ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥ ΩΝ

Transcript

1 ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥ ΩΝ ΠΛΗΡΟΦΟΡΙΚΗ ΕΠΙΣΤΗΜΩΝ ΖΩΗΣ ΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΑΝΙΧΝΕΥΣΗ ΒΡΑ ΕΩΝ ΚΑΙ ΤΑΧΕΩΝ ΑΤΡΑΚΤΩΝ ΣΤΟ ΕΓΚΕΦΑΛΟΓΡΑΦΗΜΑ ΥΠΝΟΥ ΤΣΙΝΤΩΝΗ ΑΣΗΜΙΝΑ ΠΑΤΡΑ

2 2

3 ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥ ΩΝ ΠΛΗΡΟΦΟΡΙΚΗ ΕΠΙΣΤΗΜΩΝ ΖΩΗΣ ΤΙΤΛΟΣ: ΑΝΙΧΝΕΥΣΗ ΒΡΑ ΕΩΝ ΚΑΙ ΤΑΧΕΩΝ ΑΤΡΑΚΤΩΝ ΣΤΟ ΕΓΚΕΦΑΛΟΓΡΑΦΗΜΑ ΥΠΝΟΥ ΤΣΙΝΤΩΝΗ ΑΣΗΜΙΝΑ ΠΑΤΡΑ

4 4

5 ΤΡΙΜΕΛΗΣ ΕΠΙΤΡΟΠΗ ΓΕΩΡΓΙΟΣ ΚΩΣΤΟΠΟΥΛΟΣ, ΚΑΘΗΓΗΤΗΣ, ΤΜΗΜΑ ΙΑΤΡΙΚΗΣ, ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ (ΕΠΙΒΛΕΠΩΝ) ΒΑΣΙΛΕΙΟΣ ΜΕΓΑΛΟΟΙΚΟΝΟΜΟΥ, ΚΑΘΗΓΗΤΗΣ, ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΗΛΕΚΤΡΟΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΚΑΙ ΠΛΗΡΟΦΟΡΙΚΗΣ, ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΑΘΑΝΑΣΙΟΣ ΚΟΥΤΡΑΣ, ΕΠΙΚΟΥΡΟΣ ΚΑΘΗΓΗΤΗΣ, ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΜΜΕ, ΤΕΙ ΠΑΤΡΑΣ 5

6 6

7 ΠΕΡΙΛΗΨΗ Οι διάφορες δραστηριότητες του εγκεφάλου συχνά χαρακτηρίζονται από ειδικούς ρυθμούς στο ηλεκτροεγκεφαλογράφημα (ΗΕΓ). Το 2ο στάδιο του ύπνου χωρίς ταχείες οφθαλμικές κινήσεις (στάδιο NREM) χαρακτηρίζεται από τις ατράκτους που σηματοδοτούν την ουσιαστική έναρξη του ύπνου. Αποτελούν δευτερόλεπτα ρυθμικής διαδοχής κύρια αρνητικών κυμάτων γενικευμένα στο ΗΕΓ τα οποία παρουσιάζουν προϊούσα αύξηση και μετά μείωση του πλάτους τους. Οι άτρακτοι συμμετέχουν σε διάφορες σημαντικές λειτουργίες του εγκεφάλου. Η κατανόηση του πολύπλευρου και πολύ σημαντικού ρόλου των ατράκτων έχει αποτελέσει αφορμή ώστε να γίνουν προσπάθειες εντοπισμού των υπεύθυνων για τη γένεσή τους εγκεφαλικών κυκλωμάτων. Σκοπός της προτεινόμενης μεθόδου είναι η εφαρμογή της μεθόδου εντοπισμού σημάτων σε πολυκαναλικές καταγραφές χρησιμοποιώντας περιορισμούς που στηρίζονται στο πεδίο του χώρου (spatial constraints) και το πεδίο της συχνότητας (frequency constraints) χρησιμοποιώντας την τεχνική ανάλυσης σε ανεξάρτητες συνιστώσες (ICA). Η μέθοδος εφαρμόστηκε για την ανάλυση βραδέων και ταχέων ατράκτων σε εγκεφαλογραφήματα ύπνου. Στο εργαστήριο Φυσιολογίας έχουν γίνει ΗΕΓ καταγραφές ολονύκτιου ύπνου με καταμέτρηση πολλών εκατοντάδων ατράκτων οι οποίες χρησιμοποιήθηκαν για την ανάπτυξη της παραπάνω μεθόδου αυτομάτου ανίχνευσης και εντοπισμού των ατράκτων. 7

8 8

9 ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 1 ΗΛΕΚΤΡΟΕΓΚΕΦΑΛΟΓΡΑΦΙΑ 1.1 ΑΡΧΕΣ ΛΕΙΤΟΥΡΓΙΑΣ. σελ ΕΓΚΕΦΑΛΙΚΑ ΚΥΜΑΤΑ..σελ ΗΕΓ ΥΠΝΟΥ..σελ ΥΠΝΙΚΕΣ ΑΤΡΑΚΤΟΙ,,σελ.25 ΚΕΦΑΛΑΙΟ 2 ΑΝΙΧΝΕΥΣΗ ΚΑΙ ΕΝΤΟΠΙΣΜΟΣ ΥΠΝΙΚΩΝ ΑΤΡΑΚΤΩΝ- ΜΕΘΟΔΟΛΟΓΙΑ 2.1 ΜΕΘΟΔΟΙ ΠΟΥ ΑΝΑΦΕΡΟΝΤΑΙ ΣΤΗ ΒΙΒΛΙΟΓΡΑΦΙΑ..σελ ΑΝΑΛΥΣΗ ΑΝΕΞΑΡΤΗΤΩΝ ΣΥΝΙΣΤΩΣΩΝ. σελ ΓΕΝΙΚΑ.. σελ ΘΕΩΡΙΑ ΤΗΣ ΑΑΣ.. σελ ΥΠΟΘΕΣΕΙΣ ΚΑΙ ΠΑΡΑΔΟΧΕΣ ΤΗΣ ΜΕΘΟΔΟΥ..σελ ΧΑΡΤΟΓΡΑΦΗΣΗ σελ ΕΞΑΝΑΓΚΑΣΜΕΝΗ ICA. σελ ΜΕΘΟΔΟΛΟΓΙΑ.. σελ.37 9

10 ΚΕΦΑΛΑΙΟ 3 ΠΕΙΡΑΜΑΤΑ ΑΠΟΤΕΛΕΣΜΑΤΑ ΣΥΜΠΕΡΑΣΜΑΤΑ 3.1 ΕΦΑΡΜΟΓΗ ΜΕΘΟΔΟΥ ΣΕ ΗΕΓ ΥΠΝΟΥ σελ ΠΑΡΑΜΕΤΡΟΙ-ΣΧΟΛΙΑΣΜΟΣ. σελ ΣΥΜΠΕΡΑΣΜΑΤΑ.. σελ.60 10

11 ΚΑΤΑΛΟΓΟΣ ΕΙΚΟΝΩΝ Εικόνα 1: Ενεργοποίηση σύναψης Αλλαγή τοπικού μεμβρανικού δυναμικού Εμφάνιση ρευμάτων σελ.15 Εικόνα 2 : Πλάγια όψη και κάτοψη για την τοποθέτηση των ηλεκτροδίων σύμφωνα με το διεθνές πρότυπο σελ.16 Εικόνα 3 : Τα ονόματα των ηλεκτροδίων προκύπτουν από τη θέση τους δηλαδή F(frontal),C(central), T(temporal), P(parietal), O(occipital) για τον πρόσθιο, κεντρικό, κροταφικό, βρεγματικό και ινιακό λοβό αντίστοιχα σελ.17 Εικόνα 4: ΗΕΓ (α ρυθμός) Ηλεκτροοφθαλμογράφημα- Ηλεκτρομυογράφημα σελ.18 Εικόνα 5: Εγκεφαλικά κύματα. σελ.20 Εικόνα 6: Παρουσίαση ολονύχτιου ύπνου. Παρατηρούνται οι εναλλαγές των σταδίων και η μετάβαση από non-rem σε REM ύπνο...σελ.22 Εικόνες 7-8: Καταγραφή εγκεφαλικής δραστηριότητας στα 5 στάδια του ύπνου σελ.24 Εικόνα 9: Υπνική άτρακτος.. σελ.25 Εικόνα 10: Ο θάλαμος φαίνεται να είναι υπεύθυνος για την παραγωγή των υπνικών ατράκτων. σελ.26 Εικόνα 11: Υπνική άτρακτος.. σελ.27 Εικόνα 12: Ανίχνευση υπνικών ατράκτων με τον αλγόριθμο Matching Pursuit.. σελ.29 Εικόνα 13: Μαγνητοεγκεφαλογράφημα.. σελ.31 Εικόνα 14: Η συγχρονισμένη λειτουργία χιλιάδων νευρώνων δημιουργεί τα ηλεκτρικά σήματα. σελ.32 Εικόνα 15: Αναπαράσταση μείξης και διαχωρισμού σημάτων σελ.34 Εικόνα 16: Χαρτογράφηση ανεξάρτητων συνιστωσών.... σελ.36 Εικόνα 17: Αποτελέσματα των 2 διαφορετικών μετρικών με τις ίδιες παραμέτρους.. σελ.41 Εικόνα 18: Μετρική 1, συχνότητα δειγματοληψίας 2500 Hz,χρονικό παράθυρο 900, παράθυρο επικάλυψης 900. σελ.47 Εικόνα 19: Μετρική 2, συχνότητα δειγματοληψίας 1250 Hz, χρονικό παράθυρο 500, παράθυρο επικάλυψης 250 σελ. 49 Εικόνα 20: Μετρική 2,συχνότητα δειγματοληψίας 625 Hz, χρονικό παράθυρο 300, παράθυρο επικάλυψης 50.. σελ.52 11

