SVEUILITE U ZAGREBU FAKULTET ELEKTROTEHNIKE I RAUNARSTVA

NAPREDNE METODE DIGITALNE OBRADE SIGNALA

Analiza EEG signala

Petra Bertoa Eva Cetini Iva Harba Martina Jakovina Katarina Valent

Zagreb, sijeanj, 2012.

Sadraj
Uvod ........................................................................................................................................................ 3 EEG signal ................................................................................................................................................ 4 Izvor EEG aktivnosti ............................................................................................................................. 4 Snimanje EEG-a ................................................................................................................................... 4 Valni oblici ........................................................................................................................................... 5 STFT transformacija ................................................................................................................................. 8 CWT transformacija ............................................................................................................................... 12 Implementacija ...................................................................................................................................... 14 Rezultati................................................................................................................................................. 21 Zakljuak ................................................................................................................................................ 29 Literatura ............................................................................................................................................... 30 Dodatak ................................................................................................................................................. 31

Uvod
EEG je neinvazivna metoda za dobivanje uvida u aktivnost mozga i za prouavanje modanih procesa, od prirodnih kognitivnih obrada do patolokih pojava. Dobiveni podaci nisu meutim uvijek sasvim jednostavni za razumijevanje, radi se naime o prostorno indeksiranim viekanalnim vremenskim signalima s mnogo uma koje je uz to potrebno spektralno transformirati za potpuno razumijevanje cerebralnih aktivnosti. Upravo iz tog razloga postoji stalna tenja za unaprijeenjem naina analize i pojednostavljenjem prikaza EEG signala. Primjena vremensko-frekvencijih metoda transformacija signala logian je korak u pokuaju to potpunije i jednostavnije ekstrakcije temporalnih i frekvencijskih informacija iz EEG signala pri emu je kljuno osigurati pogodne naine vizualizacije dobivenih informacija. S obzirom na to da se u dananje vrijeme napredak u podruju medicinske dijagnostike i medicinskih istraivanja uvelike oslanja na razvoj raunalnih sustava za analizu i prikaz biomedicinskih signala, motivacije za bavljenje upravo ovom problematikom ne nedostaje.

EEG signal
Elektroencefalografija (EEG) je proces snimanja elektrine aktivnosti du skalpa. EEG mjeri promjene napona koje su posljedica protoka ionske struje izmeu neurona u mozgu. U klinikom smislu, EEG se odnosi na snimanje spontane modane aktivnosti kroz neki vremenski period, najee od 20 do 40 minuta.

Izvor EEG aktivnosti

Elektrini naboj mozga odravaju milijuni neurona. Neuron ili ivana stanica smatra se osnovnom jedinicom ivanog sustava i najsloenija je stanica u ljudskom organizmu. Neuroni su elektriki nabijeni ili polarizirani. Svaki podraaj neurona dovodi do promjena na njihovoj membrani tako to se otvaraju pore za propust iona. Ako je stimulus dovoljno jak da prijee prag podraljivosti onda se ionski kanali potpuno otvore. Naglo pozitivno nabijeni Na+ ioni kroz pore ulaze u neuron, mijenja se elektrini naboj i neuron je depolariziran. Rezultat toga je da diferencijalni potencijal sa -70 mV na trenutak prelazi u +40 mV. U tom trenutku K+ ioni izlaze vani pa se potencijal uskoro vraa na -70 mV. Ta pojava naziva se akcijski potencijal. Proces razmjene iona s okolinom traje stalno, bilo da se odrava potencijal mirovanja ili dolazi do akcijskog potencijala. Tim konstantnim kretanjem iona stvaraju se tzv. valovi iona koji kad dou do elektroda na skalpu mogu odgurnuti ili privui elektrone metala koji se nalazi na elektrodama te tada dolazi do pojave napona. Napon izmeu bilo koje dvije elektrode se moe mjeriti voltmetrom i upravo snimanje tih napona odreeno vrijeme kao rezultat daje EEG signal. Elektrini potencijal kojeg stvara jedan neuron je previe malen da bi ga EEG zabiljeio. EEG aktivnost zapravo predstavlja sumaciju sinkrone aktivnosti tisua ili milijuna neurona koji imaju slinu orijentaciju u prostoru. Ukoliko neuroni nemaju slinu orijentaciju u prostoru njihovi se ioni nee posloiti i kreirati valove koji se mogu detektirati. Za piramidalne neurone korteksa se smatra da proizvoda najvie EEG signala zato to su dobro razmjeteni i djeluju sinkronizirano.

