would be over half a kilometer long. Before any automatic analysis is applied, EEG has to be screened for the presence of artifacts by an experienced electroencephalographer. If we imagine how tedious a task it is, problems related to high cost and low repeatability become obvious. The dissertation presents the prototype of an open, parametric system for automatic detection of EEG artifacts in polysomnographic recordings. It relies on independent parameters defined in time-frequency domain according to multidimensional signal analysis. Based on these parameters the system rejects the relative presence of each of the eight types of artifacts in a given epoch. An artifact is marked if any values of defined parameters exceeds a threshold. These thresholds, set for each parameter separately, can be adjusted manually by user or via "learning by example" procedure alike. "Learning by example" procedure is mathematically equivalent to multidimensional minimization with computationally intensive cost function. The procedure can be used to automatically tune the parameters to new types of datasets, environments or requirements. Performance of the system was evaluated on 103 overnight polysomnographic recordings and verified against experienced electroencephalographer decisions. In results the system revealed concordance with decisions of human experts about 92%, which is close to the inter-expert agreement. To make this statement well defined, I used the ROC methodology for evaluation of detection process. The system is open source complained, so complete source code is available from http://eeg.pl. A user-friendly version with Java interface is available from http://svarog.pl.