3 Алгоритм анализа электроэнцефалограммы

Схема алгоритма показана в приложении А. В начале построения программы вводятся данные сигнала 'Z094.txt' (1), которые представлены в виде файла с оцифрованной электроэнцефалограммой.

Далее переходим к вводу периода дискретизации и рассчитываем частоту дискретизации(2).

fd=1/Td;

Рассчитываем частоту Найквиста (2).

fn=fd/2;

После этого, задаем массив отсчета времени

t=0:T:(length(y)-1)*T;

Рассчитываем амплитудный спектр сигнала, используя функцию для вычисления быстрого преобразования Фурье.

fft;

И функцию для определения действительной части комплексного числа

abs;

A=abs(fft(y));

Теперь строим график амплитудного спектра. Для этого рассчитываем вектор частот f, на каких расположены спектральные коэффициенты А.

Поскольку период спектра равен частоте дискретизации fd, вектор частот будет от –fd/2 до fd/2

Устанавливаем параметры фильтра Чебышева для выделения альфа-ритма и фильтруем сигнал

fx=[7 13];

b=fir1(400,fx/fn);

a=1;

фильтрация

Строим новый сигнал

plot(t,alpha);

Записываем амплитуды сигнала

Наносим на график вершины амплитуд красными маркерами-звездочками.

plot(t(Ext),alpha(Ext),'r*');

Ищем точки экстремумов амплитуд альфа волн, которые больше 100

if abs(alpha(Ext(i)))>100

Задаем условие

D(i)=1; диагноз - эпилептические проявления

else

D(i)=0; диагноз - здоров

end

end

end

Kol100=sum(D)

if Kol100>=1

disp('Есть признаки эпилепсии: амплитуда альфа ритма увеличена')

else

disp('Увеличение амплитуды альфа ритма отсутствует')

end

Результаты выводятся на экран на окнах программной среды MatLab.

4 Программная реализция

Написание программы было произведено в пакете MATLAB R2007b.

При этом воспользовались следующими параметрами и функциями:

fid=fopen('Z094.txt','rt'); – функция, позволяющая открыть файл исходного сигнала ЭЭГ;

f - считывание данных с файла;

fid – идентификатор файла;

[1,Inf] – размер;

Td – период дискретизации сигнала;

fd – частота дискретизации

t – вектор времени;

y – вектор сигнала ЭЭГ;

fclose – функция, реализующая закрытие файла идентификатора;;

subplot – разбивает окно для построения в нем нескольких графиков;

plot – построение графика сигнала

xlabel – Подпись оси х графика

title – Подпись графика

A – получение абсолютного значения;

fn – частота Найквиста

fx – вектор из двух переменных, нижняя и верхняя граничные частоты для фильтра;

i – команда поиска следующего зубца

length – команда для определения длины массива y;

С помощью стандартной функции расчета производных diff(y) записали в переменную dy значения производной в каждой точке выходного сигнала:

dy=[0 diff(y)];

k=1– счетчик

figure - выбор окна, в котором реализуется текущее построение графиков;

hold on – построение осей;

k=1– счетчик

Графические результаты приведены в приложении В.

ВЫВОДЫ

В процессе разработки курсовой работы была создана программа в среде MatLab, на базе этой программы был проведен автоматизированный анализ оцифрованных электроэнцефалограмм с эпилепсией в частотной области.

С помощью программы были получены графики альфа-ритма: входной ЭЭГ сигнал, амплитудный спектр ЭЭГ сигнала, фильтр Чебышева альфа-ритм сигнала, график выделенного альфа-ритма сигнала.

В процессе анализа был получен результат электроэнцефалограммы пациента, который подтвердил наличие признаков эпилепсии: амплитуда альфа ритма увеличена.

Суть данного исследования заключается в том, чтобы диагностировать имеющиеся проблемы не только у больных с эппилепсией а и у людей с невыявленной патологией.

