8. PŘEDNÁŠKA 20. dubna 2017

Podobné dokumenty
ZPRACOVÁNÍ A ANALÝZA BIOSIGNÁLŮ V. Institut biostatistiky a analýz

Laboratorní úloha č. 8: Elektroencefalogram

Elektroencefalografie. X31ZLE Základy lékařské elektroniky Jan Havlík Katedra teorie obvodů

Elektroencefalografie. X31LET Lékařská technika Jan Havlík Katedra teorie obvodů

Elektroencefalografie

10. PŘEDNÁŠKA 27. dubna 2017 Artefakty v EEG Abnormální EEG abnormality základní aktivity paroxysmální abnormality epileptiformní interiktální

VYŠETŘENÍ NERVOVÉHO SYSTÉMU. seminář z patologické fyziologie

Monitorování kontinuálního EEG v intenzivní péči. Mgr. Moravčík Branislav, KARIM FN Brno Mgr. Flajšingrová Jana, KARIM FN Brno

Elektrofyziologické metody a studium chování a paměti

SIMULTÁNNÍ EEG-fMRI. EEG-fMRI. Radek Mareček MULTIMODÁLNÍ FUNKČNÍ ZOBRAZOVÁNÍ. EEG-fMRI. pozorování jevu z různých úhlú lepší pochopení

Bioelektromagnetismus. Zdeněk Tošner

A7B31ZZS 4. PŘEDNÁŠKA 13. října 2014

Etiologie epilepsie. Epilepsie nevychází z centra jizvy nebo postmalatické pseudocysty, ale spíše z jejího okraje, kde přežívají poškozené neurony.

Biologické signály. X31ZLE Základy lékařské elektroniky Jan Havlík Katedra teorie obvodů

Processing of EEG Data Marek Penhaker Konference IT4Innovations, Ostrava

Elektroencefalografie. doc. MUDr. Jan Pokorný, DrSc.

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY

malý TesT Použité zkratky: OO - otevřené oči, ZO - zavřené oči, FO - fokus

SIMULTÁNNÍ EEG-fMRI. Radek Mareček

Úvod do medicínské informatiky pro Bc. studium. 6. přednáška

Kontinuální EEG v intenzivní péči. Mgr. Moravčík Branislav, KARIM FN Brno

Elektrofyziologické metody a studium chování a paměti

6.4 Zpracování elektroencefalografických záznamů pomocí umělých neuronových sítí

1. SIGNÁLY NERVOVÉ SOUSTAVY (KAP.4)

Elektrofyziologické metody a studium chování a paměti

A7B31ZZS 10. PŘEDNÁŠKA Návrh filtrů 1. prosince 2014

Standardní EEG základy, indikace a základní nálezy

UŽITÍ KOHERENČNÍ FUNKCE PRO DISTRIBUOVANOU

4. PŘEDNÁŠKA 15. března 2018

Neurofeedback. Úvod. Princip

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ

Měření EEG, spánek, hodnocení EEG záznamů a následná vizualizace

Transkraniální elektrostimulace jako způsob rehabilitace částo nemocných dětí

OKRUHY MODELOVÝCH SITUACÍ

Elektroencefalografie v intenzivní péči. Petr Aulický

AUTOMATICKÁ SEGMENTACE DAT EEG

BIOLOGICKÉ SIGNÁLY. léto Biologické signály (2+2)

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ ANALÝZA SPÁNKOVÝCH EEG BAKALÁŘSKÁ PRÁCE

Katedra biomedicínské techniky

AUTOMATICKÁ DETEKCE GRAFOELEMENTŮ V SIGNÁLU EEG

Interaktivní simulátor EEG

P9 Provozní tvary kmitů

Elektrické biosignály lidského těla měřené ISESem

BIOLOGICKÉ SIGNÁLY. léto Biologické signály (2+2) A6M31BSG, B2M31BSG

Laboratorní úloha č. 8: Polykardiografie

Aktivační metody v průběhu EEG - výhody a rizika. Petr Zlonický

fluktuace jak dob trvání po sobě jdoucích srdečních cyklů, tak hodnot Heart Rate Variability) je jev, který