12 ΚΑΤΑΛΟΓΟΣ ΠΙΝΑΚΩΝ Πίνακας 1: Τα πειράματα πραγματοποιήθηκαν για τις συχνότητες 2500,1250,625Ηz και εφαρμόστηκαν όλοι οι συνδυασμοί παραθύρου και βήματος που φαίνονται στο σχήμα για κάθε συχνότητα δειγματοληψίας σελ.43 Πίνακας 2 : Βέλτιστα αποτελέσματα για τη συχνότητα δειγματοληψίας 2500 Hz... σελ.45 Πίνακας 3: Βέλτιστα αποτελέσματα για συχνότητα δειγματοληψίας 1250 Hz.. σελ.48 Πίνακας 4: Βέλτιστα αποτελέσματα για συχνότητα δειγματοληψίας 625 Hz σελ.49 Πίνακας 5: Παραδείγματα σύγκρισης αποτελεσμάτων ανάμεσα στα 5 και τα 12 ηλεκτρόδια...σελ.51 ΚΑΤΑΛΟΓΟΣ ΔΙΑΓΡΑΜΜΑΤΩΝ Διάγραμμα 1: Χρονικό παράθυρο Μετρική 1( οριζόντιος άξονας : παράθυρο επικάλυψης / κάθετος άξονας : αριθμός αληθώς θετικών αποτελεσμάτων).. σελ.52 Διάγραμμα 2 : Χρονικό παράθυρο Μετρική 2( οριζόντιος άξονας : παράθυρο επικάλυψης / κάθετος άξονας : αριθμός αληθώς θετικών αποτελεσμάτων) σελ.53 Διάγραμμα 3 Χρονικό παράθυρο Μετρική 2( οριζόντιος άξονας : παράθυρο επικάλυψης / κάθετος άξονας : αριθμός αληθώς αρνητικών αποτελεσμάτων) σελ.53 Διάγραμμα 4: Συχνότητα δειγματοληψίας 2500 Hz, Μετρική 1, Χρονικό παράθυρο 900, βέλτιστη τιμή ευαισθησίας ( οριζόντιος άξονας : παράθυρο επικάλυψης / κάθετος άξονας : τιμές ευαισθησίας, ειδικότητας, ορθότητας, FP-Rate, Fmeasure).σελ.54 Διάγραμμα 5: Συχνότητα δειγματοληψίας 2500 Hz, Μετρική 1, Χρονικό παράθυρο 1250, βέλτιστη τιμή ειδικότητας, ορθότητας, FP-Rate( οριζόντιος άξονας : παράθυρο επικάλυψης / κάθετος άξονας : τιμές ευαισθησίας, ειδικότητας, ορθότητας, FP-Rate, Fmeasure)... σελ.55 Διάγραμμα 6: Συχνότητα δειγματοληψίας 2500 Hz, Μετρική 1, Χρονικό παράθυρο 1200, βέλτιστη τιμή F-measure( οριζόντιος άξονας : παράθυρο επικάλυψης / κάθετος άξονας : τιμές ευαισθησίας, ειδικότητας, ορθότητας, FP-Rate, F measure).. σελ.55 12

13 Διάγραμμα 7: Συχνότητα δειγματοληψίας 1250 Hz, Μετρική 2, Χρονικό παράθυρο 500, βέλτιστη τιμή ευαισθησίας ( οριζόντιος άξονας : παράθυρο επικάλυψης / κάθετος άξονας : τιμές ευαισθησίας, ειδικότητας, ορθότητας, FP-Rate, F measure).. σελ.56 Διάγραμμα 8: Συχνότητα δειγματοληψίας 1250 Hz, Μετρική 2, Χρονικό παράθυρο 600, βέλτιστη τιμή ειδικότητας, ορθότητας, FP-Rate, F-measure (οριζόντιος άξονας: παράθυρο επικάλυψης / κάθετος άξονας: τιμές ευαισθησίας, ειδικότητας, ορθότητας, FP-Rate, F measure) σελ.56 Διάγραμμα 9: Συχνότητα δειγματοληψίας 625 Hz, Μετρική 2, Χρονικό παράθυρο 300, βέλτιστη τιμή ευαισθησίας ( οριζόντιος άξονας : παράθυρο επικάλυψης / κάθετος άξονας : τιμές ευαισθησίας, ειδικότητας, ορθότητας, FP-Rate, F measure)... σελ.57 Διάγραμμα 10: Συχνότητα δειγματοληψίας 625 Hz, Μετρική 2, Χρονικό παράθυρο 250, βέλτιστη τιμή ειδικότητας, ορθότητας, FP-Rate, F measure ( οριζόντιος άξονας : παράθυρο επικάλυψης / κάθετος άξονας: τιμές ευαισθησίας, ειδικότητας, ορθότητας, FP-Rate, F measure)... σελ.57 Διάγραμμα 11: Συχνότητα δειγματοληψίας 2500 Ηz- χρονικό παράθυρο 950 ( οριζόντιος άξονας : παράθυρο επικάλυψης / κάθετος άξονας : τιμές FP Ratio).. σελ.58 Διάγραμμα 12: Συχνότητα δειγματοληψίας 2500 Ηz- χρονικό παράθυρο Μετρική 1 ( οριζόντιος άξονας : παράθυρο επικάλυψης / κάθετος άξονας : αριθμός ψευδώς θετικών αποτελεσμάτων).. σελ.59 Διάγραμμα 13:: Συχνότητα δειγματοληψίας 2500 Ηz- χρονικό παράθυρο Μετρική 2 ( οριζόντιος άξονας : παράθυρο επικάλυψης / κάθετος άξονας :.αριθμός ψευδώς αρνητικών αποτελεσμάτων) σελ.59 13

14 14

15 ΚΕΦΑΛΑΙΟ 1 ΗΛΕΚΤΡΟΕΓΚΕΦΑΛΟΓΡΑΦΙΑ 1.1 ΑΡΧΕΣ ΛΕΙΤΟΥΡΓΙΑΣ Το ηλεκτροεγκεφαλογράφημα καταγράφει την αυτόματη ηλεκτρική δραστηριότητα του φλοιού του εγκεφάλου. Η δραστηριότητα αυτή προκύπτει από την ενεργοποίηση συνάψεων που προκαλεί μετακίνηση ιόντων διαμέσου της κυτταρικής μεμβράνης με αποτέλεσμα την τοπική αλλαγή του τοπικού μεμβρανικού δυναμικού και την εμφάνιση ρευμάτων στον ενδοκυττάριο και εξωκυττάριο χώρο. 1 Εικόνα 1: Ενεργοποίηση σύναψης Αλλαγή τοπικού μεμβρανικού δυναμικού Εμφάνιση ρευμάτων 1 Η λειτουργία του ηλεκτροεγκεφαλογράφου (ΗΕΓ) στηρίζεται στην καταγραφή των διαφορών δυναμικού που προκαλούνται από τα ρεύματα, οι οποίες παρουσιάζονται πάνω στην εξωτερική δερματική επιφάνεια του ανθρώπινου κρανίου, ως αποτέλεσμα της λειτουργίας του εγκεφάλου. Τα κύματα που παρουσιάζουν οι καταγραφές των ηλεκτρικών δυναμικών ονομάζονται εγκεφαλικά κύματα.tα εγκεφαλικά κύματα δεν προκύπτουν από τη λειτουργία ενός μόνο νευρώνα αλλά από τη συγχρονισμένη λειτουργία χιλιάδων νευρώνων οι οποίοι έχουν τον ίδιο ακτινικό προσδιορισμό. 1 Το πρώτο στάδιο στην εξαγωγή των σημάτων του ΗΕΓ αποτελούν τα ηλεκτρόδια τα οποία μετατρέπουν το ρεύμα ιόντων μέσα στο 15