Snimanje EEG-a
EEG signali snimaju se preko elektroda koje se s provodljivim gelom ili pastom postavljaju na skalp. Poloaj elektroda na skalpu te njihovi nazivi su specificirani internacionalnim 10-20 sustavom. Raspored elektroda prikazan je na slici 1.

Slika 1. Raspored elektroda po sustavu 10-20

Svaka od elektroda spojena je na diferencijalno pojaalo (po jedno pojaalo za svaki par elektroda). Ta pojaala pojaavaju napon izmeu aktivne elektrode i referentne elektrode. U analognim sustavima se signal filtrira i pomicanjem igle na papiru se dobije izlaz, tj. EEG signal. Veina EEG sustava danas su digitalni u kojima se izmjereni i pojaani signal digitalizira pomou A/D pretvornika nakon to se signal propusti kroz anti-aliasing filtar. Prilikom snimanja EEG signala pacijent se podvrgava razliitim procedurama i stimulacijama koje mogu izazvati normalne i abnormalne EEG aktivnosti. Neke od procedura su hiperventilacija, fotostimulacija, zatvorene/otvorene oi i sl. Razlikuju se takoer razliiti naini mjerenja napona koji mogu biti bipolarni ili monopolarni. Kod bipolarnog naina mjeri se razlika potencijala izmeu dviju elektroda koje su obje na potencijalima mozga, a kod monopolarnog naina samo jedna elektroda mjeri napon mozga, dok je druga na nultom odnosno srednjem referentnom potencijalu. Vrlo esto se kao elektroda nultog potencijala odabire una resa.

Valni oblici
EEG moemo promatrati kao skup valnih oblika koje karakterizira odreena amplituda, frekvencija i mjesto nastanka. S obzirom na te parametre valne oblike dijelimo na -valove (alfa valove), -valove (beta valove), -valovi, -valovi (theta valove) i -valovi (delta valove).

-valovi

Frekvencije ovih valova se kreu od 8 Hz do 12 Hz, dok im je amplituda priblino 50V. Hans Berger je prvu ritminu EEG aktivnost koju je uoio nazvao alfa valovima. Oni dominiraju u okcipitalnoj regiji, ali se katkad mogu nai i u parijetalnom i frontalnom podruju. Oni se javljaju kad je pacijent oputen i ima zatvorene oi, a atenuiraju se pri otvaranju oiju. Amplituda -valova nije konstantna nego se mijenja u obliku vretena, pa potpuno nestane da bi se nakon nekoliko sekundi opet pojavila. -valovi nestaju za vrijeme spavanja kao i prilikom pojaane misaone aktivnosti (razmiljanja, rjeavanja nekog problema). -valovi mogu ukazivati na abnormalne procese ukoliko se npr. pojavljuju u EEG signalu, ali ne mijenjaju prilikom nekih vanjskih podraaja. To se najee javlja kod pacijenata koji su u komi i tad se ti valovi nazivaju alfa koma. Primjer -vala prikazan je na slici 2.

Slika 2. -valovi

-valovi

Frekvencije -valova kreu se od 14 Hz do 30 Hz, dok im je amplituda manja od amplitude -valova i iznosi priblino 20V. Najee se registriraju na frontalnim i parijetalnim regijama. -valovi niske amplitude uglavnom se javljaju prilikom pojaane modane aktivnosti (aktivna koncentracija, razmiljanje i sl.). Ovi valovi su dominantni kod pacijenata koji su anksiozni ili koji imaju otvorene oi. Upravo otvaranjem oiju se testira blokiranje -ritma, tad se koncentracija pacijenta povea i to prouzrokuje pojavu -valova, a nestanak -valova. Primjer -valova je prikazan na slici 3.

Slika 3. valovi

-valovi

-valovi nalaze se u frekvencijskom podruju od 30 Hz do 100 Hz, stoga spadaju u valove najvee frekvencije. Do nedavno se nisu raunali kao dio EEG-a te se tek u posljednje vrijeme poinju vie prouavati. Istraivanja pokazuju da mozak ulazi u gama stanje prilikom visokih razina procesiranja informacija. Primjer -valova je prikazan na slici 4.

