Zpracování biosignálů-Kladno 08 - FBMI

Pokroky v biomedicínském inženýrství - ČVUT FBMI Kladno 2008
Přehled tradičních metod a speciálních algoritmů pro detailní a dlouhodobé zpracování biosignálů
Syllabus
1. Úvod – sběr a předzpracování signálu
Vladimír Krajča, Fakultní nemocnice Na Bulovce
e-mail krajcav@fnb.cz
2. Tradiční metody
2.1. Spektrální analýza a grafická prezentace výsledků
2.1.1. Zhuštěné spektrální kulisy (CSA- Compressed spectral arrays)
2.1.2. Koherentní a fázové spektrum
2.2. Brain Mapping – topografické mapování aktivity mozku
2.2.1. Mapování amplitudy
2.2.2. Mapování výkonového spektra
2.2.3. Mapování lokální a interhemisferické koherence – aplikace pro hodnocení fokálních mozkových
lézí
2.3. Automatická detekce epileptických hrotů
2.3.1. Jednoduchý aritmetický detektor
2.3.2. Mediánová filtrace
2.3.3. Kombinovaný dtektor
3. Speciální algoritmy
3.1. Adaptivní segmentace
3.1.1. Adaptivní segmentace používající pevného a pohyblivého okna
3.1.2. Multikanálová adaptivní segmentace s dvěma spojenými okny
3.2. Analýza hlavních komponent pro extrakci EEG příznaků u pacientů v komatu
3.3. Automatická klasifikace EEG segmentů. On-line and off-line methody klasické a fuzzy
3.4. Extrakce zhuštěné informace z EEG a strukturální popis dlouhodobých záznamů
4. Metody umělé inteligence a algoritmy neuronových sítí
4.1. Učení s učitelem a bez učitele – k-NN klasifikátor a shluková analýza
4.2. Hebbovské učení – asociativní paměť
4.3. Zobecněné Hebbovské učení pro odhad hlavních komponent
4.4. Perceptron
4.5. Algoritmus zpětné propagace a vícevrstvý perceptron (Backpropagation algorithm)
4.6. Kohonenova síť
5. Aplikace analýzy hlavních komponent pro analýzu signálu
5.1. Detekce epileptických garfoelementů pomocí samo-se organizující neuronové sítě
5.2. Komprese a rekonstrukce vícekanálového signálu pomocí
6. Aplikace analýzy nezávislých komponent (Independent Component Anlysis - ICA)
6.1. Eliminace artefaktů v signálu
6.2. Detekce nezřetelných fázových posuvů by ICA
7. Kvantitativní odhad parametrů u novorozeneckých EEG záznamů

.
SIGNIFCANT
GRAPHOELEMENT
IDENTIFICATION
COMBINED
DETECTOR
WAVE
FINDER
CLUSTER ANALYSIS
LONG - TERM -
PROCESSING
DETECTION OF
EEG EVENTS
RESULTS PRESENTATION
CLASSIFICATION
FEATURE EXTRACTION
ADAPTIVE SEGMENTATION
PCA NN
DETECTOR
EXTRACTION
OF COMPRESSED
INORMATION
LEARNING CLASSIFIER
SUMARY
STATISTICS
SPECTRUM
ANALYSIS
PRE-PROCESSING
DIGITAL FILTERING
TRENDS REMOVING
EEG SIGNAL
CLASISCAL
SET
THEORY
FUZZY
SETS
THEORY
LOCAL
COHERENCE
SPIKE
BRAIN
CSA
DETECTION MAPPING
NEURAL
NETS
AMPLITUDE
POWER
SPECTRUM
PCA
SEGMENT
ATION
PRINCIPAL
COMPONENT
ANALYSIS
DETAILED
ANALYSIS
ARTEFACT
ELIMINATION
Cooperation with
Tech University
Ostrava
PHASE
MAPPING
INDEPENDENT
COMPONENT
ANALYSIS
Obr. 1. Zpracování EEG signálů ve FN Na
Bulovce 1984-2008. Přehled
Obr. 2. Systém Wave-Finder – automatizovaná
Analýza signálu

Literatura
1. Krajča V., Petránek S., Počítačová elektroencefalografie. Úvod do problematiky. Česká a Slovenská Neurologie a Neurochirurgie.