16 ανθρώπινο σώμα σε ρεύμα ηλεκτρονίων μέσα στα καλώδια που οδηγείται σε επόμενα στάδια επεξεργασίας. Τα ηλεκτρόδια τοποθετούνται στην επιφάνεια του δέρματος της κεφαλής. Ένα ειδικό υλικό σε μορφή αλοιφής χρησιμοποιείται για αύξηση της αγωγιμότητας και καλύτερη επαφή ηλεκτροδίου επιδερμίδας. Το δημοφιλέστερο σύστημα για την επιλογή των θέσεων του κάθε ηλεκτροδίου πάνω στο κεφάλι είναι το Διεθνές Σύστημα Η ονομασία του συστήματος οφείλεται στην επιλογή του 20% της αποστάσεως μεταξύ των δύο αυτιών ως την απόσταση ανάμεσα σε δύο οποιαδήποτε ηλεκτρόδια και επίσης στην επιλογή του 10% της αποστάσεως μεταξύ των δύο αυτιών ως την απόσταση από το αυτί στο κοντινότερο προς αυτό ηλεκτρόδιό του. Κατ αυτόν τον τρόπο οι θέσεις των ηλεκτροδίων προσαρμόζονται ανάλογα με τις διαστάσεις του κρανίου του εξεταζόμενου. 2,3 Τα μετρούμενα ηλεκτρικά σήματα είναι ασθενή, από περίπου 1μV ως 100μV. Υπάρχει λοιπόν η απαίτηση της όσο το δυνατόν μεγαλύτερης ενίσχυσης των υπό εξέταση σημάτων καθώς και της πυκνότερης κάλυψης του κεφαλιού με απαγωγά ηλεκτρόδια. 4 Κατ αυτόν τον τρόπο αναμένεται ότι θα έχουμε μια ουσιαστική απεικόνιση - αντανάκλαση της εγκεφαλικής δραστηριότητας που θέλουμε να μελετήσουμε. Σήμερα είναι ιδιαίτερα διαδεδομένη η χρήση ειδικού σκούφου ή κράνους ενσωματωμένων ηλεκτροδίων στα διάφορα εργαστήρια η οποία προσφέρει μεγαλύτερη ευκολία και οικονομία χρόνου στη διαδικασία τοποθέτησης των ηλεκτροδίων. 5 Εικόνα 2: Πλάγια όψη και κάτοψη για την τοποθέτηση των ηλεκτροδίων σύμφωνα με το διεθνές πρότυπο

17 Εικόνα 3: Τα ονόματα των ηλεκτροδίων προκύπτουν από τη θέση τους δηλαδή F(frontal),C(central), T(temporal), P(parietal), O(occipital) για τον πρόσθιο, κεντρικό, κροταφικό, βρεγματικό και ινιακό λοβό αντίστοιχα. Συνήθως σε κλινικές καταγραφές χρησιμοποιούνται από 15 έως 24 ηλεκτρόδια, ενώ σε ερευνητικές μελέτες χρησιμοποιούνται 64 έως 256 ηλεκτρόδια. 5 Το σήμα μετατρέπεται από αναλογικό σε ψηφιακό και λαμβάνεται σε έναν ηλεκτρονικό υπολογιστή. Η συχνότητα δειγματοληψίας των σημάτων είναι το ελάχιστο 240 κύκλοι ανά δευτερόλεπτο (Hz), δηλαδή 2,5 φορές μεγαλύτερη από τις συχνότητες που θέλουμε να μελετήσουμε. Σε καταγραφές που γίνονται για ερευνητικούς σκοπούς χρησιμοποιούμε μεγαλύτερες συχνότητες, δηλαδή 2500Hz. Η κλασική μεθοδολογία σε κλινικές εξετάσεις ΗΕΓ είναι η διπολική καταγραφή κατά την οποία τα σήματα που μετρούνται στον εγκεφαλογράφο είναι οι διαφορές δυναμικών που παρουσιάζουν δύο ηλεκτρόδια μεταξύ τους όταν τα ηλεκτρόδια αυτά βρίσκονται πάνω από ενεργές περιοχές του εγκεφάλου. 3,5 Το πλεονέκτημά της είναι ότι απορρίπτει τυχόν παράσιτα τα οποία είναι κοινά στα δύο ηλεκτρόδια. Μέτρηση διαφοράς δυναμικού μεταξύ ενός ηλεκτροδίου ενεργής περιοχής και ενός ηλεκτροδίου ανενεργού περιοχής ονομάζεται μονοπολική καταγραφή και χρησιμοποιείται στην ψυχοφυσιολογική έρευνα. 17

18 Τα σήματα που καταγράφονται σε ένα ΗΕΓ ως αποτέλεσμα αποκλειστικά της εγκεφαλικής δραστηριότητας είναι πολύ ασθενή και μπορεί να παραμορφωθούν λόγω παρεμβολής ή προσθήκης μη εγκεφαλικών σημάτων. Επομένως, για την κλινική ερμηνεία ενός ΗΕΓ θα πρέπει να αναγνωρισθούν και να απομονωθούν τέτοια σήματα. Τα σήματα αυτά διακρίνονται στα φυσιολογικά π.χ. κινήσεις των οφθαλμών, καρδιακή λειτουργία, μυϊκές κινήσεις και κινήσεις της γλώσσας και στα μη φυσιολογικά όπως ηλεκτρικοί σπινθήρες, υψίσυχνα ραδιοφωνικά σήματα, το δίκτυο παροχής ηλεκτρικής ενέργειας κ.α. Η καταγραφή της ηλεκτρικής δραστηριότητας που οφείλεται στις κινήσεις των ματιών πραγματοποιείται με το ηλεκροοφθαλμογράφημα (ΗΟΓ), το οποίο δεν μπορεί να χρησιμοποιηθεί για την αποθορυβοποίηση του ΗΕΓ διότι φέρει σημαντικές πληροφορίες εγκεφαλικής λειτουργίας. 6,7 Στην περίπτωση της καρδιακής λειτουργίας η απόσταση της καρδιάς είναι μεγάλη ώστε το υπερτιθέμενο παρασιτικό σήμα να είναι μικρό λόγω εξασθένησης. Όταν η καρδιακή παρεμβολή είναι σημαντική στο ΗΕΓ παρατηρούνται οξείες αιχμές με την περιοδικότητα της καρδιάς. Εικόνα 4: ΗΕΓ (α ρυθμός) -Ηλεκτροοφθαλμογράφημα- Ηλεκτρομυογράφημα 18

19 1.2 ΕΓΚΕΦΑΛΙΚΑ ΚΥΜΑΤΑ Τα κύματα που παρουσιάζουν οι καταγραφές των ηλεκτρικών δυναμικών ονομάζονται εγκεφαλικά κύματα. Η ένταση των εγκεφαλικών κυμάτων της επιφάνειας του κεφαλιού κυμαίνεται από μv και η συχνότητά τους από 1 κάθε λίγα δευτερόλεπτα ως περισσότερα από 50/δευτερόλεπτο. Ο χαρακτήρας των κυμάτων εξαρτάται κυρίως από το βαθμό δραστηριότητας του εγκεφαλικού φλοιού και μεταβάλλεται σημαντικά στα μεσοδιαστήματα εγρήγορσηςύπνου. Έχουν περιγραφεί και αναφέρονται στη βιβλιογραφία 5 διακριτοί τύποι συνεχούς ρυθμικής ημιτονοειδούς εγκεφαλικής δραστηριότητας : άλφα, βήτα, γάμμα, δέλτα και θήτα. Τα α κύματα είναι ρυθμικά κύματα συχνότητας 8-13 Hz και απαντώνται στο ΗΕΓ όλων σχεδόν των υγιών ατόμων που βρίσκονται σε εγρήγορση και κατάσταση ήρεμης εγκεφαλικής λειτουργίας. Εντοπίζονται σε όλο τον εγκεφαλικό φλοιό αλλά κυρίως στον ινιακό λοβό. Κατά τη διάρκεια του ύπνου εξαφανίζονται τελείως, ενώ στην εγρήγορση όταν η προσοχή του ατόμου κατευθύνεται προς κάποιο συγκεκριμένο τύπο πνευματικής δραστηριότητας, τη θέση τους παίρνουν άλλα, ασυγχρόνιστα κύματα, μεγαλύτερης συχνότητας και χαμηλότερου δυναμικού. Τα α κύματα διαφοροποιούνται κατά την ωρίμανση του εγκεφάλου όσον αφορά τη δομή και την τοπογραφική τους προέλευση. Επίσης πρέπει να σημειωθεί ότι τα α κύματα επηρεάζονται από οπτικά αισθήματα τα οποία προκαλούν άμεση διακοπή τους και αντικατάστασή τους από χαμηλού δυναμικού ασυγχρόνιστα κύματα. 8,9 Τα β κύματα έχουν συχνότητα Hz και εμφανίζονται κατά τη διάρκεια έντονης ενεργοποίησης του ΚΝΣ ή υπερέντασης. Εμφανίζονται αμφοτερόπλευρα με κυριότερη εντόπιση στο μετωπιαίο λοβό. Η εμφάνισή του επηρεάζεται επίσης από παθολογικούς παράγοντες όπως χρήση φαρμάκων. Τα γ κύματα έχουν συχνότητα Ηz και κυριαρχούν στον εγκέφαλο σε φάση λειτουργικής εγρήγορσης. 19

