Введение к работе
Актуальность темы. В современных медицинских исследованиях по-прежнему сохраняется большой интерес к методам анализа состояния головного мозга. Более того, появились такие методы исследования, как церебральная ангиография, ультразвуковая допплеография н компьютерная томография. Эти методы, вне всякого сомнения, дают исследователю огромный материал для раскрытия механизмов высшей нервной деятельности. Однако, наряду со столь современными способами анализа мозга, незаменимую роль по-прежнему играет такой, относительно старый метод, как анализ биоэлектрической активности мозга - электроэнцефалография (ЭЭГ)-
Развитие вычислительной техники привело к созданию систем автоматического анализа ЭЭГ. При этом разработчики столкнулись с серьезными трудностями, одной из которых является наличие в биоэлектрическом сигнале искажений, обусловленных аппаратными наводками или физиологическими проявлениями человека - артефактов. Для человека, обладающего некоторым опытом расшифровки ЭЭГ, не составляет труда выделить артефакты, определить их происхождение и, что самое главное, не учитывать при описании особенностей записи ЭЭГ-сигнала. Во многих разработанных системах анализа ЭЭГ эта проблема решается удалением участков сигнала с артефактами вручную, т.е. исследователь перед проведением автоматического анализа ЭЭГ должен просмотреть на экране запись и обозначить участки сигнала, содержащие артефакты. Такой подход к решению задачи не всегда является удовлетворительным, т.к. требует значительных временных затрат.
В ряде систем сделаны попытки автоматизировать процесс выделения артефактов путем использования эвристических процедур, основанных на определении моментов изменения характеристик анализируемого ЭЭГ-процесса. Однако тщательный теоретический и экспериментальный анализ таких методов отсутствует. В связи с вышесказанным, актуальным является проведение теоретических и экспериментальных исследований по разработке автоматических методов выделения артефактов в ЭЭГ-снгналах. Кроме этого, актуальными являются задачи классификации обнаруживаемых изменений в ЭЭГ и разделения артефактов и ЭЭГ-феноменов, связанных с проявлением мозговой деятельности, что по настоящего времени в системах цифровой
обработки ЭЭГ не производилось. Решению указанных задач посвящена данная диссертационная работа.
Цель и задачи работы. Целью работы является исследование автоматических методов выделения артефактов в цифровых электроэнцефалографических системах. Для достижения этой цели '>>шались следующие задачи:
разработка автоматических методов обнаружения участков ЭЭГ с нарушениями стационарности;
разработка методов классификации выявленных нарушений с целью определения артефактов;
разработка программного обеспечения системы для автоматического выделения артефактов ЭЭГ на базе ПЭВМ.
Методы исследования. В диссертационной работе использовачись аппарат теории случайных процессов, теории цифровой обработки сигналов, теория распознавания образов, методы создания интеллектуальных систем.
Научная новизна работы заключается в следующем:
1. Разработан способ решения задачи автоматического выделения артефактов в цифровых ЭЭГ-сисгемах, отличающийся использованием двухуровневой модели обработки сигнала, включающий в себя выделение участков нестационарности ЭЭГ-сигнала и классификацию выделенных участков на классы артефакт - не артефакт и по типу артефакта, обеспечивающий высокую эффективность к сокращение вычислительных затрат.
. 2. Предложены эффективные методы обнаружения артефактов, основанные на обнаружении моментов изменения свойств ЭЭГ-процессов с использованием спектральної! меры различия, вычисляемой на основе спектров дискретного преобразования Фурье (ЦПФ), а также с использованием модели линейного предсказания (ЛП).
3. Разработан подход к автоматической классификации артефактов ЭЭГ, отличающийся использованием методов кластер-анализа и иерархического алгоритма классификации на основе построения миноров-эталонов н представления решающих правил и виде набора продукционных правил.
Практическая ценность работы заключается в следующем:
1. Разработаны конкретные алгоритмы обнаружения и классификации артефактов г. цифровых ЭЭГ сигналах.
~3-
2. Разработан программный комплекс на ПЭВМ типа IBM PC/AT,
обеспечивающий решение задач выделения артефактов.
3. Проведены экспериментальные исследования на реальных ЭЭГ-
сигналах.
Внедрение результатов работы. Теоретические и практические результаты диссертационно» работы использовались в 1994-1995 гг. при проведении госбюджетной НИР ГБ-2ТУ/МО/18 в рамках научно-технической программы "Университеты России", подраздел 2.3, в части разработки инструментальных средств проектирования гибридных экспертных систем, а также при выполнении НИР В025 по разработке аппаратно-программных средств системы интеллектуальной поддержки оператора АРМ по контролю н прогнозированию чрезвычайных ситуаций, выполненной по договору с Научно-исследовательским институтом радиоэлектронных систем предупреждения чрезвычайных ситуаций (НИИ РЭС ПЧС) при Санкт-Петербургском Государственном электротехническом университете в 1994-1995 гт.
Апробация работы. Основные положения и результаты работы докладывались и обсуждались на научно-практических конференциях СПбГЭТУ в 1994-1995 гг., на 2-й Всероссийской с участием стран СНГ конференции "Распознавание образов и анализ изображений: новые информационные технологии", Ульяновск, 1995г., на 4-ой международной конференции "SYMBIOSIS'95", Гливмце, Польша, 1995г.
Публикации по теме диссертации. Основные результаты диссертационной работы отражены в опублікованих 7 печатных работах.
Структура и объем работы. Диссертационная работа состоит из введения, пяти глав, заключения, списка литературы, включающего 61 наименование. Основная часть работы изло сена на 158 страницах. Работа содержит 23 рисунка и 13 таблиц.