Reconhecimento automático de ondas características no EEG de doentes epilépticos: realização baseada num microcomputador

Abstract

Nesta dissertação é tratado o problema da detecção e quantificação automática de pontas e ondas abruptas interictais (POAs) no electroencefalograma (EEG) de doentes epilépticos. Apresenta-se a realização baseada num microcomputador capaz de proceder ã anãlise de vãrios canais em tempo real, para uso em monitorização de EEG de longa duração. Os estudos a que se procedeu foram feitos sobre um conjunto de segmentos de EEG cujas POAs foram previamente classificadas por um grupo de 8 electroencefalografistas (EEGistas). A grande variabilidade das classificações mereceu alguma atenção: procuraram-se padrões de concordância com o fim de obter critérios quer para o desenvolvimento quer para a avaliação do classificador automático. Este sistema foi em primeiro lugar desenvolvido através de um conjunto de programas instalado num minicomputador. A abordagem utilizada baseou-se em técnicas de reconhecimento de padrões. Os parâmetros descritores de cada onda são medidas de duração e relações de amplitude, inclinação e agudez das POAs e o desvio padrão do sinal EEG e as suas 1ªe 2ª derivadas, usadas como medida da actividade de fundo na vizinhança da POA. Desenvolveram-se métodos de classificação usando o discriminante linear de Fisher e um conjunto de limiares determinados empiricamente. Uma vez que não foram encontradas grandes diferenças nos resultados dos dois métodos, foi preferido o último por uma questão de simplicidade. Os comportamentos do sistema e de cada um dos 8 EEGistas foram comparados tomando um conjunto de "POAs reais" definidos pelos 7 restantes como referência. O número de falsas detecções e detecções omitidas pelo sistema estavam dentro da gama de valores apresentada pelos EEGistas. No tocante a artefactos fisiológicos o comportamento do sistema foi satisfatório, com excepção de algumas falsas detecções induzidas por ondas agudas pertencentes a complexos alfa. Finalmente a mesma metodologia foi implementada num sistema baseado num microcomputador. Com o propósito de tornar o sistema mais rápido utilizou-se uma unidade de preprocessamento com circuitos analógicos bem como uma unidade de controlo construída com circuitos digitais. O sistema executa o algoritmo de detecção e quantificação de POAs em tempo-real em 4 derivações de EEG.

This dissertation deals with the automated detection and quantification of interictal spikes and sharp waves (SSW) in the electroencephalogram (EEG) of epileptic patients. A multichannel real-time microcomputer based realization for use in long duration EEG monitoring is presented. Our studies were performed on a set of EEG segments whose SSW were "a priori" classified by a panel of 8 Electroencephalographers (EEGers). The large variability of the classifications has deserved some attention: patterns of agreement were searched for, in order to obtain criteria both for the development and evaluation of the automatic classifier. This system was at first developed in software in a minicomputer. A pattern recognition approach was used. The features employed were measures of duration and relations of amplitude, slope and sharpness of the SSWs with respect to the standard deviation of the EEG signal, its first and second derivatives, used as measures of the background in the neigh¬bourhood of the SSW. Classifiers were developed using the Fisher linear discriminant and a set of empirically determined thresholds. Since no large differences were found between the two methods the latter was prefered for the sake of simplicity. The performance of the system and that of each of the 8 EEGers were compared, using the set of "True SSW" defined by the other 7 as reference. The number of false positive and false negative detections displayed by the system were within the range of those obtained by the EEGers. The performance regarding some physiological artefacts was satisfactory with the exception of some detections induced by sharp waves of alpha complexes. Finally the same methodology was implemented in a microcomputer based system. In order to speed up computations, analog circuits as well as a hardwired control logic unit were used for preprocessing. The system performs the SSW detection and quantification algorithm, on-line, in 4 EEG derivations.