Slika 4. valovi

-valovi

-valovi zauzimaju frekvencijsko podruje od 0 Hz do 4 Hz i amplitude od 60V do 100V. Pojavljuju se u kori velikog mozga neovisno o aktivnosti u niim slojevima mozga. Normalno se javljaju kod odraslih u dubokom snu i kod male djece. Ovi valovi takoer se mogu javiti pri teim bolestima mozga. Primjer -valova je prikazan na slici 5.

Slika 5. -valovi

-valovi

-valovi imaju frekvencije izmeu 4 i 8 Hz i amplitude oko 70V. Pojavljuju se preteno u parijetalnim i temporalnim regijama. Oni su normalno prisutni kod mlae djece te kod starije djece i odraslih prilikom napetosti i emocionalnih stresova, naroito razoaranja i frustracija. Ovi valovi mogu biti i patoloki te se pojavljuju kod mnogih poremeaja mozga. Mogu se vidjeti kao fokalni poremeaj kod fokalnih subkortikalnih lezija ili kod pacijenata koji pate od encefalopatije. U normalnom EEG-u moe biti prisutna manja koliina -ritma, ali obino ne vea od 10%. Primjer -valova je prikazan na slici 6.

Slika 6. -valovi

STFT transformacija
Fourierova transformacija omoguuje dobar uvid u frekvencijski sadraj signala i adekvatan je transformacijski alat za stacionarne signale, ali daje pregled samo frekvencijskih odnosa. Nedostatak Fourierove transformacije rijeen je upotrebom vremenske kratke Fourierove transformacije ( eng. short-time Fourier transform, STFT), koja prua podatke i o vremenu na kojoj se frekvencijska komponenta pojavljuje. Njome nam je omogueno promatrati nestacionarne signale. STFT je transformacija kojom istovremeno opaamo vremenske i frekvencijske odnose. U odnosu na standardni FFT, razlikuje se po upotrebi vremenskog prozora, tj. analizirajueg otvora eljenih svojstava u obje domene. Za vremenski otvor g izabire se funkcija konane energije koja ima traena svojstva lokalizacije u vremenskoj i frekvencijskoj domeni. Vremenski otvor je dovoljno mali da nestacionarni dio zahvaenog signala moemo smatrati stacionarnim (zbog umnoka signala i otvora). STFT raunamo:

Realni otvori ne zahtijevaju konjugaciju koja je oznaena s *. Pomicanjem otvora po vremenskoj osi daje vremensku ovisnost promjene frekvencije. Za odreenu krunu frekvenciju prozor se kontinuirano pomie od poetka do kraja signala, time obuhvaa stacionarne segmente i vri Fourierovu transformaciju za svaki . Rezultat X(T,) transformacije je dimenzijski uvean u odnosu na dimenziju signala, tj. transformacija je dvodimenzijska.

Slika 7. Vremenski otvor nad signalom

Uski prozori daju loiju frekvencijsku, a bolju vremensku rezoluciju te bolje zadovoljavaju kriterij stacionarnosti. iroki prozori, s druge strane pak, daju bolju frekvencijsku, a loiju vremensku rezoluciju i narueniji kriterij stacionarnosti. Problem se svodi na odabir adekvatnog i fiksnog prozora kojim bi se onda vrila itava analiza. Odabir prozora odreen je zahtjevima; ako znamo da su frekvencijske komponente u danom signalu meusobno dobro odvojene, tada moemo rtvovati frekvencijsku rezoluciju na tetu vremenske. Frekvencijska komponenta signala u odreenom trenutku se ne moe u potpunosti tono odrediti. To je posljedica Heisenbergovog principa neodreenosti koji kae da se moment i pozicija estice koja se giba ne mogu odrediti tono. Najbolje to moemo uiniti jest odrediti koje frekvencijske komponente postoje u nekom vremenskom intervalu. Kako bi se dobili to boji rezultati

transformacije, potrebno je znati koja veliina optimalno odgovara. U suprotnom analiza gubi smisao. Za to bolju prezentaciju transformacije, poeljno je rezultat prikazati u trodimenzionalnom grafu, gdje su osi frekvencija, vrijeme i amplituda. Oito je da e se jasno vidjeti u kojem vremenu je koja frekvencijska komponenta najizraenija.

