2.2 Программа анализа ээг

Для реализации алгоритма анализа ЭЭГ используется программный пакет MATLAB.

clear all;

figure(1);

fid=fopen('eeg_Fp1.txt','rt');

f=fscanf(fid,'%f',[2,512]);

t=f(1,:);

y=f(2,:);

fclose(fid);

subplot(5,1,1);

plot(t,y);

title('eeg_Fp1.txt');

T=0.001;

A=abs(fft(y));

fd=1/T;

fn=fd/2;

f=-fd/2:fd/(length(y)-1):fd/2;

subplot(5,1,2);

stem(f,fftshift(A));

title('spectrum');

AKF=xcorr(y);

tau=-t(length(t)):2*t(length(t))/(length(AKF)-1):t(length(t));

subplot(5,1,3);

plot(tau,AKF);

title('AKF');

[P,f]=pmtm(y,[],[],fd);

subplot(5,1,4);

plot(f,P);

title('periodogram');

subplot(5,1,5);

specgram(y,[],fd,100);

title('specgram');

%filt param

n=170;

a=1;

w=hamming(length(y)+1);

fn=fd/2;

%alpha Fp1

figure(2);

fx=[8 13];

b=fir1(n,fx/fn);

[h,wn]=freqz(b,a);

subplot(6,1,1);

plot(wn*fn/pi,abs(h));

title('filter');

y1=filtfilt(b,a,y);

subplot(6,1,2);

plot(t,y1);

title('alpha eeg_ Fp1.txt');

AKF=xcorr(y1);

tau=-t(length(t)):2*t(length(t))/(length(AKF)-1):t(length(t));

subplot(6,1,3);

plot(tau,AKF);

title('alpha AKF');

A1=abs(fft(y1));

f1=-fd/2:fd/(length(y1)-1):fd/2;

subplot(6,1,4);

stem(f1,fftshift(A1));

title('alpha spectrum');

[P,f_1]=pmtm(y1,[],[],fd);

subplot(6,1,5);

plot(f_1,P);

title('periodogram');

subplot(6,1,6);

specgram(y1,[],fd,100);

title('specgram');

Рисунок 8 – Скриншот выполнения программы

Для чтения и обработки данных из файлов 'eeg_Fp1.txt', 'eeg_Fp2.txt', 'eeg_T4.txt', 'eeg_C3.txt', 'eeg_P4.txt' использовались следующие функции:

fid=fopen('EEG\eeg_T4.txt','rt'); – функция, позволяющая открыть файл исходного сигнала ЭЭГ;

f - считывание данных с файла;

fid – идентификатор файла;

[2,512] – размер;

fd - период дискретизации;

t – вектор времени;

y – вектор сигнала ЭЭГ;

fclose – функция, реализующая закрытие файла идентификатора;

fd – частота дискретизации;

subplot – разбивает окно для построения в нем нескольких графиков;

plot – строит график;

length – команда для определения длины массива y;

fx - вектор из двох переменных, нижняя и верхняя граничные частоты для фильтра;

figure - выбор окна, в котором реализуется текущее построение графиков;

A - получение абсолютного значения;

title - изменяет название графика;

trapz - рассчитывает площадь;

AKF - расчет параметров АКФ;

[P,f]=pmtm(y,[],[],fd) - расчет периодограммы по методу Томпсона;

specgram(y,[],fd,100) - расчет параметров для построения спектрограммы;

hamming - установка параметров окна.[14]

Рисунок 9 - Скриншот выполнения программы

Рисунок 10 - Скриншот выполнения программы

Рисунок 11 - Скриншот выполнения программы

2.3 Результаты анализа ээг

Результаты анализа приведены ниже, на рисунках 8 – 12.

Рисунок 12– Фильтр альфа-ритма сигнала 'eeg_Fp1.txt', альфа-ритм, его АКФ, АЧХ, периодограмма и спектрограмма

Рисунок 13 – Фильтр альфа-ритма сигнала 'eeg_Fp2.txt', альфа-ритм, его АКФ, АЧХ, периодограмма и спектрограмма

Рисунок 14 – Фильтр альфа-ритма сигнала 'eeg_T4.txt', альфа-ритм, его АКФ, АЧХ, периодограмма и спектрограмма

Рисунок 15 – Фильтр альфа-ритма сигнала 'eeg_C3.txt', альфа-ритм, его АКФ, АЧХ, периодограмма и спектрограмма

Рисунок 16 – Фильтр альфа-ритма сигнала 'eeg_P4.txt', альфа-ритм, его АКФ, АЧХ, периодограмма и спектрограмма

Заключение

С помощью программы MatLab мы провели обработку единичного сигнала ЭЭГ. Cоздана программа в среде пакета MatLab, и проведен автоматизированный анализ оцифрованных энцефалограмм в частной (частотной) области. Произвелии фильтрацию альфа-ритма всех сигналов, выделили и отобразили АКФ, АЧХ, периодограммы и спектрограммы сигналов и альфа ритмов. Все сигналы в пределах нормы, в некоторых наблюдаются шумы, возможно это связано с аппаратурой или электродами.

Несложность программы дает возможность ее широкого использования в диагностических целях в медицине. Она соответствует всем требованиям, поставленным в курсовой работе. Используя встроенные математические и графические функции и простые в использовании инструменты позволили нам легко проанализировать и отобразить данные.[15]

При написании данного пакета программ был использован пакет расширения для обработки сигналов (Signal processing toolbox).

Список литературы

1. Методичні вказівки до лабораторних робіт з дисципліни «Автоматизація обробки і аналізу біомедичної інформації» Упоряд.: Жемчужкіна Т.В., Козіна О.А. - Харків: ХНУРЕ, 2007. – 92 с.

2. Электроэнцефалограмма: http://www.tiensmed.ru/news/eeg-wkti/

3. Павлова О.Н., Павлов А.Н. «Регистрация и предварительная обработка сигналов с помощью измерительного комплекса МР100» Саратов: Научная книга, 2008. – 80 с.

4. В.Г. Потемкин. MATLAB: Справочное пособие – М.: «Диалог МИФИ», 1997.-350с.

5. Методы психофизиологии. ЭЭГ: http://www.ido.rudn.ru/psychology/psychophysiology/2.html

6. Комплексное применение спектрально - корелляционного анализа электроэнцефалограмм в определении локации очагов патологической активности головного мозга: http://gigabaza.ru/doc/16844.html

7. Способ анализа электроэнцефалограмм: http://www.freepatent.ru/patents/2467384

8. Разработка и исследование компьютерных систем обработки ЭЭГ: http://tekhnosfera.com/razrabotka-i-issledovanie-kompyuternyh-sistem-obrabotki-elektroentsefalogramm

9. Сахаров В.Л. «Методы и средства анализа медико-биологической информации: Учебно-методическое пособие» Таганрог: Изд-во ТРТУ, 2001. 70 с.

10. Обработка ЭЭГ в частотной области: http://knowledge.allbest.ru/medicine/2c0a65635a2ad68b5c43a89521316d37_0.html

11. Марпл мл. С. Л. Цифровой спектральный анализ и его приложения. — М.: Мир, 1990. — 584 с.

12. Анализ и визуализация данных в MatLab: http://matlab.exponenta.ru/forum/viewtopic.php?t=15283

13. Анализ сигнала ЭЭГ в MatLab: http://www.cyberforum.ru/post5517838.html

14. Найти точки пересечения в MatLab: http://www.cyberforum.ru/matlab/thread905161.html

15. Бендат Дж., Пирсол А. Прикладной анализ случайных данных. М.: Мир, 1989. С. 85—113, 115—149, 364—416.