Supplementum, 1995, pp. 1-38
2. Mohylová J., Krajča V., Zpracování biologických signálů. Studijní materiály – e-learning. Vysoká škola báňská, Technická Universita
Ostrava, 2007. ISBN 978-80-248-1491-9
3. Mohylová J., Krajča V., Zpracování signálu v lékařství . Žilinská Univerzita v Žiline 2004.
4. Rozman J. a kol. Elektronické přístroje v lékařství, Academia Praha 2006 (Petránek, Krajča, Diagnostika mozku)
Vybrané doporučené publikace
1. Karel Paul, Vladimír Krajča, Zdeněk Roth, Jan Melichar and Svojmil Petránek. Regional Differences in Neonatal Sleep
Electroencphalogram . Brain Research Journal, Vol. 1, Issue 2/3, 2007, ISSN: 1935-2875
2. Krajča V, Petránek S, Mohylová J, Paul K, GerlaV., Lhotská L. Neonatal EEG Sleep Stages Modelling by Temporal Profiles. Lecture
Notes in Computer Sciences, 4739, pp.195-201,2007
3. V. Gerla, K. Paul, L. Lhotska, and V. Krajca. Multivariate Analysis of Full-Term Neonatal Polysomnographic Data.. IEEE Trans.
Information Technology in Biomedicine. In press
4. Krajča V, Petránek S, Paul , Mohylová J, Nielsen J , Tichavský P, Lhotská L, Brunovský M.,Identification of Neonatal EEG Sleep
Stages by Structural Time Profiles and Independent Component Analysis. 3rd World Congress on Bioengineering, Bangkok, 2007
5. Horacek J, Brunovsky M, Novak T,Skrdlantova L, Klirova M., Bubenikova V., Krajca V. Tislerova B., Kopecek M., Spaniel F., Mohr
P., Hoschl C. Effect of low-frequency rTMS on electromagnetic tomography (LORETA) and regional brain metabolism (PET) in
schizophrenia patients with auditory hallucinations Neuropsychobiology 55 (3-4): 132-142 2007
6. Krajča V, Petránek S, Paul , Mohylová J, Nielsen J , Tichavský P, Lhotská L, Brunovský M.,Identification of Neonatal EEG Sleep
Stages by Structural Time Profiles and Independent Component Analysis. 13rd World Congress on Bioengineering, Bangkok, 2007
7. Paul K., Krajča V., Roth Z., Melichar J., Petránek S. Quantitative topographic differentiation of the neonatal EEG. Clinical
Neurophysiology 2006, 117, pp. 2050-2058. (IF 2.718)
8. Tichavský P., Nielsen J, Krajča V.,Identification of Epileptic Activity in Electroencephalograms Using Four Techniques of
Independent Component Analysis, BIOSIGNAL 06, Brno
9. Krajča V., Mohylová J., Paul K., Petránek S., Automatic detection of sleep stages in preterm neonates by exploring the time structure of
the EEG, The 3rd European Medical and Biological Conference EMBEC 05, November 20-25, 2005, Prague
10. Krajca V., Petranek S., Paul K., Matousek M., Mohylova J., and Lhotska L. (2005): ‘Automatic Detection of Sleep Stages in Neonatal
EEG Using the Structural Time Profiles’, in EMBC05, Proceedings of the 27th Annual International Conference of the IEEE-EMBS,
September 1-4, Shanghai, China
11. Krajca V., Mohylova J., Paul K., Petranek S., and Lhotska L. Computer assisted processing of neonatal EEG, Acta Mechanica Slovaca,
2-A, vol 9, YBERC 2005, pp.193-198
12. Krajča V., Petránek S., Paul K., M.Matoušek .Time profiles reveal the structure of sleep stages in the neonatal EEG. ERCIM News No.