Úvod do zpracování signálů

doc. Dr. Ing. Elias TOMEH Elias Tomeh / Snímek 1

EEG, Fourierova transformace, Brain mapping - BM, Senzomotorické rytmy SMR, Event- related synchronizace (ERS), Event- related desynchronizace (ERD)

UNIVERZITA PARDUBICE

Motivace příklad použití lokace radarového echa Význam korelace Popis náhodných signálů číselné charakteristiky

Nervová soustava je základním regulačním systémem organizmu psa. V organizmu plní základní funkce jako:

EOG. ERG Polysomnografie. spánkové cykly poruchy spánku. Úvod ke cvičení

Direct Digital Synthesis (DDS)

Diplomová práce Jednoduché BCI na bázi vizuálních evokovaných potenciálů

Elektrokardiografie. X31ZLE Základy lékařské elektroniky Jan Havlík Katedra teorie obvodů

doc. Dr. Ing. Elias TOMEH Elias Tomeh / Snímek 1

Příloha č. 1. amplitudová charakteristika filtru fázová charakteristika filtru / frekvence / Hz. 1. Určení proudové hustoty

diogram III. II. Úvod: Elektrokardiografie elektrod) potenciálu mezi danou a svorkou Amplituda [mv] < 0,25 0,8 1,2 < 0,5 Elektrická

Spánek. Neurobiologie chování a paměti. Eduard Kelemen. Národní ústav duševního zdraví, Klecany

ZPRACOVÁNÍ A ANALÝZA EEG. Jan Prokš. Katedra teorie obvodů, Fakulta elektrotechnická, České vysoké učení technické v Praze.

STUDIUM VLIVU AKUSTICKÝCH PODNĚTŮ NA ČLOVĚKA

Zpracování obrazů. Honza Černocký, ÚPGM

ZDRAVÝ SPÁNEK Ing. Vladimír Jelínek

Topografické mapování elektrické aktivity mozku Topographical mapping of brain electrical activity

Biosignál snímání, zpracování, hodnocení

Vlastnosti a modelování aditivního

Merkur perfekt Challenge Studijní materiály

NOVÉ MOŽNOSTI HOLTEROVSKÉ DIAGNOSTIKY

Jak se měří rychlost toku krve v cévách?

1 Zpracování a analýza tlakové vlny

filtry FIR zpracování signálů FIR & IIR Tomáš Novák

Elektrokardiografie. X31LET Lékařská technika Jan Havlík Katedra teorie obvodů

Signál v čase a jeho spektrum

Detekce světla. - křivka zčernání, expozice - světlocitlivá emulze, CCD - komprese signálu zrakovou dráhou. Detektory světla

GRAFICKÉ ROZHRANÍ URČENÉ K HODNOCENÍ VYSOKOFREKVENČNÍCH OSCILACÍ DETEKOVANÝCH V INTRAKRANIÁLNÍM EEG

CW01 - Teorie měření a regulace

EEG, Fourierova transformace, Brain mapping - BM, Senzomotorické rytmy SMR, Event- related synchronizace (ERS), Event- related desynchronizace (ERD)

12. PŘEDNÁŠKA 10. května 2018

Číslicové filtry. Honza Černocký, ÚPGM

1. ELEKTROMYOGRAM (EMG)

Merkur perfekt Challenge Studijní materiály

Fakulta elektrotechnická Katedra teorie obvodů STUDIUM NEUROSVALOVÉ AKTIVITY

Snímání biologických signálů. A6M31LET Lékařská technika Zdeněk Horčík Katedra teorie obvodů

Bioelektrické jevy a jejich měření (B150P30)

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY ALFA MONITOR ALPHA MONITOR DIPLOMOVÁ PRÁCE MASTER S THESIS

Evokované potenciály. Principy, možnosti a meze, indikace. Doc. MUDr. Pavel Urban, CSc.