20 Τα θ κύματα έχουν συχνότητα 4-7 Hz. Παρατηρούνται κυρίως στις βρεγματικές και τις κροταφικές περιοχές στα παιδιά και σε μερικούς ενήλικους κατά τη διάρκεια συναισθηματικής υπερέντασης, ιδιαίτερα απογοήτευσης ή αποτυχίας. Η εμφάνισή τους στο ΗΕΓ μπορεί να μπορεί να προκληθεί αν το άτομο αφεθεί να απολαύσει μια ευχάριστη εμπειρία και ξαφνικά του αφαιρεθεί το στοιχείο της ευχαρίστησης. Τα κύματα αυτά παρατηρούνται και σε αρκετές άλλες εγκεφαλικές διαταραχές. 10 Στα δ κύματα ανήκουν όλα τα χαμηλής συχνότητας κύματα του ΗΕΓ. Παρατηρούνται στο βαθύ ύπνο, στη βρεφική ηλικία και σε πολύ σοβαρές παθήσεις του εγκεφάλου. Τα κύματα αυτά μπορούν να παρατηρηθούν τοπικά στο φλοιό ανεξάρτητα από τις δραστηριότητες κατώτερων εγκεφαλικών περιοχών. 8 Εικόνα 5: Εγκεφαλικά κύματα 20

21 1.3 ΗΕΓ ΥΠΝΟΥ Ο ύπνος και τα όνειρα αποτελούν μυστήριο και αγαπημένο θέμα της τέχνης και της επιστήμης. Ο ύπνος είναι απαραίτητος για όλα τα θηλαστικά. Είναι τόσο σημαντικός όσο η αναπνοή και η σίτιση. Απόδειξη της αναγκαιότητας του ύπνου είναι ότι οι άνθρωποι περνούν το ένα τρίτο της ζωής τους κοιμώμενοι, ενώ σε περιπτώσεις στέρησης ύπνου παρατηρούνται σημαντικές διαταραχές λειτουργικότητας. 11 Πρόκειται για μια εύκολα αναστρέψιμη κατάσταση μειωμένης ανταπόκρισης και αλληλεπίδρασης με το περιβάλλον. Η αντιστρεψιμότητα διαχωρίζει τον ύπνο από παρόμοιες καταστάσεις όπως το κώμα. Υπάρχουν διάφορες θεωρίες για τη χρησιμότητα του ύπνου. Η θεωρία τόνωσης-αποκατάστασης υποστηρίζει ότι κατά τη διάρκεια του ύπνου επιτελούνται βιοχημικές λειτουργίες που υποβαθμίζονται κατά την εγρήγορση και οι οποίες επιτελούν στη βελτίωση της λειτουργικότητας κατά τη διάρκεια της ημέρας. Η θεωρία της διατήρησης ενέργειας υποστηρίζει ότι η μείωση του μεταβολισμού κατά τη διάρκεια του ύπνου εξοικονομεί ενέργεια στον οργανισμό για την υπόλοιπη ημέρα. Η θεωρία αυτή είναι αμφιλεγόμενη. Τέλος υπάρχει και η θεωρία της μνήμης και της μάθησης σύμφωνα με την οποία ο ύπνος είναι απαραίτητος για την πλαστικότητα του εγκεφάλου κυρίως για τις διαδικασίες της μνήμης και της μάθησης. 12 Το ΗΕΓ αποτελεί το βασικό εργαλείο για την ηλεκτροφυσιολογική μελέτη του ύπνου. Κατά τη διάρκεια του ύπνου η δραστηριότητα του εγκεφάλου συνεχώς μεταβάλλεται. Με τις πρώτες καταγραφές ΗΕΓ ύπνου παρατηρήθηκε ότι η ηλεκτρική δραστηριότητα του εγκεφάλου χαρακτηρίζεται από τη συνεχή και διαδοχική εμφάνιση εναλλασσόμενων σταδίων καθένα από τα οποία εμφανίζει ιδιαίτερα χαρακτηριστικά ως προς τη συχνότητα και το μέγεθος του σήματος. 13 Κατά τη διάρκεια μιας νύχτας τα στάδια εναλλάσσονται κάθε περίπου 90 λεπτά. Τα κριτήρια για τη σταδιοποίηση του ύπνου τα έθεσαν αρχικά οι Rechtshaffen και Kales το 1968, αλλά έκτοτε έχουν τροποποιηθεί. 21

22 Εικόνα 6: Παρουσίαση ολονύχτιου ύπνου. Παρατηρούνται οι εναλλαγές των σταδίων και η μετάβαση από non-rem σε REM ύπνο. Επίσης είναι εμφανής η αύξηση της διάρκειας του REM ύπνου προς το τέλος της νύχτας. Η σύγχρονη κατηγοριοποίηση των σταδίων του ύπνου είναι η εξής: Στάδιο 1 (υπνηλία) : Κατά το στάδιο αυτό μειώνεται το επίπεδο της εγρήγορσης. Το άτομο έχει μικρότερη αντίληψη του περιβάλλοντος, αλλά μπορεί να ξυπνήσει πολύ εύκολα. Το στάδιο 1 μπορεί να παρατηρηθεί όταν κάποιος χαλαρώνει, όταν διαβάζει ή παρακολουθεί μία διάλεξη που δεν τον ενδιαφέρει. Το ΗΕΓ χαρακτηρίζεται από σταδιακή μείωση των α ρυθμών τα οποία αντικαθίστανται από χαμηλού δυναμικού δραστηριότητα εύρους 2-7 Hz. Το ΗΜΓ παρουσιάζει μικρή μείωση του μυϊκού τόνου και στο ΗΟΓ καταγράφονται αργές κινήσεις των οφθαλμών. Στάδιο 2 (ελαφρύς ύπνος): Οι κύριες συχνότητες στο στάδιο 2 είναι από Hz. Το ΗΕΓ στο στάδιο 2 όμως παρουσιάζει ιδιαίτερη ποικιλία διότι εμφανίζονται δύο χαρακτηριστικές κυματομορφές: οι υπνικές άτρακτοι (spindles) και τα συμπλέγματα Κ (μεμονωμένα οξύαιχμα κύματα δέλτα υψηλού δυναμικού με απότομη μετάβαση από αρνητική σε θετική φάση K complexes). Οι άτρακτοι ορίζονται σαν μία ομάδα ρυθμικών κυμάτων που χαρακτηρίζονται από σταδιακά αυξανόμενο και στη συνέχεια μειούμενο πλάτος. Σε αυτή την αύξουσα και φθίνουσα μορφή τους πλάτους στηρίζεται και το όνομά τους διότι προσδίδει στις κυματομορφές το σχήμα της ατράκτου. Αν και ατρακτοειδείς σχηματισμοί εμφανίζονται σε όλα τα στάδια 22

23 του ύπνου, η παρουσία τους γίνεται εντονότερη στο στάδιο 2 με αποτέλεσμα να αποτελεί ένα από τα κριτήρια που καθορίζουν τη μετάβαση του ύπνου στο στάδιο αυτό. Τέλος ο μυϊκός τόνος εμφανίζει επιπλέον μείωση και οι οφθαλμικές κινήσεις γίνονται σπάνιες. Η αφύπνιση επιτυγχάνεται δυσκολότερα σε σχέση με το στάδιο 1. Στάδιο 3 (βαθύς ύπνος): Στο στάδιο αυτό επικρατούν τα κύματα δ σε εύρος Hz. Οι υπνικές άτρακτοι είναι ακόμα παρούσες αλλά σταδιακά μειούμενες. Στάδιο 4 (πολύ βαθύς ύπνος): Στο στάδιο αυτό η πυκνότητα των δ κυμάτων είναι ιδιαίτερα αυξημένη και χρησιμοποιείται για το διαχωρισμό μεταξύ των δύο σταδίων. Το ΗΜΓ βρίσκεται σε πολύ χαμηλά επίπεδα. Η αφύπνιση κατά τη διάρκεια των σταδίων 3 και 4 απαιτεί την πρόκληση έντονων ερεθισμάτων, ενώ αν παρατηρείται σχετίζεται με την εκδήλωση υπνικών διαταραχών. To στάδιο 4 έχει ιδιαίτερα σημαντική δράση λόγω της έκκρισης της αυξητικής ορμόνης. REM: Κατά τη διάρκεια του φυσιολογικού νυχτερινού ύπνου εμφανίζονται κατά μέσο όρο κάθε 90 λεπτά, περίοδοι παράδοξου ύπνου διάρκειας 5-20 λεπτών. Στην περίπτωση υπερβολικής κούρασης οι περίοδοι παράδοξου ύπνου είναι πολύ μικρές ή μπορεί και να λείπουν. Το στάδιο αυτό χαρακτηρίζεται από χαμηλού δυναμικού δραστηριότητα παρόμοια με αυτή του σταδίου 1. Ο μυϊκός τόνος είναι πολύ ελαττωμένος, παρά όμως την αναστολή των περιφερικών μυών παρατηρούνται λίγες ακανόνιστες μυϊκές κινήσεις και συγκεκριμένα γρήγορες κινήσεις των ματιών REM (Rapid Eye Movements). Η αφύπνιση κατά τη διάρκεια του ύπνου REM γίνεται δύσκολα και, όταν επιτυγχάνεται, συνοδεύεται από την ανάμνηση έντονης νοητικής δραστηριότητας, η οποία αναγνωρίζεται ως ονειρική. Τα όνειρα συμβαίνουν κυρίως κατά τη διάρκεια του REM ύπνου. 11,14 23

