search query: @author Ahtola, Eero / total: 2
reference: 2 / 2
« previous | next »
Author:Ahtola, Eero
Title:Automatic analysis of sleep EEG microstructure
Uni-EEG:n hienorakenteen automaattinen analyysi
Publication type:Master's thesis
Publication year:2007
Pages:89+8      Language:   eng
Department/School:Teknillisen fysiikan ja matematiikan osasto
Main subject:Lääketieteellinen tekniikka   (Tfy-99)
Supervisor:Meriläinen, Pekka
Instructor:
OEVS:
Electronic archive copy is available via Aalto Thesis Database.
Instructions

Reading digital theses in the closed network of the Aalto University Harald Herlin Learning Centre

In the closed network of Learning Centre you can read digital and digitized theses not available in the open network.

The Learning Centre contact details and opening hours: https://learningcentre.aalto.fi/en/harald-herlin-learning-centre/

You can read theses on the Learning Centre customer computers, which are available on all floors.

Logging on to the customer computers

  • Aalto University staff members log on to the customer computer using the Aalto username and password.
  • Other customers log on using a shared username and password.

Opening a thesis

  • On the desktop of the customer computers, you will find an icon titled:

    Aalto Thesis Database

  • Click on the icon to search for and open the thesis you are looking for from Aaltodoc database. You can find the thesis file by clicking the link on the OEV or OEVS field.

Reading the thesis

  • You can either print the thesis or read it on the customer computer screen.
  • You cannot save the thesis file on a flash drive or email it.
  • You cannot copy text or images from the file.
  • You cannot edit the file.

Printing the thesis

  • You can print the thesis for your personal study or research use.
  • Aalto University students and staff members may print black-and-white prints on the PrintingPoint devices when using the computer with personal Aalto username and password. Color printing is possible using the printer u90203-psc3, which is located near the customer service. Color printing is subject to a charge to Aalto University students and staff members.
  • Other customers can use the printer u90203-psc3. All printing is subject to a charge to non-University members.
Location:P1 Ark TF80     | Archive
Keywords:sleep EEG
sleep microstructure
arousal
sleep spindle
K-complex
uni-EEG
unen hienorakenne
havahtuminen
unisukkula
K-kompleksi
Abstract (fin):Unitutkimuksessa vallitsevana käytäntönä on unen jakaminen 30 sekunnin jaksoihin, jotka luokitellaan fysiologisten mittausten avulla kuuteen unen syvyyttä kuvaavaan luokkaan.
Vaikka menetelmä on yleensä toimiva, sisältää se myös pääosin karkeaan aikaresoluutioon ja epätavallisten unirakenteiden kuvaamiseen liittyviä vakavia puutteita.
Kasvava kiinnostus onkin siirtynyt kohti unen hienorakennetta, joka muodostuu luokkien alta löytyvistä lyhyistä, hetkellisistä mikrotiloista.
Uuden lähestymistavan avulla tietokoneita pystytään hyödyntämään tutkimuksissa entistä tehokkaammin.
Kliinisesti hienorakenteen erittely voisi olla erityisen hyödyllistä unihäiriöiden diagnoosissa tai unitutkimuksissa teho-osastolla.

Tämän diplomityön tavoite oli kehittää automaattiset ilmaisinmenetelmät merkittävimmille uni-EEG:n hienorakennetta kuvaaville piirteille, havahtumisille, unisukkuloille ja K-komplekseille, ja arvioida toteutusten suorituskykyä.
Toisena tavoitteena oli tutkia menetelmien toimintaa otsalla ja kasvoilta mitatuilla EEG-kanavilla ja pohtia niiden käyttökelpoisuutta unen laadun arviointiin.
Tämä yksinkertaistettu, yhteen hiusrajan alapuolelta mitattuun EEG:hen perustuva mittausjärjestely parantaisi kliinistä käytettävyyttä huomattavasti.

Menetelmien kehittämisessä käytettiin hyväksi muutamia jo olemassa olevia signaalinkäsittelytekniikoita.
Havahtumis- ja unisukkulailmaisimet perustuivat pääosin adaptiiviseen segmentointiin.
K-kompleksi-ilmaisin toteutettiin käyttäen diskreettiä aallokemuunnosta.
Lisäksi menetelmissä hyödynnettiin matching pursuit-hajoitelmaa ja spektraalientropiaanalyysiä.

Menetelmien suorituskykyä arvioitiin vertaamalla automaattisia löydöksiä vastaaviin visuaalisiin havaintoihin.
Vertailu tuotti keskimääräiset sensitiivisyydet ja spesifisyydet 62 % ja 79 % havahtumisille, 78 % ja 87 % unisukkuloille ja 87 % ja 84 % K-komplekseille.
Arvot ovat samalla tasolla sekä tyypillisen luokittelijoiden välisen yksimielisyyden että jo olemassa olevien automaattisten menetelmien kanssa.
Topografinen vertailu eri EEG-kanavien löydösten välillä paljasti selviä paikallisia eroja havaitussa hienorakenteessa.
Tästä huolimatta näyttää siltä, että unen laatua pystytään kuitenkin arvioimaan otsan EEG:stä siinä missä päälaenkin mittauksista.
ED:2007-10-10
INSSI record number: 34689
+ add basket
« previous | next »
INSSI