Slika 8. Princip rada STFT algoritma

Osnovni nedostatak STFT-a je konstantna razluivost u cijeloj vremensko - frekvencijskoj ravnini (slika 9.), odreena parametrima vremenskog otvora. Rezolucija u vremenu i frekvenciji ne moe istovremeno biti proizvoljno mala. To dovodi do injenice da poveanje rezolucije u jednoj domeni, uzrokuje smanjenje rezolucije u drugoj. Ako se upotrijebi to manji vremenski otvor dobije se bolju vremensku rezoluciju i stacionarnost, no ujedno i loija frekvencijska rezolucija.

Slika 9. STFT rezolucija (lijevo je bolja vremenska rezolucija, desno je bolja frekvencijska rezolucija)

Opisan problem moe se vidjeti i iz sljedeeg primjera. U primjeru se transformira signal x(t) koji se sastoji od etiri sinusoida:

Na slikama u nastavku prikazani su spektogrami za vremenski otvor od: T=25 ms, 125 ms, 375 ms, 1000 ms :

10

Otvor od 25 ms nam omoguuje odrediti tono vrijeme u kojem se deava promjena frekvencije, ali precizne frekvencije je teko odrediti. Otvor od 1000 ms omoguuje da se frekvencija tono vidi, ali vrijeme promjene frekvencija je zamagljeno.

11

CWT transformacija
Budui da jedna vremenska toka signala esto ima sloen frekvencijski sadraj, nejednolikom razluivou ukupno odreenje moglo bi biti preciznije nego u jednoj toki vremensko - frekvencijske ravnine. To je jedan od razloga za stvaranje valine transformacije, koja moe dati dobru vremensku rezoluciju za visokofrekventne dogaaje i dobru frekvencijsku rezoluciju za niskofrekventne dogaaje. Ovo je jedna od najboljih analiza za mnoge stvarne signale. Za razliku od Fourierove transformacije kod koje signal usporeujemo sa sinusnim signalom beskonanog trajanja i po svim frekvencijama, CWT-om signal usporeujemo s valiem kojem mijenjamo irinu i poziciju. To nam omoguuje mijenjanje razluivosti po vremenu ili frekvenciji to npr. kod STFT transformacije nije mogue jer je tamo razluivost konstantna. Kontinuirana valina transformacija (CWT) definirana je sljedeim izrazom:

Rezultat X(T,a) ovisi o odabranom valiu (t) koji osigurava eljena svojstva razlaganja. Analizirajuu funkciju pomiemo za T, steemo ili rasteemo za skalu a te usporeujemo s x(t). Skala a jest veliina obrnuto proporcionalna frekvenciji. Realni valii (t) ne zahtijevaju konjugaciju koja je oznaena s *. Rezultat CWT-a je broj koji nam pokazuje koliko je signal koreliran s odabranim valnim oblikom valia. Za odreeni faktor skaliranja npr. a=a0, translatiramo prozorsku funkciju, preko cijelog signala x(t), te integriramo prema izrazu, te dobijemo za taj faktor skaliranja koeficijente CWT(T,a0), gdje je T=T0,T1,T2,, koji predstavljaju signal x(t). Potom odaberemo novi faktor skaliranja, te ponovimo postupak. Na kraju nam ostaju koeficijenti koji predstavljaju signal x(t). Dakle, dobili smo skalarno vremensku interpretaciju. Te koeficijente prikazujemo u skalogramu. Ukoliko je a=1, tada taj sluaj uzimamo kao osnovni (u odnosu na njega emo promatrati). Ukoliko stavimo a<1, tada uoavamo da se osnovni signal w(t) suava, ili kaemo da naglaavamo visoke frekvencije. Ukoliko stavimo a>1, tada se osnovni signal w(t) iri, tj. kaemo da naglaavamo niske frekvencije. Uoimo da to je faktor skaliranja vei imamo manje translacija, dakle, signal je manje puta lokaliziran u vremenu. Iz toga slijedi vana prednost valine transformacije multirezolucijsko predstavljanje signala.

12

Koncept koji primjenjuje multirezolucijska analiza, daje nam: dobru vremensku rezoluciju i lou frekvencijsku rezoluciju na visokim frekvencijama, dobru frekvencijsku rezoluciju i lou vremensku rezoluciju na niskim frekvencijama.