Несложность программы дает возможность ее широкого использования в диагностических целях в медицине. Она соответствует всем требованиям, поставленным в задании курсовой работы.

ПЕРЕЧЕНЬ ССЫЛОК

1. Методичні вказівки до лабораторних робіт з дисципліни «Автоматизація обробки і аналізу біомедичної інформації» Упоряд.: Жемчужкіна Т.В., Козіна О.А. - Харків: ХНУРЕ, 2007. – 92 с.

2. Зенков Л.Р. «Клиническая эпилептология (с элементами нейрофизиологии)»

3. Л.Р. Зенков - М.: ООО « Медицинское информационное агентство» Москва: 2002.-216 с.: ил.

4. Сахаров В.Л. «Методы и средства анализа медико-биологической информации: Учебно-методическое пособие» Таганрог: Изд-во ТРТУ, 2001. 70 с.

5. Жук М. И., Жемчужкина Т. В. - Методические указатели по курсовому проектированию по дисциплине «Автоматизация обработки и анализа биомедицинской информации», «Методы преобразования биосигналов и анализ медико-биологической информации», Харьков, 2006г., ХНУРЕ.

Приложение А

АЛГОРИТМ АНАЛИЗА СИГНАЛА ЭПЕЛЕПСИИ НА ЭЛЕКТРОЭНЦЕФАЛОГРАММЕ В ЧАСТОТНОЙ ОБЛАСТИ

Приложение Б

ПРОГРАММА АНАЛИЗА СИГНАЛА ЭПЕЛЕПСИИ НА ЭЛЕКТРОЭНЦЕФАЛОГРАММЕ В ЧАСТОТНОЙ ОБЛАСТИ

clear all;

close all

clc

figure(1);

fid=fopen('Z094.txt','rt');

fd=173.61;

T=1/fd;

y=fscanf(fid,'%f',[1,Inf]);

t=0:T:(length(y)-1)*T;

fclose(fid);

figure(1)

plot(t,y)

xlabel('t,cek')

title('ЭЭГ ');

A=abs(fft(y));

fd=1/T;

fn=fd/2;

f=-fd/2:fd/(length(y)-1):fd/2;

figure(2)

plot(f,fftshift(A));

title('Амплитудный спектр');

fn=fd/2;

%alpha Fp1

fx=[7 13];

b=fir1(400,fx/fn);

a=1;

figure(3)

[h,wn]=freqz(b,a);

plot(wn*fn/pi,abs(h));

title('filter');

alpha=filtfilt(b,a,y);% фильтрация сигнала

figure(4)

plot(t,alpha);

title('alpha Z094.txt');

hold on

dy=[0 diff(y)];

k=1;

for i=1:length(alpha)-1

if sign(dy(i+1))~=sign(dy(i))

Ext(k)=i;

k=k+1;

end

end

plot(t(Ext),alpha(Ext),'r*');

for i=1:length(Ext)

if abs(alpha(Ext(i)))>100

D(i)=1;

else

D(i)=0;

end

end

Kol100=sum(D)

if Kol100>=1

disp('Есть признаки эпилипсии: амплитуда альфа ритма увеличена')

else

disp('Увеличение амплитуды альфа ритма отсутствует')

end

Kol100 = 1

Есть признаки эпилепсии: амплитуда альфа ритма увеличена

>>

Приложение В

РЕЗУЛЬТАТЫ АНАЛИЗА СИГНАЛА ЭПЕЛЕПСИИ НА ЭЛЕКТРОЭНЦЕФАЛОГРАММЕ В ПРОГРАММНОЙ СРЕДЕ MATLAB

Рисунок B.1 – Входной ЭЭГ сигнал (' Z094.txt')

Рисунок B.2 – Амплитудный спектр ЭЭГ сигнала ('Z094.txt')

Рисунок B.3 – Фильтр Чебышева альфа-ритм сигнала 'Z094.txt'.

Рисунок B.4 – График выделенного альфа-ритма сигнала (' Z094.txt')