60, January 2005, p.63
13. Krajča V., Petránek S., Paul K., M.Matoušek, M.Brunovský, B.Štorková, K.Petříková, description of sleep stages in neonatal eeg using
the structural time profiles, MEDICON 2004, Mediterranean Conference on Medical and Biological Engineering, July 31- August 6,
Ischia, Italy, 2004
14. Paul K., Krajča V., Melichar J., Petránek S., Miletín J., Computer-aided analysis of abnormal neonatal electroencephalogram, Czech
and Slovak Neurology and Neurosurgery, 3, 2004, pp. 193-198
15. Paul K., Krajča V., Roth Z., Melichar J., Petránek S., Comparison of quantitative EEG characteristics of quiet and active sleep in
newborns, Sleep Medicine 4, (2003), pp. 543-552. IF 2.711
16. Urban P., Nerudová J., Čábelková Z., Krajča V., Lukáš E., Cikrt M. EEG photic driving in workers exposed to mercury vapors,
NeuroToxicology 24 (2003), 23-33. IF 1.856.
17. Krajča V., Principe J.C., Petránek S. (1999), Extraction of principal components from biosignals by neural net, Technology and Health
Care,7, pp.137-141.
18. Černošek, A., Krajča V., Mohylová J., Petránek S., Matoušek M., Paul K., Estimation of the time delay of epileptic spikes by ICA, In:
Lecture Notes in Computer Science 1933, Medical Data Analysis, R.W. Brause, E. Hanisch (Eds.), Springer 2000, pp. 34-42. IF 0.872.
19. Krajča V., Matoušek M., Grieszbach G., Ivanova G., Vršecká M.,Paul K., Feature Extraction from EEG of Comatose Patients by Global
Adaptive Segmentation, Neuroimage 10,no.3.1999, A84
20. Krajča V., Grieszbach G., Petránek S., Ivanova G., Fink.A., Hořejší J., Cónová H., Hoskovec.P., Application of signal processing
techniques in long-term monitoring of patients with epilepsy, Biosignal ’98, 14-th Biennial Int.Conference Proc. Biosignal’98 (J.Jan,
J.Kozumplík, Z.Szabó Eds.), Vutium Press Brno, pp. 170-173
21. Krajča V., Principe J.C., Petránek S., Vyšata O., Use of time-delayed self-organized principal components analysis for feature
extraction from the EEG, In: Witte,H., Zwiener,U., Schack,B. und Doering, A. (eds.). Quantitative and Topological EEG and MEG
Analysis. Druckhaus Mayer, Erlangen, 1997, p. 295-297
22. Krajča, V., Petránek S., Hořejší J., Procházková V. Application of neural networks based principal component analysis for epileptic
spike detection, 42. Internationales Wissenschaftliches Kolloquium, Technische Universität Ilmenau, 1997, Band 2, pp. 156-161

23. Krajča V., Principe J.C., Petránek S., The dimensionality reduction and reconstruction of the EEG signal by self-organized principal
components amnalysis, Proceedings of ECSAP-97. The First European Conf. on Signal Analysis and Prediction, Prague,1997, pp. 406-
409
24. Brázdil M., Brichta J.,Krajča V.,Kuba R., Daniel P., Interhemispheric EEG coherence after corpus callostomy, European Journal of
Neurology (1997), 4, 419-425. IF 0.670
25. Witte,H., Doering, A., Galicki, M., Dörschel, J., Krajca, V., Eiselt, M.: Application of optimized pattern recognition units in EEG
analysis. Common optimization of preprocessing and weights of Neural Networks as well as structure optimization. Proceedings of the
8th World Congress on Medical Informatics, Vancouver (1995), 833-837.
26. Doering, A., Galicki, M., Witte,H., Krajca, V.,: Neural Networks with A*-Algorithm: Application in EEG Pattern Analysis.
Proceedings of the 8th World Congress on Medical Informatics, Vancouver (1995), 814-817.
