Файл: Курсовая работа по дисциплине Разработка программного обеспечения мобильного модуля MindWave системы NeuroSky Biosensor (eeg algo sdk).doc

ЭЭГ норма



ЭЭГ больного эпилепсией

При помощи программы Graph2Digit оцифровываем исследуемые сигналы. Эта программа предназначена для оцифровки графиков с рисунков, представленных файлами в форматах bmp, jpg, tiff, pcx и др. Программа позволяет оцифровать график с заданным шагом и при необходимости отредактировать полученные результаты. Результаты оцифровки можно сохранить в текстовый файл или скопировать в буфер обмена для дальнейшей обработки.

Далее полученные оцифрованные ЭЭГ импортируем в MATLAB, где формируем матрицу сигналов ЭЭГ, которую затем сохраняем в mat-файле.




Далее представлена модель процедуры анализа сигнала ЭЭГ, разработанная при помощи программного пакета Matlab – Simulink.




В разработанной модели используется блок From File, с помощью которого можно импортировать исследуемый сигнал из сформированного ранее mat-файла.



Параметры блока From File

В качестве устройства вывода исследуемых сигналов в модели используется блок Scope. Ниже приведены исследуемые сигналы в среде Simulink, полученные при использовании данного блока.



Сигнал ЭЭГ в пределах нормы


Сигнал ЭЭГ при эпилепсии

Определение в исследуемых сигналах ЭЭГ-паттернов, характерных для возникновения эпилептического припадка, в разработанной модели производится с помощью блока «Hit Crossing» [6]. Данный блок определяет моменты времени, когда входной сигнал пересекает пороговые значения. На рис. 10 показаны параметры блока «Hit crossing», выбранные нами для решения поставленной задачи:



Параметры блока Hit Crossing

– «Hit crossing offset» – 100 (значение, которое является пороговым для амплитуды биоэлектрического сигнала при угрозе возникновения эпилептического припадка);

– «Hit crossing direction»: either (параметр, фиксирующий любые пересечения порогового уровня).

---

Определение в исследуемых сигналах ЭЭГ-паттернов, характерных для возникновения эпилептического припадка, в разработанной модели производится с помощью блока Hit Crossing. Данный блок определяет момент времени, когда входной сигнал пересекает пороговые значения. В качестве параметров блока, представленных на рис. 10, направлением пересечения (Hit crossing direction) выбрано оба направления определения (either), а пороговое (Hit crossing offset) значение, пересечение которого исследуемым сигналом требуется идентифицировать, определено равным 100.

Подсчет количества ЭЭГ-паттернов производится с помощью счетчика (блок Counter).

С помощью блоков Maximum и Minimum можно определять максимальное, минимальное и размах значений сигнала ЭЭГ.



Параметры блока Maximum



Параметры блока Minimum

Для просмотра спектральной плотности сигнала был использован анализатор спектра Power Spectral Density. В окне настройки анализатора задаем следующие параметры:

– Length of buffer – длина буфера (по умолчанию 128);

– Number of points for fft – число анализируемых точек (по умолчанию 512);

– Plot after how many points – количество точек, после которого производится построение графика (по умолчанию 64);

– Sample time – период дискретизации


Результаты анализа спектра исследуемых сигналов представлены ниже, где Time history – форма исследуемого сигнала, Power Spectral Density – плотность спектральной мощности (по амплитуде), Power Spectral Density (phase) – плотность спектральной мощности по фазе.



Результаты анализа спектральной плотности сигнала ЭЭГ при норме



Результаты анализа спектральной плотности сигнала ЭЭГ при эпилепсии

ЗАКЛЮЧЕНИЕ

Из представленных результатов следует, что при наличии патологии происходит резкое возрастание амплитуды ЭЭГ-сигнала, изменяется частотный спектр и возрастает плотность спектральной мощности, следовательно, предложенная модель позволяет определить ЭЭГ паттерны, свидетельствующие об угрозе возникновения эпилептического припадка.

---

Таким образом, при встраивании предложенной модели в систему мониторинга за состоянием больного эпилепсией можно значительно повысить достоверность предсказания припадка.

СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ

1. СMI Brain Research - https://cmi.to/

2. Рангайян, Р. М. Анализ биомедицинских сигналов. Практический подход: учеб. пособие / Р. М. Рангайян. – М.: Физматлит, 2010. – 436 с.

3. Дьяконов, В. MATLAB 6/6.1/6.5 + Simulink 4/5. Основы применения. Полное руководство пользователя / В. Дьяконов. – М.: Солон – Пресс, 2002. – 592 с.

4. Айфичер, Э. С. Цифровая обработка сигналов: практический подход / Э. С. Айфичер, Б. У. Джервис. – М.: Вильямс, 2004. – 992 с.

5. Гонсалес, Р. Цифровая обработка изображений в среде MATLAB / Р. Гонсалес, Р. Вудс, С. Эддинс. – М.: Техносфера, 2006. – 758 с.

6. Файбушевич, А. Г. Применение методов клинической информатики в комплексных исследованиях и лечении больных: учеб. пособие / А. Г. Файбушевич, В. Д. Проценко. – М.: Изд-во РУДН, 2008. – 537 с

30>

---