využitie metódy analýzy nezávislých komponentov pri detekcii artefaktov v EEG
description
Transcript of využitie metódy analýzy nezávislých komponentov pri detekcii artefaktov v EEG
VYUŽITIE METÓDY ANALÝZY NEZÁVISLÝCH KOMPONENTOV PRI DETEKCII ARTEFAKTOV V EEG
Ing. Richard Fusko 2010
Workshop Pokroky v biomedicínském inženýrství
Obsah
1. Analýza nezávislých komponentov
a) Princíp metódy
b) Vlastnosti ICA
2. Verifikácia metódy - separácia zmiešaných hudobných signálov
3. Aplikácia metódy na EEG signál
a) Detekcia očného artefaktu
I C A
snaží sa oddeliť nezávislé signály, ktoré boli nejakým spôsobom predtým zmiešané
„cocktail party“ problém
Analýza nezávislých komponentov
3332321313
3232221212
3132121111
sasasax
sasasax
sasasax
I C A
Princíp metódy ICA
S(t)
Ax(t)
ICAy(t)
x = A . S y = W . x
S(t) – zdrojové signályA – zmiešavacie prostrediex(t) – zmiešané signály
W – separačná maticay(t) – odhadnuté zdrojové signály
I C A
ICA metóda môže rozdeliť dáta maximálne na taký počet komponentov, koľko bolo vstupných signálov.
Aby sme našli n nezávislých komponentov zo signálu s n kanálmi, musí byť dĺžka sledovaného záznamu aspoň 3n2.
Permutácia indexov separovaných zdrojov
Po aplikácii metódy môže byť zle odhadnuté znamienko separovaných signálov.
Vlastnosti metódy ICA
I C A
Separácia zmiešaných hudobných signálov
R1
R4R3
R2
m1
m3 m4
m2
S1
S4
S2
S3
I C A
4143132121111 sasasasax
4243232221212 sasasasax 4343332321313 sasasasax
4443432421414 sasasasax
simulácia v prostredí Matlab
vzorkovacia frekvencia 8000 Hz, dĺžka každého súboru 25 s
zmiešavacia matica A =
FastICA algoritmus
Separácia zmiešaných hudobných signálov
7,89,101012
864,98,7
3,87,107,71,10
6,74,58,63,4
I C A
0 1 2 3 4 5 6 7 8 9 10-1
-0.5
0
0.5
1
0 1 2 3 4 5 6 7 8 9 10-1
-0.5
0
0.5
1
0 1 2 3 4 5 6 7 8 9 10-1
-0.5
0
0.5
1
0 1 2 3 4 5 6 7 8 9 10-1
-0.5
0
0.5
1
0 1 2 3 4 5 6 7 8 9 10-5
0
5
0 1 2 3 4 5 6 7 8 9 10-5
0
5
0 1 2 3 4 5 6 7 8 9 10-10
-5
0
5
10
0 1 2 3 4 5 6 7 8 9 10-10
-5
0
5
10
čas [s] čas [s]
I C A
Separácia zmiešaných hudobných signálov
Očný artefakt
najbežnejší druh biologického artefaktu v EEG
viditeľný najmä v signáli z elektród Fp1 a Fp2
generuje falošný delta rytmus
I C A
0 1 2 3 4 5 6 7 8 9 10
Pz
Cz
Fz
T6
T4
F8
T5
T3
F7
O2
P4
C4
F4
Fp2
O1
P3
C3
F3
Fp1
Pôvodný EEG záznam
cas [s]
Aplikácia metódy ICA na EEG
0 1 2 3 4 5 6 7 8 9 10
IC19
IC18
IC17
IC16
IC15
IC14
IC13
IC12
IC11
IC10
IC9
IC8
IC7
IC6
IC5
IC4
IC3
IC2
IC1
Vypocítané nezávislé komponenty
cas [s]
Aplikácia metódy ICA na EEG
0 1 2 3 4 5 6 7 8 9 10
Pz
Cz
Fz
T6
T4
F8
T5
T3
F7
O2
P4
C4
F4
Fp2
O1
P3
C3
F3
Fp1
0 1 2 3 4 5 6 7 8 9 10
Pz
Cz
Fz
T6
T4
F8
T5
T3
F7
O2
P4
C4
F4
Fp2
O1
P3
C3
F3
Fp1
Pôvodný EEG záznam
cas [s]
Automatická detekcia očného artefaktu
P7
P1
b1
w2
b2
výstup
n11
n12
n13
n14
n15
n2
w1
a
β
α
d
b
e
c
okno
I C A
0 1 2 3 4 5 6 7 8 9 10
IC19
IC18
IC17
IC16
IC15
IC14
IC13
IC12
IC11
IC10
IC9
IC8
IC7
IC6
IC5
IC4
IC3
IC2
IC1
Detekcia ocneho artefaktu
Automatická detekcia očného artefaktu
0 1 2 3 4 5 6 7 8 9 10
IC19
IC18
IC17
IC16
IC15
IC14
IC13
IC12
IC11
IC10
IC9
IC8
IC7
IC6
IC5
IC4
IC3
IC2
IC1
Detekcia po vynasobeni -1kou
Záver
I C A
Oboznámenie sa s metódou ICA
Overenie metódy na simulovanom príklade
Využitie pri detekcii a odstránení očného
artefaktu
Navrhnutie automatickej detekcie pomocou
neurónovej siete
Ďakujem za pozornosť