Slika 10. CWT rezolucija

To pokazuje i sljedei primjer u kojem je koriten Morletov vali nad dva sinusa:

Slika 11. Primjer CWT-a

13

Implementacija
Cilj projekta bio je implementirati razliite naine vizualizacije EEG signala. Danas se za analizu EEG signala i detekciju karakteristinih valova koristi Fourierova transformacija. U ovom smo projektu htjeli pokazati prikaz EEG signala pomou nekih drugih transformacija kao to je wavelet transformacija te nai nain pogodan za vizualizaciju. Takoer je implementirana i STFT analiza signala radi usporedbe razliitih rezultata. Da bi nae rjeenje bilo pristupanije korisniku i intuitivnije za koritenje, implementirali smo GUI koji je prikazan na slici 12. i u nastavku e se kroz GUI i njegove raspoloive funkcije opisati rjeenja koja se nalaze u pozadini GUI-a, tj. implementacija naeg rjeenja. Pokretanje se izvodi utipkavanjem
EEGanalizator

u komandni prozor Matlaba (za primjere u ovom projektu koriten je Matlab 7.11.0 (R2010b)). Otvori se GUI:

Slika 12. Glavni prozor GUI-ja

Da bismo vrili bilo kakvu daljnju analizu, prva stvar koju moramo uinit je uitati odreeni EEG signal, a to inimo pritiskom na tipku Uitaj eeg signal. Nakon pritiska na tipku pojavljuje se sljedei prozor:

14

Slika 13. Glavni prozor EEG toolboxa

Taj prozor je glavni prozor toolboxa koritenog za uitavanje EEG signala. Koriteni toolbox je tipa open source i slui za analizu EEG signala. Da bismo ga mogli skinuti s Interneta, najprije je potrebno otii na stranicu http://sccn.ucsd.edu/~scott/ica.html, tamo popuniti obrazac u kojem objasnite za to vam treba toolbox i onda dobijete dozvolu da ga skinete na svoje raunalo. Nakon to se skinuta .rar arhiva otpakira na raunalu, potrebno se unutar Matlaba pozicionirati u taj folder te u komandnom prozoru Matlaba upisati eeglab. Mi smo ovaj toolbox koristili jer se pomou njega EEG signal tipa .edf (koje smo mi imali na raspolaganju) uita u jednu strukturu u kojoj su sadrane sve potrebne informacije kao npr. frekvencija uzorkovanja, broj kanala, nazivi kanala, signali spremljeni u matrici itd. (signal se uitava pomou funkcije pop_biosig() implementirane u toolboxu) i zbog toga je pogodniji za daljnju analizu i koritenje. Prozor sa slike 13. se sam zatvori i onda nam se prikae direktorij iz kojeg trebamo izabrati EEG signal koji elimo uitati. Nakon toga otvori se sljedei prozor:

Slika 14. Dio uitavanja EEG signala

15

koji je dio toolboxa i predstavlja dio uitavanja signala. Potrebno je samo kliknuti na tipku Ok i prozor nestane. Nakon zatvaranja prozora, u radnom prozoru Matlaba se vide uitane datoteka, a u GUI-ju se ispisuju odreeni podaci o signalu vidljivi na slici 15 (lijevo).

Slika 15. Glavni prozor GUI-ja

Za prikaz i analizu uitanog EEG signala koristi se desni dio GUI-ja. Prva tipka Prikai eeg signal prikazuje uitani signal po kanalima kao na slici 16.

Slika 16. Prikaz EEG signala po kanalima

16

Za prikaz signala na prethodni nain koristi se funkcija eegplot(). Ova funkcija se moe pozvati na dva naina: 1.) eegplot(data, 'key1', value1 ...); - ovakvim pozivanjem se omoguuje dodatni GUI kojim se runo biraju parametri, kanali i sl. 2.) eegplot('noui', data, 'key1', value1 ...); - na ovaj nain se ne pojavljuje dodatni GUI, te se ovakav poziv funkcije koristi za crtanje signala (ovakav poziv je koriten u implementaciji). Svi navedeni ulazni parametri nisu obavezni osim jednog, a to je parametar data. Ovaj parametar moe biti 2D matrica dimenzija kanali x vremenske vrijednosti ili 3D matrica dimenzija kanali x vremenske vrijednosti x epohe. Mi smo radili s 2D matricama gdje je EEG signal uitan u retke po kanalima, tj. koliko ima kanala toliko e matrica imati redaka, a stupaca ima onoliko koliko ima izmjerenih uzoraka. Dobiveni rezultat je slika kojom je mogue vriti odreene manipulacije kao to su skrolanje kroz kanale, oznaavanje epoha, normaliziranje, zumiranje i sl. Idua tipka u GUI-ju je STFT analiza. Odabirom te tipke otvara se novi prozor kao na slici 17.