24 Εικόνα 7-8: Καταγραφή εγκεφαλικής δραστηριότητας στα 5 στάδια του ύπνου 24

25 1.4 ΥΠΝΙΚΕΣ ΑΤΡΑΚΤΟΙ Οι υπνικές άτρακτοι, όπως αναφέρθηκε παραπάνω, είναι ρυθμικές κυματομορφές που παρατηρούνται στο ΗΕΓ ύπνου και εμφανίζονται κυρίως στο στάδιο 2 του non-rem ύπνου. Η χαρακτηριστική αύξηση και μείωση του πλάτους τους (εικόνα crescendo-decrescendo) που δημιουργεί το ατρακτοειδές σχήμα τους είναι υπεύθυνη για το όνομά τους. 14 Η συχνότητά τους κυμαίνεται μεταξύ Hz και η διάρκειά τους από 0,5-3 δευτερόλεπτα. Παρατηρούνται δύο ειδών άτρακτοι, οι ταχείες (14-15 Hz) και οι βραδείες (11-13 Hz) οι οποίες μεγιστοποιούνται αντίστοιχα στα ηλεκτρόδια του βρεγματικού και μετωπιαίου φλοιού. Εικόνα 9:Υπνική άτρακτος Η ύπαρξη δύο συχνοτήτων ατράκτων έχει αποδοθεί στη διάρκεια της ακολουθίας υπερπόλωσης- αναπήδησης των νευρώνων του θαλάμου, δηλαδή μακράς διάρκειας υπερπόλωση έχει ως αποτέλεσμα την καταγραφή βραδέων ατράκτων ενώ αντίθετα μικρής διάρκειας έχει ως αποτέλεσμα την καταγραφή ταχέων. 15 Μία πρόσφατη λεπτομερής τοπογραφική μελέτη έδειξε ότι οι μεν βραδείες άτρακτοι εμφανίζουν μετωπιαία κατανομή με αμφοτερόπλευρη τοπογραφική διακύμανση, οι δε ταχείες άτρακτοι περιορίζονται τις κεντρικές και πρόσθιες βρεγματικές περιοχές χωρίς ιδιαίτερες διακυμάνσεις στην κατανομή. 16 Άμεση σχέση με την παραγωγή και τον έλεγχο των ατράκτων φαίνεται να έχει το τμήμα του εγκεφάλου που ονομάζεται θάλαμος. Οι υπνικές άτρακτοι συσχετίζονται με την υπερπόλωση των θαλαμοφλοιϊκών και φλοιϊκών νευρώνων. Ο συγχρονισμός των νευρώνων είναι προαπαιτούμενος για την εμφάνιση των ατράκτων στο ΗΕΓ. Κατά την έναρξη του non-rem ύπνου οι νευρώνες του δικτυωτού θαλαμικού πυρήνα παράγουν ταλαντώσεις στη συχνότητα των υπνικών ατράκτων. Οι νευρώνες του πυρήνα εκπολώνονται μετά την εμφάνιση των ατράκτων και αναστέλλουν τους θαλαμοφλοιϊκούς νευρώνες. Εάν τα ανασταλτικά μετασυναπτικά δυναμικά είναι αρκετά ισχυρά, τότε οι θαλαμοφλοιϊκοί νευρώνες ταλαντώνονται στη συχνότητα των υπνικών 25

26 ατράκτων. Οι ταλαντώσεις αυτές μεταφέρονται στο φλοιό. Τραυματισμοί του δικτυωτού θαλαμικού πυρήνα έχουν ως αποτέλεσμα την εξαφάνιση των υπνικών ατράκτων, όχι όμως των βραδέων κυμάτων. 17,18 Εικόνα 10:Ο θάλαμος φαίνεται να είναι υπεύθυνος για την παραγωγή των υπνικώνν ατράκτων Οι άτρακτοι έχουν συσχετιστεί με τα συμπλέγματα Κ τα οποία είναι χαρακτηριστικά ευρήματα του σταδίου 2. Μπορεί να εμφανιστούν πριν, μετά ή να διακοπούν από ένα σύμπλεγμα Κ. Υπάρχουν θεωρίες που υποστηρίζουν ότι η δράση τους είναι ανταγωνιστική, ενώ άλλοι υποστηρίζουν ότι έχουν διακριτούς ρόλους. Επίσης, οι άτρακτοι όπως και τα συμπλέγματαα Κ μπορεί να επηρεαστούν από τη χρήση φαρμακευτικών ουσιών. 19 Οι υπνικές άτρακτοι εμφανίζονται αρχικά στην ηλικία των τριών μηνών, ενώ στα νεογέννητα δεν υπάρχουν καθόλου. Η μορφολογία, η πυκνότητα και η συχνότητά τους τροποποιούνται με το πέρας του χρόνου, γεγονός που σχετίζεται με την ωρίμανση του εγκεφάλου. 20 Κάθε άνθρωπος παρουσιάζει ιδιαιτερότητα στη μορφολογία των υπνικών ατράκτων, στον αριθμό, το μέγεθος και το συχνοτικό τους περιεχόμενο. Η ιδιαιτερότητα αυτή παρατηρείται ήδη από την παιδική ηλικία. 21 Οι μελέτες δείχνουν ότι οι υπνικές άτρακτοι επιτρέπουν τη διατήρηση του ύπνου αναστέλλοντας την πρόσβαση αισθητικών πληροφοριών από το εξωτερικό περιβάλλον. Συγκεκριμένα χρησιμοποιήθηκαν προκλητά δυναμικά με τη χρήση θορύβου και παρατηρήθηκαν οι αλλαγές στο ΗΕΓ κατά τη διάρκεια του σταδίου 2. Το συμπέρασμα ήταν ότι η αναστολή 26

27 της πληροφορίας πραγματοποιείται λίγο πριν την εμφάνιση των ατράκτων και οι υπνικές άτρακτοι είναι πιθανώς το αποτέλεσμα αυτής. 22 Επίσης διάφορες μελέτες ενισχύουν τη θεωρία της υπναγωγικής δράσης των ατράκτων υποστηρίζοντας ότι προκαλούν μια σχετική αναισθησία του εγκεφαλικού φλοιού εμποδίζοντας τη διαβίβαση εγκεφαλικών σημάτων. 19 Έχει παρατηρηθεί ότι η δραστηριότητα των υπνικών ατράκτων αυξάνεται μετά από περιόδους έντονης μάθησης. Οι μελέτες έχουν συσχετίσει τις ατράκτους με τη σταθεροποίηση των ημερήσιων εμπειριών σε μόνιμες μνήμες, σε συνδυασμό με τις χαμηλού δυναμικού συχνότητες και το non-rem ύπνο. 23 Εκτός όμως από την υπναγωγική τους δράση οι υπνικές άτρακτοι έχουν συσχετιστεί και με συγκεκριμένες μορφές επιληψίας. Συγκεκριμένα υπάρχει η υπόθεση ότι οι κυματομορφές που παρατηρούνται στην αφαιρετική επιληψία παράγονται από τα ίδια κυκλώματα που παράγουν και τις ατράκτους, με μία μετατροπή των ατράκτων σε «ακίδες».η αρχική μελέτη πραγματοποιήθηκε στη γενικευμένη επιληψία και έχει πυροδοτήσει πολλές μελέτες για τη συσχέτιση των δύο κυματομορφών. 24 Επιπλέον οι παρατηρηθείσες ανωμαλίες υπνικών ατράκτων ενοχοποιούν δυσλειτουργία του θαλαμοφλοιϊκού δικτύου σε ασθενείς που πάσχουν από σχιζοφρένεια. Τα ευρήματα αυτά επιδεινώνουν την εξαρτώμενη από τον ύπνο μνήμη στους ασθενείς αυτούς καθώς και συσχετίζονται με ενίσχυση των συμπτωμάτων της νόσου. 25 Εικόνα 11:Υπνική άτρακτος 27

