Phân tích tín hiệu điện não trong các cơn động kinh bằng phương pháp đánh giá entropy

Bài viết tiến hành thực nghiệm phân tích và đánh giá sự thay đổi entropy của tín hiệu EEG trước, trong và sau cơn động kinh. Xây dựng phần mềm phân tích chỉ số Sample entropy của tín hiệu điện não để tiến tới xây dựng công cụ tự động phát hiện các cơn động kinh trong các bản ghi điện não hỗ trợ cho các bác sỹ chuẩn đoán bệnh. Mời các bạn cùng tham khảo!
Nội dung trích xuất từ tài liệu:
Phân tích tín hiệu điện não trong các cơn động kinh bằng phương pháp đánh giá entropy Phân tích tín hiệu điện não trong các cơn động kinh bằng phương pháp đánh giá entropy Phạm Văn Thuận và Trần Ngọc Quang Bộ môn Điện Tử Y Sinh-Khoa Kỹ Thuật Điều Khiển, Học Viện Kỹ Thuật Quân Sự Email: thuanysinh@gmail.com, ngocquangbme@gmail.com Abstract— Trong bài báo này chúng tôi tiến hành thực nghiệm với K là hằng số phụ thuộc vào đơn vị đo đã chọn và cơ số log phân tích và đánh giá sự thay đổi entropy của tín hiệu EEG (nếu k = 1 thì cơ số log là 2) và entropy đo bằng bit, Pi là xác trước, trong và sau cơn động kinh. Xây dựng phần mềm phân suất của sự kiện i. N là tổng số giá trị ban đầu. tích chỉ số Sample entropy của tín hiệu điện não để tiến tới xây Khi tính toán thực tế thì xác suất Pi được thay bằng các dựng công cụ tự động phát hiện các cơn động kinh trong các bản đánh giá của nó - tần số xuất hiện chuỗi các biểu tượng trong ghi điện não hỗ trợ cho các bác sỹ chuẩn đoán bệnh. không gian pha với chiều đã chọn. Chiều L được hiểu số lượng Keywords- EEG, Động kinh, Entropy, Sample entropy mẫu của tín hiệu khảo sát trong chuỗi biểu tượng với i = 1...(N-L+1). I. GIỚI THIỆU Entropy điều kiện được xác định như là hiệu các giá trị entropy không điều kiện xảy ra khi chuyển từ chiều không gian Tín hiệu điện não được xem như tổng các điện thế hoạt L-1 sang L động của các nơron thần kinh ở các vùng khác nhau của não và L được thu nhận bằng phương pháp điện não đồ EEG. Thông E( )  E(L)  E(L1) (2) thường tín hiệu điện não đồ EEG được phân tích trong miền L 1 tần số nhờ việc sử dụng phép biến đổi Fourier nhanh. Các Để phân tích tín hiệu điện não EEG có thể dùng Entropy nghiên cứu về sinh lý thần kinh đã chỉ ra rằng hệ thống nơron thần kinh biểu hiện các tính chất của các tiến trình hỗn loạn và Shannon như là chỉ số mức độ có thể dự báo giá trị biên độ tín phi tuyến.Vì vậy có thể sử dụng các phương pháp của lý hiệu EEG, chỉ số này nhận được trên cơ sở đánh giá mật độ thuyết động lực phi tuyến để phân tích tín hiệu điện não, một xuất hiện giá trị biên độ tín hiệu EEG trên khoảng khảo sát. trong số đó là phương pháp phân tích entropy. Entropy xấp xỉ (AE - Approximate Entropy) Entropy thường được xem như là chỉ số mức độ hỗn loạn Một thuật toán biến thể tính Entropy do Kolmogorov đưa ra của một hệ động lực và có thể dùng để phân tích tính không dự năm 1991 đó là Entropy xấp xỉ - thước đo mức độ phức tạp của báo trước của tín hiệu EEG [1]. Đã có nhiều nghiên cứu dùng hệ thống. Do thuật toán có thể tính toán với mẫu chọn ngắn entropy tín hiệu EEG để theo dõi độ sâu gây mê [3,4], đánh (tới 1000 mẫu) và ổn định khi có nhiễu tác động nên thuật toán giá giai đoạn giấc ngủ [5], , phát hiện các bệnh như alzheimer tính AE được dùng để phân tích dữ liệu online. Thuật toán tính [6], hay phát hiện các cơn động kinh [7,8,9] . Bai và các cộng AE được thể hiện như sau: sự [2] đã sử dụng entropy để phân tích tín hiệu điện não trong Chọn giá trị các tham số: m - độ dài của chuỗi phân tích các cơn động kinh và nhận thấy entropy giảm xuống trong cơn. (bản chất đó là chiều không gian), r - ngưỡng xác định kích Cách tiếp cận Entropy để phân tích tín hiệu y sinh được các thước ô không gian; r = 0.05 - 0.3, SDx - độ lệch chuẩn. R - nhà nghiên cứu đặc biệt quan tâm bởi những yếu tố sau: thứ nhất, khác với phương pháp tần số thì các phương pháp dùng kích thước ô. Entropy có tính đến môi trường phi tuyến của tín hiệu, thứ hai Từ các giá trị mẫu rời rạc đã cho của tín hiệu x(i) tạo ra là các phương pháp Entropy dùng mẫu ngắn, thứ ba là các chuỗi độ dài m phương pháp Entropy ổn định trong nhiễu. Entropy phụ thuộc X (i)   x(i), x(i 1),...x(i  m 1), i  i...( N  m 1) trực tiếp tín hiệu phân tích. Một chuỗi giá trị được hiểu như một điểm trong không II. CƠ SỞ LÝ THUYẾT gian m chiều. Ví dụ: (m=2) trong mặt phẳng, (m=3) trong không gian 3 chiều. Ở vùng lân cận mỗi điểm đó ta dựng một Lần đầu tiên khái niệm entropy được Shannon đưa ra và xem hình cầu bán kính R và đánh giá xác suất rơi vào bên trong như là một đơn vị đo thông tin (vào giữa thế kỷ XX). Ông đề hình cầu đó của các điểm khác (như vậy xác suất có thể coi là xuất đánh giá thông tin trung bình (tính k dự báo) với xác suất tần số rơi vào hình cầu bán kính R). Tổng các giá trị tần số các khởi đầu của nó. (xác suất) được xem là giá trị không điều kiện của AE. N H  K  Pi log 2 Pi. N m 1 ...