Digitální učební materiál

Żpracování signálů a obrazů. 3. Korelační metody ... Petr Česák

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ BRNO UNIVERSITY OF TECHNOLOGY

Automatická detekce anomálií při geofyzikálním průzkumu. Lenka Kosková Třísková NTI TUL Doktorandský seminář,

ZPRACOVÁNÍ OBRAZU přednáška 4

Spektrální analýza a diskrétní Fourierova transformace. Honza Černocký, ÚPGM

Lineární a adpativní zpracování dat. 3. Lineární filtrace I: Z-transformace, stabilita

Psychologie Spánek a snění

Zvuk a jeho vlastnosti

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ

Ondřej Drbal. K Katedra teorie obvodů, Fakulta elektrotechnická

Zápočtová úloha z předmětu KIV/ZSWI DOKUMENT SPECIFIKACE POŽADAVKŮ

Transkript:

8. PŘEDNÁŠKA 20. dubna 2017 EEG systém rozložení elektrod 10/20 základní typy zapojení požadavky na EEG přístroj analýza EEG a způsoby zobrazení ontogeneze normální EEG úvod ke cvičení montáž, filtrace, spektrální a korelační analýza

Elektroencefalogram elektroencefalogram (EEG) je (grafická) reprezentace časové závislosti rozdílu elektrických potenciálů, snímaných z elektrod umístěných zpravidla na povrchu hlavy (skalpu) které vznikají jako důsledek spontánní elektrické aktivity mozku elektrokortikogram snímání přímo z kůry mozkové

Elektroencefalogram EEG metoda, u níž se v každém svodu snímá střední úroveň vzruchu lokální skupiny neuronů, které leží v určité oblasti mozkové kůry

Elektrická aktivita mozku Elektrická aktivita mozku vzniká synchronizací činnosti neuronů kůry mozku, především synchronizací membránových potenciálů synaptodendritických struktur. Zásadně do této činnosti zasahuje thalamus.

Elektroencefalogram EEG umožňuje hodnotit: různé formy poškození mozku onemocnění epilepsií další poruchy centrální nervové soustavy v řadě zemí se používá k definici mozkové smrti

laloky čelní (frontální) temenní (parietální) týlní (occipitální) spánkový (temporální) MOZEK

Systém rozložení elektrod 10/20 přijat v roce 1957, jeho autorem je doktor H. Jasper

Systémy rozložení elektrod

Systémy rozložení elektrod 100 kanálový systém BrainScope (M&I, Praha), rozšíření na 116 kanálů v roce 2001

Základní typy zapojení (A) Bipolární (B) Referenční bipolární určuje pouze relativní amplitudy a polarity; víceznačné ploché křivky; odolnější na artefakty; umožňuje přesnou lokalizaci ložiska referenční větší vlny, větší dynamika; horší lokalizace než u bipolárního zapojení; kontaminace referenční elektrody Co je výhodnější? Není jednoznačné

Základní typy zapojení (A) Bipolární (B) Referenční (C) Zprůměrovaný

Základní druhy bipolárních zapojení longitudinální transverzální

Požadavky na metodologicky správné zapojení American Electroencephalographic Society: Guideline Seven: A Proposal for Standard Montages to be used in Clinical EEG. J. Clin. Neurophysiol. 11, 1994, 30-36 Cílem je možnost porovávání použití standardních zapojení referenční bipolární longitudinální bipolární tranzversální + další s ohledem na specifické potřeby laboratoře vedení vodičů, fotostimulace, hyperventilace

Požadavky na EEG přístroj (AES) frekvenční obsah spontánní EEG (0-70 Hz) evokované potenciály (potenciály mozkového kmene až do 3 khz) spodní hranice vzorkovací frekvence f vz =200 Hz mezní frekvence HP je 0,5 Hz mezní frekvence DP je 70 Hz síťový filtr používat minimálně dynamický rozsah 500 μv (kvantování na 12 bitů) minimální počet kanálů je 8 obrazovka 1024x768 pixelů tiskárna alespoň 300 dpi

Analýza EEG a způsoby zobrazení nativní záznam aktivační metody celkem alespoň 20 min časová oblast frekvenční oblast mapování