27. Möller U., Witte H., Galicki M., Krajča V., Verbesserte Strukturierung von vorsegmentierten EEG-Abschnitten durch Clusterbildung
mit globaler Optimierung. Eine methodische Studie, Zeitschrift für EEG-EMG 27 (1996) pp.282-286
28. Krajča V., Petránek S., Dorůžková J., Vyšata O., Dörschel J., Barešová E., Witte H., Automatic classification of epileptic
graphoelements by supervised and non-supervised algorithms, 39.Internationales Wissenschaftliches Kolloquium, Technische
Universität Ilmenau, 1994, Band 2, pp. 396-401
29. Möller K.O., Marotz J., Witte H., Krajča V., Evaluation of signal processing in Laser-Doppler fluxmetry, Proc. 2nd European
Conference on Engineering and Medicine, Stuttgart/Germany, April 25-29, 1993, pp. 372-373
30. Krajča V., Petránek S., "Wave-Finder" : a new system for an automatic processing of long-term EEG recordings, In.: "Quantitative EEG
Analysis - Clinical Utility and New Methods", M.Rother, U.Zwiener(Eds.),Universitätsverlag GmbH, Jena 1993, pp.103-106
31. Krajča V., Petránek S., Dorůžková J., Ondruška V., Multichannel signal processing in long-term EEG monitoring of epilepsy,
Biomedizinische Technik, Band 37, 1, 1992, pp. 119-121. IF 0.757.
32. Krajča V., Petránek, S., Patáková I., Ondruška V., Automatic epileptic spike detection by median filtering and simple arithmetic
sharp transient detector : a clinical evaluation, Proceedings of the VI Mediterranean Conference on Medical and Biological
Engineering, July 5-10, 1992, Capri, Italy, pp. 209-211
33. Krajča V., Petránek S., Ondruška V., Dorůžková J., Pecharová D.,Vícekanálová adaptivní segmentace - základ pro předzpracování EEG
záznamů, Lékař a technika, 2,23,1992, pp.28-34
34. Witte H., Eiselt M., Patakova I., Petranek S., Griessbach H., Krajca V., Rother M., Use of discrete Hilbert transformation for automatic
spike mapping : a methodological investigation, Medical and Biological Eng. & Computing, 1991, 29 ,242-248. IF. 1.004.
35. Krajča V., Petránek S., Patáková I., Värri A., Automatic identificaton of significant graphoelements in multichannel EEG recordings by
adaptive segmentation and fuzzy clustering, Int. J. Biomed.Comput.,28 (1991) pp.71-89. IF 0.446.
36. Witte H., Griessbach G., Schack B., Stallknecht K., Krajca V., Patakova I., Nutzung der Fouriertransformation als Basisalgorithmus fur
die Datenvorverarbeitung in der automatischen EEG Analyse, Medizintechnik, Vol.30, 1990, pp.65-71
37. Witte H., Griessbach G., Krajča V., Rother M., Stallknecht K., Putsche P. Moglichkeiten des Einsatzes der Diskreten Hilbert
transformation in der Biosignalanalyse - Nachweis der Effizienz durch Signalmodelle. Medizintechnik, 29, H.3., 1989, pp. 65-69
38. Krajča V., Formánek J., Petránek S.,Srovnání tří přístupů k adaptivní segmentaci EEG signálu, Lékař a technika, 4,17,1986, pp.68-74
39. Krajča V., Formánek J., Petránek, S. Application of fuzzy cluster analysis in EEG computer assisted decision-making. In: Medical
Decision Making, J.H. van Bemmel, F. Gremy, J. Zvarova (Eds.), North-Holland, Amsterdam, 1985: pp. 169-172
40. Krajča V., Teorie fuzzy množin jako prostředek pro extrakci zhuštěné informace z EEG signálu. Automatizace, 28, č.1, 1985, pp.7-12
41. Krajča V., Automatic classification of EEG segments and the extraction of representative ones by dynamic clusters method. Activitas
nerv. sup. (Praha), 26, No.2., 1984, pp.118-128.

Vybrané příklady aplikací
3D topografické mapování EEG pomocí LORETA – Low Resolution Electromagnetic
sférických splinů Tomography
CSA – Zhuštěné spektrální kulisy Automatická grafická identifikace významných
epileptických grafoelementů