28 ΚΕΦΑΛΑΙΟ 2 ΑΝΙΧΝΕΥΣΗ ΚΑΙ ΕΝΤΟΠΙΣΜΟΣ ΥΠΝΙΚΩΝ ΑΤΡΑΚΤΩΝ- ΜΕΘΟΔΟΛΟΓΙΑ 2.1 ΜΕΘΟΔΟΙ ΠΟΥ ΑΝΑΦΕΡΟΝΤΑΙ ΣΤΗ ΒΙΒΛΙΟΓΡΑΦΙΑ Οι υπνικές άτρακτοι όπως αναφέρεται και παραπάνω έχουν ιδιαίτερα επιστημονικό ενδιαφέρον. Η συχνότητα εμφάνισής τους είναι περίπου κάθε 3-8 λεπτά, γεγονός που σημαίνει ότι σε μία ολονύχτια καταγραφή υπάρχει πολύ μεγάλος αριθμός υπνικών ατράκτων και καθιστά δύσκολη την μελέτη τους μόνο με οπτικά μέσα. Για το λόγο αυτό έχουν προταθεί στην βιβλιογραφία αρκετές μέθοδοι αυτόματης ανίχνευσης τους. Παρακάτω αναφέρονται ορισμένες μέθοδοι ενδεικτικά. Οι Pivik και συνεργ. (1982) βασίστηκαν στο κύκλωμα κλειστού βρόχου και προσπάθησαν να ανιχνεύσουν υπνικές ατράκτους. Εντόπιζαν τις συχνότητες και το χρόνο που θεωρούσαν ότι αντιστοιχούν σε υπνικές ατράκτους, φίλτραραν τα δεδομένα και τα παρουσίαζαν αυτόματα ως υπνικές ατράκτους. 26 Οι Sallnsky και συνεργ. (1987) μελέτησαν τη σταδιοποίηση του ύπνου και την αναπαράστησαν σε πολυκαναλικό έγχρωμο φασματογράφο χρησιμοποιώντας τη μέθοδο FFT. Η συμπίεση των δεδομένων σε γραφικά βοήθησε σημαντικά στη μελέτη του ύπνου στη διάρκεια του χρόνου. 27 Οι Huupponen και συνεργ. (2000) χρησιμοποίησαν τεχνητά νευρωνικά δίκτυα για την ανίχνευση υπνικών ατράκτων. Συγκεκριμένα χρησιμοποιήθηκε A-MLP (Autoassociative Multilayer Perception network). H μελέτη έγινε σε τμήματα καταγραφών των 5 δευτερολέπτων και η λογική της στηρίχτηκε σε διανύσματα που εμπεριέχουν πληροφορίες για το φασματικό περιεχόμενο του ΗΕΓ. 28 Oι ίδιοι ερευνητές το 2007 συνέκριναν τέσσερις μεθόδους αυτόματης ανίχνευσης υπνικών ατράκτων και κατέληξαν ότι η καλύτερη μέθοδος είναι ένας υβριδικός ανιχνευτής. 29 Οι Durka και συνεργ. (1995) χρησιμοποίησαν τον αλγόριθμο Matching Pursuit για προσομοίωση σημάτων ΗΕΓ ύπνου και εγρήγορσης. Ο αλγόριθμος Matching Pursuit στηρίζεται στο διαχωρισμό των σημάτων 28

29 σε γραμμική επέκταση των κυματομορφών που ανήκουν σε διάφορες κατηγορίες συναρτήσεων. 30 Εικόνα 12: Στην παραπάνω εικόνα φαίνεται ένα παράδειγμα των αποτελεσμάτων όπου οι άτρακτοι που σηματοδοτούνται ως Α,Β,C,D εμφανίζονται την ίδια χρονική στιγμή με άλλες μικρής διάρκειας δομές αλλά παρ όλα αυτά αναγνωρίζονται καθαρά. Οι άτρακτοι χαμηλής έντασης μπορεί να μην ανιχνεύονται με τις μεθόδους όμως αναγνωρίζονται λόγω των χαρακτηριστικών τους. Η μέθοδος υστερεί στο ότι μπορεί να συγχέει τις ατράκτους με άλλες δομές και την χωροχρονική τους τοποθέτηση. Σε συνέχεια των ανωτέρω ερευνητών οι Schonwald και συνεργ. (2006) εφήρμοσαν τον αλγόριθμο Matching Pursuit σε πραγματικές καταγραφές και συνέκριναν τα αποτελέσματα με την οπτική ανάλυση. Ο αλγόριθμος εφαρμόστηκε στα στάδια του ύπνου 2-4. Τα αποτελέσματα ήταν ικανοποιητικά, ιδιαίτερα στο στάδιο 2 όσον αφορά την ανίχνευση των ατράκτων σε ένταση, συχνότητα και διάρκεια συγκρινόμενα με τα οπτικά αποτελέσματα. 31 Οι Ventouras και συνεργ. (2010) αναφέρουν στη μελέτη τους ότι χρησιμοποίησαν τη μέθοδο ICA ώστε να διερευνήσουν τη δυνατότητα εξαγωγής μέσω οπτικής ανάλυσης ΗΕΓ υπνικών ατράκτων και την οπτική επιλογή Ανεξάρτητων Συνιστωσών (ICs), Συνιστωσών ατράκτων (CSs) που αντιστοιχούν σε ξεχωριστά μοτίβα ηλεκτροεγκεφαλογραφικής δραστηριότητας κατά τη διάρκεια των ατράκτων καθώς και τις πηγές των ενδοκρανιακών ρευμάτων που υπόκεινται των SCs. Στην συγκεκριμένη μελέτη χρησιμοποιήθηκε η μέθοδος Low-Resolution Brain Electromagnetic Tomography (LORETA) τόσο στο αυθεντικό όσο και στο ανακατασκευασμένο ΗΕΓ. Τα αποτελέσματα έδειξαν τα SCs μπορούν να εξαχθούν ανακατασκευάζοντας το ΗΕΓ μέσω οπίσθιας προβολής ξεχωριστών ομάδων Ανεξάρτητων Συνιστωσών, βασιζόμενα σε μία χρονική και φασματική ανάλυση αυτών. Οι πηγές των ενδοκρανιακών 29

30 ρευμάτων που σχετίζονται με τις ατράκτους φαίνεται να παραμένουν σταθερές κατά τη χρονική εξέλιξη αυτών. 32 Οι Ray και συνεργ. (2010) προχώρησαν σε μία μελέτη αυτοματοποιημένης μεθόδου ανίχνευσης υπνικών ατράκτων η οποία λαμβάνει υπ όψιν τις εξατομικευμένες διάφορές στο εύρος των ατράκτων. Η μέθοδος στηρίχτηκε στο λογισμικό PRANA το οποίο είναι ένα πακέτο που χρησιμοποιείται στη MATLAB για την επεξεργασία βιοσημάτων και την ανάλυση σειρών. 33 Οι da Costa και συνεργ. παρουσιάζουν δύο μεθόδους αυτόματης ανίχνευσης ατράκτων. Η πρώτη χρησιμοποιεί Ταχύ Μετασχηματισμό Fourier ενώ η δεύτερη χρησιμοποιεί τον αλγόριθμο AVS (Automatic Visual Scorer) με παρόμοια αποτελέσματα

31 2.2 ΑΝΑΛΥΣΗ ΑΝΕΞΑΡΤΗΤΩΝ ΣΥΝΙΣΤΩΣΩΝ ΓΕΝΙΚΑ Τα σήματα που καταγράφονται σε ένα ΗΕΓ μπορεί να συσχετίζονται μεταξύ τους γιατί οι πηγές που τα προκαλούν δεν βρίσκονται τοπογραφικά ακριβώς κάτω από τα ηλεκτρόδια. Το ΗΕΓ καταγράφει τα ηλεκτρικά δυναμικά που οφείλονται στη συγχρονισμένη δραστηριότητα χιλιάδων νευρώνων. 35 Οι νευρώνες αυτοί αντιστοιχούν σε συγκεκριμένες περιοχές του εγκεφάλου. Η συμμετοχή κάθε περιοχής-πηγής που καταγράφεται ως ηλεκτρικό σήμα στο ΗΕΓ εξαρτάται από ορισμένους παράγοντες: την απόσταση ηλεκτροδίου-πηγής τα ενδιάμεσα ηλεκτρικά χαρακτηριστικά τον προσανατολισμό των ηλεκτρικών δυναμικών που προκαλούνται από τη συγκεκριμένη πηγή ως προς το ηλεκτρόδιο 36 Το ΗΕΓ λοιπόν παρότι είναι ευρέως διαδεδομένη, οικονομική, αναίμακτη και ευαίσθητη μέθοδος για την καταγραφή της εγκεφαλικής δραστηριότητας υστερεί όσον αφορά τη χωρική διακριτότητα. Προκύπτει λοιπόν το πρόβλημα του αντίστροφου καθορισμού πηγής. Υπάρχουν διάφορες προσεγγίσεις για την προσπάθεια εντοπισμού με ακρίβεια της πηγής ενός ηλεκτρικού σήματος. Επίσης θα ήταν χρήσιμη πληροφορία να διακρίνουμε δύο ενεργές περιοχές καθώς και τον αριθμό των ενεργών περιοχών σε μία χρονική στιγμή. 37 Εικόνα 13: Μαγνητοεγκεφαλογράφημα 31