Historie Hans Berger (1924) - pořídil první EEG záznam u lidí - popsal alfa rytmus a jeho potlačení - beta vlny William Grey Walter - objevil delta vlny během spánku (1937) - theta vlny (1953)

Alfa vlny Charakteristika: - frekvence: 8-13 Hz - amplituda: 20-60 µv Lokalizace: okcipitálně Stav: relaxované bdění alfa vlny nejsnáze pozorujeme v klidu, v sedě, se zavřenýma očima (u některých lidí to nefunguje) při otevření očí dochází k potlačení alfa aktivity

Beta vlny Charakteristika: - frekvence: 14-30 Hz - amplituda: 2-20 µv Lokalizace: frontáně Stav: duševní aktivita nejčastější vlny

Theta vlny Charakteristika: - frekvence: 4-7Hz - amplituda: 20-100µV Lokalizace: frontálně, centrálně Stav: usínání běžnější u dětí některé studie uvádí vztah k emocím

Delta vlny Charakteristika: - frekvence:.5-3.5 Hz - amplituda: 20-200µV Lokalizace: difúzní Stav: spánek u většiny lidí v hlubokém spánku abnormální chování mozku, tumor,

Gama vlny Charakteristika: - frekvence: 36-44Hz - amplituda: 3-5µV Lokalizace: centrálně, okcipitálně Stav: volní pohyb, myšlení předmětem výzkumů

Méně běžné vlny Mu vlny: - frekvence: 8-13Hz - lokalizace: centrálně - stav: zvýšená pozornost - ostré špičky se zakulacenou spodní částí Lambda vlny: - amplituda: 20-50µV - trojúhelníkový tvar

Analýza EEG - vlny

ANALÝZA EEG 3 hlavní oblasti zájmu: spontánní nezáchvatovitá aktivita (neparoxysmální, background) spontánní záchvatovitá aktivita (paroxysmální) evokované potenciály

Spektrální a korelační analýza autokorelační funkce acf [ k] N k 1 n 0 x[ n] x[ n k]

Spektrální a korelační analýza ACF - autokorelační funkce acf [ k] N k 1 n 0 x[ n] x[ n k] ACF udává míru korelace mezi dvěma úseky používá se k detekci přítomnosti významné periodicity periodický průběh má periodickou ACF první špička ukazuje periodu průběhu ACF neperiodických signálů je tlumená a dosahuje zanedbatelných hodnot po několika milisekundách

Spektrální a korelační analýza autokorelační funkce

Spektrální a korelační analýza CCF - vzájemná korelační funkce ccf [ k] N k 1 n 0 x[ n] y[ n k] CCF udává míru korelace dvou signálů používá se pro detekci rytmů, které jsou společné mezi dvěma signály (v případě EEG v obou hemisférách) CCF má stejnou frekvenci jako složka, která je přítomna v obou kanálech

Spektrální a korelační analýza Implementace v MATLABu 1 % vypocet korelace v casove oblasti function [R]=korelace(x,y); if nargin == 1, y = x; end; x=x(:)';y=y(:)'; N=length(x); for k=0:n-1 R(k+1)=x(1:N-k)*y(k+1:N)'; end R=R/R(1);

Spektrální a korelační analýza Implementace v MATLABu 2 % vypocet korelace pomoci XCORR.M function [R]=korelace(x,y); if nargin == 1, y = x; end; CCF=xcorr(x,y); R=CCF(round(length(CCF)/2):end); R=R/R(1);

Spektrální a korelační analýza Implementace v MATLABu 3 % vypocet korelace ve spektral.oblasti function [R]=korelace(x,y); if nargin == 1, y = x; end; x=x(:)'; y=y(:)'; M=length(x); N=length(y); X = fft(x,2*m); Y = fft(y,2*n); CCF = real(ifft(x.*conj(y))); R=CCF(1:fix(length(CCF)/2)); R=R/R(1);

Spektrální a korelační analýza Výkonová a vzájemná spektrální hustota PSD = FT{acf} CSD = FT{ccf}