Slika 17. Odabir kanala

17

U tom prozoru vrimo odabir kanala za koji elimo raditi STFT analizu. Nakon odabira kanala u pozadini se poziva funkcija STFTanaliza() koja vri analizu na odabranom kanalu i koja se poziva na sljedei nain:
Ystft2 = STFTanaliza (EEG, kanal)

gdje su:

EEG uitan EEG signal (prvi korak) kanal - broj kanala (od 1 do 20) Ystft2 - matrica s koeficijentima T-F analize pomou STFT-a

Potrebno je napomenuti da je funkcija STFTanaliza() ista (s malim izmjenama) funkcija koju smo koristili na laboratorijima iz kolegija Napredne metode digitalne obrade signala (stft()) iji je autor prof.dr.sc. Damir Seri i ovom prilikom mu se zahvaljujemo. Kao rezultat se dobije izraunati spektrogram (Dobiveni rezultati su obraeni u sljedeem poglavlju te su tamo i prikazani) s postavljenim granicama (crvene horizontalne linije) koje su odreene alfa, beta, delta i theta valovima EEG signala:
% granicne frekvencije: % delta: 0 - 4 Hz; % theta: 4 - 8 Hz; % alpha: 8 - 12 Hz; % beta: 12 - 30 Hz;

te se na dobivenom prikazu jasno vide odijeljena podruja u kojima se nalaze pojedini valovi. Slijedi CWT analiza koja se pokree klikom na istoimenu tipku. Pokretanjem analize najprije se otvara sljedei prozor:

Slika 18. Glavni prozor za CWT analizu

18

U tom prozoru vrimo odabir kanala nad kojim elimo vriti analizu i odabir familije valia kojom emo vriti analizu. Mogu je odabir jedne od sljedeih 5 familija valia: 1.) 2.) 3.) 4.) 5.) Daubechies Symlets Coiflets Complex Morlet Complex Frequency B-Spline

Neka od svojstava navedenih familija valia su navedeni u tablici u nastavku.

Svojstvo Realan wavelet Kompleksan wavelet Proizvoljno regularan Beskonano regularan Simetrian Asimetrian Skoro simetrian Brz algoritam FIR filter Tona rekonstrukcija Ortogonalna analiza Biortogonalna analiza

Daubechies (dbN) x x

Symlets (symN) x x

Coiflets (coifN) x

Complex Morlet (cmor)

Complex Frequency B-Spline (fbsp) x x x

x x x x x x x x x x x x x x x x x x x x x x

Odabirom odreene familije omoguuje su upis potrebnih parametara (red, irina valia i centar valia) specifinih za odabranu familiju. Odabirom neke od familija u kuice se odmah postave vrijednosti koje smo mi eksperimentalno odredili kao najbolje i pomou kojih se dobivaju najbolji rezultati. Mogu se ostaviti te vrijednosti, a mogu se i mijenjati po elji. CWT analiza se vri pomou implementirane funkcije CWTanaliza() koja se poziva na sljedei nain
Ycwt = CWTanaliza(EEG, kanal, wname)

gdje su:

EEG uitani EEG signal kanal - broj kanala (od 1 do 20) wname - ime eljenog valia (postavljene defaultne vrijednosti su: db5, sym8, coif3, cmor5-1 i fbsp7-0.5-3) Ycwt - matrica s koeficijentima T-F analize pomou CWT-a

Za raunanje CWT koeficijenata se koristi Matlab funkcija cwt() koja se poziva na sljedei nain:
Ycwt = cwt(y,scales,wname);

gdje su: 19

y signal nad kojim vrimo analizu (odabrani kanal uitanog EEG signala) scales zadane skale pomou kojih se raunaju frekvencije funkcijom scal2freq() te se odabire frekvencijsko podruje od interesa.

Kao rezultat se dobiju dva spektrograma od kojih je jedan sa skalama na y osi, a drugi s odgovarajuim frekvencijama na y osi. Na oba prikaza su, kao i kod STFT analize, crvenim linijama postavljene granice valova EEG signala.

