search query: @keyword responsiivisuus / total: 6
reference: 4 / 6
Author: | Polkko, Jussi |
Title: | A Method for Detecting Eye Blinks from Single-Channel Biopotential Signal in the Intensive Care Unit |
Teho-osastokäyttöön soveltuva menetelmä silmänräpäyksien havaitsemiseksi yksikanavaisesta biosignaalista | |
Publication type: | Master's thesis |
Publication year: | 2007 |
Pages: | x + 71 Language: eng |
Department/School: | Teknillisen fysiikan ja matematiikan osasto |
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 responsiveness WSE blink artifacts ROC analysis template matching EEG teho-osasto responsiivisuus WSE silmän räpäys artefakta ROC analyysi mallikirjastoon sovittaminen |
Abstract (fin): | Potilasmonitorointi nykyaikaisessa teho-osastossa on keskittynyt pääasiassa potilaan sydämen ja keuhkojen toiminnan seuraamiseen. Vaikkakin molemmat näistä tekijöistä ovat kiistatta ensiarvoisen tärkeitä potilaan selviämisen kannalta, kärsii merkittävä osa yleisen tehohoidon potilaista myös neurologisista komplikaatioista, joilla on selvä yhteys kohonneeseen kuolleisuuteen ja pitkittyneeseen tehohoitoaikaan. Rutiinitoimenpiteenä suoritettavan neuromonitoroinnin puuttuessa suuri osa näistä komplikaatioista jää huomaamatta ja siten myös vaille hoitoa. Laaja-alaisen aivosähkökäyrämittauksen (EEG) tuominen tehohoitoympäristöön edellyttää mittauslaitteiston helppokäyttöisyyttä ja etenkin potilaaseen kiinnitettävien ylimääräisten elektrodien määrän minimoimista. Nämä vaatimukset kuitenkin altistavat mitattavat signaalit häiriöille, joista silmäperäiset artefaktat ovat kaikkein yleisimpiä. Tämän työn tavoitteena on kehittää täysin automaattinen algoritmi tunnistamaan silmäluomien räpyttelystä johtuvia sähköisiä häiriöitä. Kyseisten häiriöiden tunnistamisen on tarkoitus parantaa uusien tehohoidossa käytettävien neuromonitorointiparametrien luotettavuutta. Näistä parametreista erityisen tarkastelun kohteeksi on valittu vielä kehitteillä olevat Responsiivisuus ja WSE (Wavelet Subband Entropy). Algoritmikehitys toteutettiin ohjattuna opettamisen etsimällä ominaisuuksia jotka erottavat artefaktat aivojen sähköisestä signaalista joko yksiulotteisessa tai lineaarisessa kaksiulotteisessa piirreavaruudessa. Piirteitä etsittiin käsin poimittujen artefaktojen pohjalta ja kuhunkin sopivat luokittelurajat optimoitiin ROC (Receiver Operating Characteristics) analyysin perusteella. Lisäksi tutkittiin neljän eri mallikirjastoon sovittamismenetelmän sopivuutta luokittelijaksi. Testiaineistoksi oli kerätty EEG mittauksia neurologiselta taustaltaan erilaisilta potilailta. Saavutetut suoritusarvot olivat: sensitiivisyys 75.7% ja vastaavasti PPV 97.3%. Laajemman aineiston arviointi antoi myös viitteitä menetelmän hyvästä spesifisyydestä. |
ED: | 2007-10-09 |
INSSI record number: 34683
+ add basket
INSSI