32 Το μαγνητοεγκεφαλογράφημα είναι μία μέθοδος παρόμοια με το ΗΕΓ η οποία χρησιμοποιείται σε πειραματικές μελέτες και υπερτερεί του ΗΕΓ στον εντοπισμό πηγών. Προσπάθειες γίνονται με το συνδυασμό ενός εκ των δύο, δηλαδή ΗΕΓ ή ΜΕΓ (μαγνητοεγκεφαλογράφημα) και μαγνητικής τομογραφίας η οποία απεικονίζει την ανατομία του εγκεφάλου. Όταν όμως διαθέτουμε δεδομένα μόνο ΗΕΓ, τότε το πρόβλημα γίνεται πιο δύσκολο. 11 Έχουν προταθεί διάφορα νευροφυσιολογικά μοντέλα με μαθηματικές παραδοχές ώστε να εντοπιστεί η τοπογραφία των ηλεκτρικών πηγών. Μία μέθοδος που προτείνεται τα τελευταία χρόνια είναι η Ανάλυση Ανεξάρτητων Συνιστωσών η οποία θα περιγραφεί παρακάτω. Εικόνα 14:Η συγχρονισμένη λειτουργία χιλιάδων νευρώνων δημιουργεί τα ηλεκτρικά σήματα 32

33 2.2.2 ΘΕΩΡΙΑ ΤΗΣ ΑΑΣ Η Ανάλυση Ανεξάρτητων Συνιστωσών (ICA) είναι μέθοδος που χρησιμοποιήθηκε κυρίως για να λύσει ένα δημοφιλές πρόβλημα της Ακουστικής, το πρόβλημα διαχωρισμού σημάτων ομιλίας (cocktail party problem). Το πρόβλημα αυτό προκύπτει όταν δύο ομιλητές που βρίσκονται σε δύο διαφορετικά σημεία ενός δωματίου και χρησιμοποιούν μικρόφωνα τα οποία παράγουν δύο διαφορετικά σήματα σε μία χρονική στιγμή. Τα σήματα αυτά προκύπτουν από τον κάθε ομιλητή ξεχωριστά. Έστω λοιπόν ότι τα σήματα των μικροφώνων συμβολίζονται x 1 (t) και x 2 (t) και τα σήματα των ομιλητών s 1 (t) και s 2 (t). Κάθε ένα από τα σήματα των μικροφώνων προκύπτει από το άθροισμα των σημάτων ομιλίας που παράγονται από τους ανθρώπους. x 1 (t)=α 11 s 1 (t) + α 12 s 2 (t) x 2 (t)=α 21 s 1 (t) + α 22 s 2 (t) Οι παράμετροι α 11, α 12, α 21, α 22 εξαρτώνται από τις αποστάσεις των μικροφώνων από τις πηγές. Το πρόβλημα που προκύπτει είναι ο υπολογισμός των σημάτων που προκύπτουν από κάθε ομιλητή, έχοντας ως δεδομένα μόνο τα εγγεγραμμένα σήματα x 1 (t) και x 2 (t). 38 Κατά αντιστοιχία προκύπτει το πρόβλημα σε μία καταγραφή ΗΕΓ. Έστω ότι μία καταγραφή προκύπτει από m ηλεκτρόδια τα σήματα των οποίων παράγονται από n ανεξάρτητες εγκεφαλικές πηγές. Εάν x(t) είναι το σήμα που καταγράφεται από κάθε ηλεκτρόδιο j και s(t) είναι η εγκεφαλική δραστηριότητα τότε θα ισχύει: x j (t)=α j1 s 1 (t) + α j2 s 2 (t)+..+ α jn s n (t) (1) To σύνολο των μετρήσεων που προκύπτουν από τα m κανάλια σε κάθε χρονική στιγμή t x(t) = [x 1 (t), x 2 (t),., x m (t)] T προκύπτει από το γραμμικό συνδυασμό της εγκεφαλικής δραστηριότητας των n πηγών s(t) = [s 1 (t), s 2 (t),, s n (t)] T. 33

34 Προκύπτει λοιπόν η παρακάτω εξίσωση: x(t)= Α s(t) (2), όπου Α ο m*n γραμμικός πίνακας μίξης. Ο πίνακας Α αποτελείται από τα βάρη a ij με τα οποία η ανεξάρτητη συνιστώσα-πηγή προβάλλεται στην καταγραφή του i ηλεκτροδίου x i (t). Εάν η j οστή στήλη του πίνακα Α είναι a j = [ a 1j, a 2j, a 3j,, a mj ] T τότε η εξίσωση (2) μπορεί να γραφτεί εναλλακτικά: ( )= ( ) Σύμφωνα με την παραπάνω εξίσωση το x(t) μπορεί να αναλυθεί σε κάθε χρονική στιγμή t στο άθροισμα των όρων που αντιστοιχούν σε κάθε μία από τις n ανεξάρτητες συνιστώσες. Οι αλγόριθμοι που στηρίζονται στην ICA προσπαθούν να υπολογίσουν τα μη παρατηρήσιμα δείγματα s(t) μέσω της ανεύρεσης ενός πίνακα n*m τέτοιου ώστε: ŝ(t) = W x(t) Τα σήματα ŝ(t) είναι μία εκτίμηση των s(t) και ο πίνακας W είναι μία προσέγγιση του αντίστροφου Α Εικόνα 15:Αναπαράσταση μείξης και διαχωρισμού σημάτων : Τα n ανεξάρτητα σήματα s(t) παράγουν n μετρήσιμα σήματα x(t). Σκοπός της ICA είναι ο υπολογισμός ενός πίνακα W μέσω του οποίου θα γίνονται εκτιμήσεις για τις ανεξάρτητες πηγές ŝ(t) οι οποίες θα προσεγγίζουν τις μετρήσεις s(t). 34

35 2.2.3 ΥΠΟΘΕΣΕΙΣ ΚΑΙ ΠΑΡΑΔΟΧΕΣ ΤΗΣ ΜΕΘΟΔΟΥ Περί ανεξαρτησίας Ο βασικός περιορισμός της ICA είναι ότι οι πηγές πρέπει να είναι στατιστικά ανεξάρτητες. Δύο τυχαίες μεταβλητές x 1 και x 2 θεωρούνται στατιστικά ανεξάρτητες εάν η τιμή της x 1 δεν προσφέρει καμία πληροφορία για την τιμή της x 2 και αντίστροφα. Κατά αντιστοιχία στο ΗΕΓ γίνεται η παραδοχή ότι οι πηγές των ηλεκτρικών σημάτων είναι χρονικά ανεξάρτητες. Σύμφωνα με την ανατομία και τη φυσιολογία του εγκεφάλου τα πυραμιδικά κύτταρα δημιουργούν χημικές συνάψεις με τα γειτονικά τους σε εμβέλεια <500μm. Η συγχρονισμένη δραστηριότητα αυτών συμβαίνει συνήθως σε περιοχές μικρού μεγέθους, ενώ οι μεγάλου μήκους συνδέσεις είναι ιδιαίτερα σπάνιες. Μπορούμε λοιπόν να υποθέσουμε ότι οι διάφορες πηγές συγχρονισμένης δραστηριότητας και παραγωγής ηλεκτρικού σήματος είναι μεταξύ τους χρονικά ανεξάρτητες Χωρική σταθερότητα Για την εφαρμογή της ICA γίνεται επίσης η παραδοχή ότι οι ηλεκτρικές πηγές είναι χωρικά αμετάβλητες για τη χρονική διάρκεια της καταγραφής. Στην πραγματικότητα αυτό δεν είναι δυνατόν να συμβαίνει απόλυτα, γι αυτό στην πράξη η χωρική σταθερότητα είναι αποδεκτή για πηγές που δημιουργούν συχνότητες μικρότερες από 30Hz και περιορίζονται σε περιοχές μικρού μεγέθους. 40 Θόρυβος Όπως είναι γνωστό είναι αδύνατο να μην υπάρχει θόρυβος σε μία καταγραφή ΗΕΓ. Μία πιο ρεαλιστική εξίσωση θα ήταν: x(t) = A s(t) + n(t) Όμως η χρήση ενός υπολογιστικά απλούστερου μοντέλου δεν επηρεάζει τους αλγόριθμους της ICA, ο παράγοντας θόρυβος υποτίθεται αμελητέος