Na slici dobivenoj pritiskom tipke Snaga signala prikazano je vie rezultata. U gornjem lijevom kutu prikazana je glava na kojoj je crvenom tokom oznaeno podruje mjerenja elektrine aktivnosti. Budui da se radi o bipolarnom nainu snimanja EEG signala, EEG signal se ne snima izmeu elektrode i referentne toke kako je to sluaj kod monopolarnog snimanja, ve se napon m jeri izmeu dvije elektrode. Time se dobiva jedan kanal EEG signala. Kako bismo prikazali podruje mjerenja, odabrana je jedna toka izmeu dviju koritenih elektroda. Pozicije kanala, tj. sredinje toke izmeu dvije elektrode, zapisane su u datoteci elektrode.elp. Tu datoteku je na poetku potrebno spremiti u radni direktorij i povezati s uitanim signalom to je ostvareno na sljedei nain:
EEG.chanlocs = readlocs('elektrode.elp');

U gornjem desnom kutu prikazana je STFT analiza, a u donjem dijelu slike nalazi se snaga signala. Za iscrtavanje tih dijelova slike koritena je sljedea naredba:
pop_prop( EEG, 1, kanal, NaN, {'freqrange' [0 30] });

Funkcija pop_prop() je funkcija EEG toolboxa skinutog s Interneta, no za potrebe ovog iscrtavanja ona je malo izmijenjena. Ubaen je dio za crtanje STFT analize. Takoer je izmijenjena funkcija spectopo() kojom se crta graf snage kako on ne bi bio u logaritamskom mjerilu.

20

Rezultati
Nakon to se u Matlabovom komandnom prozoru upie EEGanalizator iskae prozor prikazan na slici 19.

Slika 19. Glavni prozor EEG analizatora

Prozor prikazan na slici 19. je glavni prozor i svi odabiri vre se iz tog prozora. Nakon to se odabere Uitaj eeg signal, iskae prozor prikazan na slici 20. i odabire se eljeni zapis EEG signala. Zatim se podaci o odabranom signalu (ime, broj kanala, trajanje signala i frekvencija) upisuju u glavni prozor. Uitani EEG signal mogue je prikazati i obraivati. Odabirom tipke Prikai eeg signal, signal se prikazuje po kanalima, tj. prikazuje se izmjerena elektrina aktivnost izmeu dvije elektrode. Prikaz EEG signala nalazi se na slici 21.

21

Slika 20. Odabir EEG signala

Slika 21. Prikaz EEG signala

22

Odabirom tipke STFT analiza iskae prozor prikazan na slici 22. Pomou tog prozora odabire se kanal, tj. par elektroda izmeu kojih je mjeren signal koji elimo dalje obraivati.

Slika 22. Odabir eljenog kanala

Dobivena STFT analiza prikazana je na slici 23. Crvene linije oznaavaju granice izmeu EEG valova. Podruje od 0 do 4 Hz pripada delta valovima, podruje od 4 do 8 Hz theta valovima, podruje od 8 do 12 Hz alfa valovima, a podruje od 12 do 30 Hz beta valovima. Na slici je vidljiva poveana aktivnost na 10 Hz, tj. uoena je najvea koncentracija alfa valova.

23

STFT analiza: kanal Cz-Pz

2500 25 2000 20

Frekvencija

15

1500

10

1000

500

0 0 1 2 3 4 Sekunde 5 6 7

Slika 23. STFT analiza

Ako se u glavnom prozoru odabere tipka CWT analiza, iskae prozor prikazan na slici 24. U tom prozoru odabire se kanal i familija valia. Mogue je birati izmeu 5 familija valia: Daubechies, Symlets, Coiflets, Complex Morlet i Complex Frequency B-Spline. Razliite familije valia daju razliite rezultate to je vidljivo iz slika prikazanih u nastavku. Prikazana je CWT analiza za Daubechies i Complex Frequency B-Spline valie. Uoeno je da kompleksni valii daju bolje rezultate od realnih. CWT analiza za familiju Daubechies valia prikazana je na slikama 25. i 26. Slika 27. prikazuje odabir familije valia Complex Frequency B-Spline. Budui da se radi o kompleksnim valiima, u prozoru je mogue mijenjati irinu i centar valia. Rezultati dobiveni za tu familiju prikazani su na slikama 28. i 29.

