search query: @keyword ICU / total: 4
reference: 3 / 4
Author: | Riekki, Teppo |
Title: | Development of optimal electroencephalogram-derived variables for intensive care monitoring |
Optimaalisten aivosähkökäyrä-pohjaisten muuttujien kehittäminen tehohoitovalvontaan | |
Publication type: | Master's thesis |
Publication year: | 2008 |
Pages: | xii + 74 Language: eng |
Department/School: | Teknillisen fysiikan laitos |
Main subject: | Lääketieteellinen tekniikka (Tfy-99) |
Supervisor: | Meriläinen, Pekka |
Instructor: | Särkelä, Mika |
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 CentreIn 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
Opening a thesis
Reading the thesis
Printing the thesis
|
Location: | P1 Ark TF80 | Archive |
Keywords: | EEG ICU burst-suppression epileptiform triphasic amplitude attenuation EEG teho-osasto purske-vaimentuma epileptiforminen trifaasinen amplitudivaimentuminen |
Abstract (eng): | Cerebral activity is rarely adequately monitored and assessed in the intensive care unit (ICU), although considerable fraction of general ICU patients suffer from brain dysfunctions that prolong the ICU stay and increase mortality risk. Often the dysfunctions are indiscernible for eye and remain undetected in ICU due to lack of routine neuromonitoring. Electroencephalography (EEG) provides an examination of the brain and is useful in interpretation of the state of comatose ICU patients Professor Young has established EEG classification system for coma. The classification describes six EEG categories: delta/theta activity, triphasic waves, burst-suppression pattern (BSP), alpha/theta/spindle coma, epileptiform activity and amplitude attenuation. Aims of this study were to develop variables for discrimination of these patterns using extensive data set recorded at ICU. Performance of each method was evaluated using prediction probability (PK). This study introduces three variables for the discrimination of different EEG features. A novel method, wavelet based burst-suppression ratio (WBSR) is a robust method for discrimination of BSP. WBSR had prediction probability PK (standard error, SE) of 0.990 (0.002) for the test data set. EEG amplitude attenuation can be detected using peak-to-peak RMS amplitude variable, which had PK (SE) of 0.919 (0.004) for the test data set. The study pointed out, that certain frequency components are repeated in triphasic waves and epileptiform activity more frequently than in delta/theta activity. 3-4.8 Hz relative band power can be used for discrimination of triphasic wave and epileptiform activity from delta/theta activity. The variable had PK (SE) of 0.909 (0.006) for the test data set. |
Abstract (fin): | Aivotoimintaa mitataan ja arvioidaan harvoin teho-osastolla vaikkakin merkittävä osa tehohoitopotilaista kärsii aivotoiminnan häiriöstä, jotka pitkittävät hoitojaksoja ja lisäävät kuolleisuutta. Useat häiriöt ovat ulospäin havaitsemattomia ja valvonnan puutteessa jäävät myös vaille hoitoa. Aivosähkökäyrämittaus (EEG) tarjoaa tutkimusmenetelmän aivotoiminnan mittaamiseen ja on hyödyllinen koomapotilaiden tilan tulkinnassa. Rutiinitoimenpiteenä suoritettava EEG-mittaus teho-osastolla edellyttää käyttäjäystävällisiä menetelmiä, jotka tarjoavat tiivistettyä ja lähes reaaliaikaista tietoa aivotoiminnasta. Professori Young on kehittänyt EEG luokittelujärjestelmän koomapotilaita varten. Luokittelu jakaa EEG:n kuuteen kategoriaan, perustuen EEG:ssä ilmeneviin piirteisiin: delta/theetta toiminta, trifaasiset aallot, purske-vaimentuma, alfa-/theetta-/sukkulakooma, epileptiforminen toiminta ja EEG:n vaimeneminen. Tämän työn tavoitteena oli kehittää menetelmiä näiden piirteiden tunnistamiseksi hyödyntäen laajaa teho-osastolla mitattua aineistoa. Menetelmiä vertailtiin ennustetodennäköisyyden (prediction probability, PK) avulla. Tämä työ esittelee kolme muuttujaa tehohoitovalvonnan ja EEG-luokittelun tarpeisiin. Tässä työssä esitelty uusi muuttuja, aallokemuunnokseen perustuva WBSR sai testiaineistosta PK arvoksi 0.990 (virhe 0.002). Signaalin amplitudia kuvaavan muuttujan (peak-to-peak RMS amplitude) ennustetodennäköisyys EEG:n vaimenemisen erottamiseksi delta/theetta toiminnasta oli 0.919 (virhe 0.004). Tutkimus osoitti, että 3-4.8 Hz:n taajuudella toistuvat EEG komponentit esiintyvät trifaasisten aaltojen ja epileptiformisen toiminnan yhteydessä useammin, kuin delta/theetta toiminnassa. Tästä syystä suhteellinen kaistateho kyseiselle taajuuskaistalle sai PK arvoksi 0.909 (virhe 0.004) trifaasisen ja epileptisen toiminnan erottamiseksi delta/theetta toiminnasta. |
ED: | 2009-02-19 |
INSSI record number: 36777
+ add basket
INSSI