search query: @supervisor Meriläinen, Pekka / total: 24
results-list
reference: 3 / 24
« previous | next »
Author:Virkkala, Ville
Title:Development of an Epileptiform Spike Detector
Epileptiformisen piikkidetektorin kehittäminen
Publication type:Master's thesis
Publication year:2009
Pages:60      Language:   eng
Department/School:Lääketieteellisen tekniikan ja laskennallisen tieteen laitos
Main subject:Lääketieteellinen tekniikka   (Tfy-99)
Supervisor:Meriläinen, Pekka
Instructor:Särkelä, Mika
OEVS:
Electronic archive copy is available via Aalto Thesis Database.
Instructions
close

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 T80     | Archive
Keywords:EEG
epilepsy
seizure
spike detector
wavelet analysis
ROC curve
EEG
epilepsia
epileptinen kohtaus
piikkidetektori
wavelet-analyysi
ROC-käyrä
Abstract (eng): Monitoring of the most crucial parameters describing the status of patients heart and lungs are already fully automated in modern intensive care unit (ICU) patient monitoring.
However, many of the ICU patients also suffer from neurological complications, which are associated with increasing mortality rates and longer medical ICU and hospital lengths of stay.
Electroencephalogram (EEG) is widely used method to monitor these complications, but it is one of the last routine clinical procedures to be fully automated.

Epilepsy is the name of a brain disorder.
It is characterized by epileptic seizures, which are recurrent and unpredictable interruptions of normal brain function.
Seizure prediction and early recognition are primary research priorities in development of an automated EEG monitoring.
Typical features in the EEG activity that are characteristic to epilepsy are spikes, sharp waves and bursts of spike and wave.
That is why detecting these spikes and sharp waves is one way trying to observe EEG seizure.

The aim of this master's thesis is to develop an automated single channel epileptiform spike detector.
Easy measurement setup, which restricts the number of measuring electrodes, is a demand for any monitoring system to be accepted in routine use in the ICU.
In this work a new spike detection method is introduced.
This method uses both wavelet and sequential analysis to identify features characteristic for epileptiform spikes.
Obtained results were 88.4% sensitivity and 90.4% positive predictive value in the case of test data.
Clinical applicability of the developed spike detector was evaluated using two different data sets containing 152 patients in total.
Abstract (fin): Potilaan kannalta tärkeimpien sydämen ja keuhkojen tilaa kuvaavien parametrien monitorointi on jo täysin automatisoitu nykyaikaisessa tehohoitoympäristössä.
Moni tehohoidossa oleva potilas kärsii kuitenkin myös neurologisista komplikaatioista, jotka ovat yhteydessä kohonneeseen kuolleisuuteen ja pidempiin hoitojaksoihin tehohoidossa ja sairaalassa.
Aivosähkökäyrä (EEG) on laajalti käytetty menetelmä näiden komplikaatioiden havaitsemiseen, mutta se on viimeisiä rutiinitoimenpiteitä, joita ei ole täysin automatisoitu modernissa tehohoidossa.

Epilepsiaksi kutsutaan aivojen sairautta.
Sille ovat ominaisia epileptiset kohtaukset, jotka ovat toistuvia ja ennustamattomia normaalin aivotoiminnan häiriöitä.
Epileptisen kohtauksen ennustaminen ja aikainen havaitseminen ovat tärkeimpiä tutkimuskohteita automaattisen EEG-monitoroinnin kehittämisessä.
Tyypillisiä piirteitä EEG:ssä epileptisen kohtauksen aikana ovat piikit, terävät aallot ja piikin ja sitä seuraavan aallon purskeet.
Näiden piikkien ja terävien aaltojen havaitseminen on yksi keino epileptisen kohtauksen havaitsemiseksi.

Tämän työn tarkoituksena on kehittää automatisoitu yksikanavainen piikkidetektori.
Helppo mittausjärjestely on vaatimus jokaiselle monitorointijärjestelmälle tehohoidossa, joka rajoittaa käytössä olevien EEG kanavien määrää.
Tässä työssä esitellään uudenlainen menetelmä epileptisten piikkien havaitsemiseksi.
Menetelmä käyttää sekä wavelet-analyysiä että sekventiaalista analyysiä piikeille tyypillisten piirteiden havaitsemiseksi.
Menetelmällä saavutettiin 88.4 % sensitiivisyys ja 90.4 % selektiivisyys testidatalle.
Menetelmän kliinistä soveltuvuutta evaluoitiin kahdella eri data ryhmällä, jotka koostuivat yhteensä 152 potilaasta.
ED:2009-11-24
INSSI record number: 38606
+ add basket
« previous | next »
INSSI