24

Slika 24. Odabir kanala i familije valia (realni wavelet)

CWT analiza: kanal Cz-Pz delta 160 140 120 100

skala

80 60 40 20 0 1 2 3 4 sekundi 5 6 7 theta

alpha beta

Slika 25. Prikaz CWT analize sa skalom na y osi

25

CWT analiza: kanal Cz-Pz beta alpha theta

delta

Hertza
0

4 sekundi

Slika 26. Prikaz CWT analize s frekvencijom na y osi

Slika 27. Odabir kanala i familije valia (kompleksni wavelet)

26

CWT analiza: kanal Cz-Pz delta 240 220 200 theta 180 160

skala

140 120 100 80 60 40 0 1 2 3 4 sekundi 5 6 7 beta alpha

Slika 28. Prikaz CWT analize sa skalom na y osi

CWT analiza: kanal Cz-Pz beta

alpha

theta

Hertza

delta

4 sekundi

Slika 29. Prikaz CWT analize s frekvencijom na y osi

27

Odabirom tipke Snaga signala u glavnom prozoru, iskae prozor prikazan na slici 30. U tom prozoru odabire se kanal za koji e se prikazati mjesto na glavi gdje se mjeri elektrina aktivnost te STFT analiza i snaga odabranog kanala signala. Dobiveni rezultati prikazani su na slici 31. Iz STFT analize vidi se poveana aktivnost na 10 HZ. Upravo na toj frekvenciji izraunata je i najvea snaga.

Slika 30. Odabir kanala

Slika 31. Snaga signala

28

Zakljuak
Cilj ovog projekta bio je implementirati razliite naine vremensko-frekvencijske obrade EEG signala i ostvariti mogunost za jednostavnu vizualizaciju dobivenih rezultata. Za uitavanje EEG signala, realizaciju njihove vremensko-frekvencijske obrade te prikaz dobivenih rezultata koriteno je programsko okruenje Matlab uz konzultaciju s postojeim EEGlab toolboxom. Vremenskofrekvencijska analiza provedena je na dva naina: koritenjem vremenski kratke Fourierove transformacije (STFT) te koritenjem kontinuirane valine transformacije (CWT). Funkcijsko ostvarenje ovih transformacija implementirano je u grafiko korisniko suelje koje korisniku na jednostavan i intuitivan nain omoguuje pokretanje danih funkcija i vizualizaciju rezultata. Dobiveni rezultati omoguuju detekciju razine aktivnosti odreenog frekvencijskog podruja u vremenu. Na taj nain ostvarena je mogunost prikaza koji se valni oblici (, , ili ) u kojem vremenskom trenutku pojavljuju u promatranom EEG signalu. Takoer je omoguen prikaz izvora signala, tj. podruja glave na kojem se nalazi elektroda preko koje je se mjeri elektrina aktivnost mozga, te snaga pripadajueg signala. Iako naravno, kao i uvijek, ostaje prostora za poboljanje i proirenje realiziranog suelja, ono ve sada prua zadovoljavajui razinu funkcionalnosti i mogunost lake i jednostavnije analize EEG signala te time i potencijalnu primjenu u medicinskim i inim istraivanjima.

29

Literatura
[1] [2] [3] [4] [5] [6] anti, A., Biomedicinska elektronika. kolska knjiga, Zagreb, 1995. http://sccn.ucsd.edu/~scott/ica.html http://sccn.ucsd.edu/eeglab/allfunctions/index.html Predavanja iz NMDOS-a (STFT i CWT) http://www.vcl.fer.hr/dtv/jpeg/wave.htm Delorme, A., Makeig, S. (in press) EEGLAB: An open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. Journal of Neuroscience Methods. http://sccn.ucsd.edu/eeglab/download/eeglab_jnm03.pdf

30

Dodatak
Popis svih koritenih programa: EEGanalizator() implementacija GUI-a pop_biosig() funkcija preuzeta iz toolboxa za uitavanje EEG signala eegplot() funkcija za crtanje EEG signala po kanalima STFTanaliza() funkcija unutar koje se vri STFT analiza, crta spektrogram i oznaavaju granice karakteristinih valova signala stft() funkcija za raunanje STFT koeficijenata CWTanaliza() funkcija unutar koje se vri CWT analiza, crtaju se spektrogrami u ovisnosti o skali i frekvenciji te se oznaavaju frekvencijske granice valova cwt() Matlabova funkcija za CWT analizu koja vraa CWT koeficijente pop_prop() funkcija za crtanje pozicije kanala, STFT analize i snage signala datoteka elektrode.elp zapisane pozicije svih 20 kanala

31