36 Γραμμικότητα O μετασχηματισμός που συνδέει τα σήματα των ηλεκτροδίων με τα σήματα των ανεξάρτητων πηγών υποτίθεται γραμμικός όπως προκύπτει και από την εξίσωση. 36 x(t) = A s(t) Τετραγωνικός πίνακας Στην πραγματικότητα στις περισσότερες περιπτώσεις ο πίνακας m*n δεν είναι τετραγωνικός γιατί το πλήθος των πηγών είναι μικρότερο από το πλήθος των ηλεκτροδίων. Για λόγους υπολογιστικούς ο αριθμός των δύο θεωρείται ίσως και έτσι ο πίνακας γίνεται τετραγωνικός. Αυτό μπορεί να έχει ως συνέπεια κάποιες εκτιμήσεις να μην έχουν βιοφυσική σημασία και γι αυτό να πρέπει να ελέγχονται και να αγνοούνται ΧΑΡΤΟΓΡΑΦΗΣΗ Η ICA μας δίνει τη δυνατότητα να χαρτογραφήσουμε σε εγκεφαλικό μοντέλο δύο διαστάσεων τις ανεξάρτητες συνιστώσες στη διάρκεια του χρόνου. Έτσι μπορούμε να ελέγξουμε σύμφωνα με την ήδη υπάρχουσα βιβλιογραφία εάν τα αποτελέσματα έχουν βιοφυσική σημασία. Εικόνα 16:Χαρτογράφηση ανεξάρτητων συνιστωσών 36

37 2.2.5 ΕΞΑΝΑΓΚΑΣΜΕΝΗ ICA Πολλές φορές γνωρίζουμε εκ των προτέρων τα ιδιαίτερα χαρακτηριστικά των σημάτων των πηγών που προσπαθούμε να εντοπίσουμε. Μπορούμε λοιπόν να χρησιμοποιήσουμε τη γνώση μας αυτή και να μειώσουμε τους βαθμούς ελευθερίας της μεθόδου οδηγώντας έτσι τους αλγόριθμους σε συγκεκριμένες λύσεις. Η προσέγγιση ονομάζεται εξαναγκασμένη ICA. Εξαναγκασμός στη συχνότητα Στην περίπτωση αυτή κατασκευάζουμε ένα επιπλέον ηλεκτρόδιο το οποίο έχει συγκεκριμένο περιεχόμενο συχνοτήτων. Επιλύοντας λοιπόν την ICA μπορούμε να παρατηρήσουμε τις μεταβολές της ισχύος στις συχνότητες που μας ενδιαφέρουν ΜΕΘΟΔΟΛΟΓΙΑ Η μέθοδος αυτή αρχικά χρησιμοποιήθηκε για την ανίχνευση α ρυθμού σε ΗΕΓ εγρήγορσης. Στόχος της ήταν ο εντοπισμός στο χρόνο δραστηριότητας συγκεκριμένου περιεχομένου συχνοτήτων, η δυνατότητα εφαρμογής σε πραγματικό χρόνο καθώς και η τοπογραφική απεικόνιση των ανωτέρω αποτελεσμάτων. 36 Με τη βοήθεια της εξαναγκασμένης ICA και τη χρησιμοποίηση ενός εικονικού καναλιού αναφοράς μπορούμε να εντοπίσουμε την ύπαρξη ενός συγκεκριμένου μοτίβου συχνοτήτων σε μία καταγραφή ή να εντοπίσουμε τα χρονικά σημεία στα οποία αυτό εμφανίζεται. Εκτίμηση συνιστάμενης ρυθμικής δραστηριότητας Έστω ένα διάνυσμα x(t) που αποτελείται από n ηλεκτρόδια καταγραφής. Ο αντίστροφος εντοπισμός πηγής θα πραγματοποιηθεί με την εκτίμηση ενός πίνακα μίξης Α n x n καθώς και των n ανεξάρτητων πηγών διέγερσης s(t), έτσι ώστε να ισχύει: x(t) = A s(t) Προκειμένου να εντοπίσουμε χρονικά μοτίβα με συγκεκριμένο περιεχόμενο συχνοτήτων θα πρέπει στο αρχικό διάνυσμα x(t) να προσθέσουμε ένα εικονικό ηλεκτρόδιο αναφοράς r(t) το οποίο θα 37

38 περιορίζεται στις συχνότητες που μας ενδιαφέρουν. Ο σχηματισμός ενός τέτοιου σήματος γίνεται με τη χρήση ενός ζωνοπερατού φίλτρου σε ένα κανάλι λευκού θορύβου. Προκύπτει λοιπόν ένα νέο διάνυσμα παρατήρησης: x (t) = x(t) r(t) Κατά συνέπεια προκύπτει ένας νέος πίνακας μίξης Â ο οποίος περιέχει μία επιπλέον γραμμή και μία επιπλέον στήλη από το ηλεκτρόδιο αναφοράς r(t). Tο ίδιο θα ισχύει και για το διάνυσμα ŝ (t), στο οποίο θα περιλαμβάνεται ένα ακόμα κανάλι ανεξάρτητης δραστηριότητας ŝ n+1 (t). 1 Το διάνυσμα [a n+1 a 2 n+1 a n n+1 ] Τ που αποτελείται από n στοιχεία του πίνακα μίξης Â αντιστοιχεί στα βάρη με τα οποία η επιπλέον υπολογιζόμενη ανεξάρτητη συνιστώσα ŝ n+1 (t) συμμετέχει σε κάθε ένα από τα πραγματικά ηλεκτρόδια. Επίσης τα στοιχεία της γραμμής n+1 αντικατοπτρίζουν τα βάρη με τα οποία η κάθε ανεξάρτητη συνιστώσα συμμετέχει στη δραστηριότητα του εικονικού ηλεκτροδίου. Συμβολίζοντας με a i τα στοιχεία της i-οστής γραμμής προκύπτει η εξίσωση: a ŝ( )= a ŝ (t) η οποία αποτελεί μία υπολογιστική προσέγγιση του σήματος αναφοράς r(t). 36,44 Εάν από την εξίσωση αυτή αφαιρέσουμε τον τελευταίο όρο τότε θεωρητικά εξαλείφουμε τη συμβολή της συνιστώσας ŝ n+1 (t) στον υπολογισμό του εικονικού σήματος r(t). Έτσι λοιπόν προκύπτει ότι το άθροισμα: = ŝ (t)= ŝ (t)+ ŝ (t)+ + ŝ (t) προσεγγίζει υπολογιστικά το σήμα που βρίσκεται στις πραγματικές καταγραφές και κινείται στη συχνοτική μπάντα του εικονικού καναλιού r(t). Είναι λοιπόν δυνατό να εκτιμηθεί το ποσοστό της ισχύος των 38

39 καταγραφών με συγκεκριμένο συχνοτικό περιεχόμενο μέσω της ισχύος του σήματος αυτού. H μέθοδος μπορεί να χρησιμοποιηθεί και για περισσότερα του ενός ηλεκτρόδια αναφοράς. 36,44 Μέθοδοι επίλυσης Για τον υπολογισμό των πινάκων υπάρχουν δύο τρόποι. Ο πρώτος τρόπος υπολογίζει τις συνδιακυμάνσεις των ηλεκτροδίων καταγραφής για διάφορα χρονικά σημεία με τον ορισμό της συνδιακύμανσης στο πεδίο του χρόνου, ενώ ο δεύτερος τρόπος χρησιμοποιεί το μετασχηματισμό Fourier και το θεώρημα συσχέτισης για να αναπαραστήσει τα σήματα στο πεδίο της συχνότητας και να υπολογίσει τις συναρτήσεις συνδιακύμανσης. Οι μέθοδοι περιγράφονται πιο αναλυτικά στην διπλωματική εργασία «Ανίχνευση ρυθμών εγκεφαλικής 36, 45 δραστηριότητας σε ΗΕΓ». Ηλεκτρόδιο αναφοράς Το ηλεκτρόδιο αναφοράς σχεδιάστηκε με βάση τις περιοχές συχνοτήτων που θέλουμε να εντοπίσουμε, δηλαδή τις συχνότητες Ηz. Εφαρμόζοντας ένα ζωνοπερατό φίλτρο σε ένα κανάλι λευκού θορύβου με τις συχνότητες που μας ενδιαφέρουν προκύπτει το ηλεκτρόδιο αναφοράς. Επειδή οι συχνότητες εγκεφαλικής δραστηριότητας δεν ξεπερνούν τα 100 Ηz θεωρητικά τα δεδομένα μας μπορούν να υποστούν υπο-δειγματοληψία στα πειράματα που θα γίνουν. 39

40 ΚΕΦΑΛΑΙΟ 3 ΠΕΙΡΑΜΑΤΑ- ΑΠΟΤΕΛΕΣΜΑΤΑ ΣΥΜΠΕΡΑΣΜΑΤΑ 3.1 ΕΦΑΡΜΟΓΗ ΜΕΘΟΔΟΥ ΣΕ ΗΕΓ ΥΠΝΟΥ Η μέθοδος εφαρμόστηκε σε πραγματικά δεδομένα του Εργαστηρίου Φυσιολογίας Πανεπιστημίου Πατρών. Τα δεδομένα προέρχονται από ολονύχτιες καταγραφές ύπνου υγιών ατόμων. Οι καταγραφές έγιναν από 64 κανάλια με συχνότητα δειγματοληψίας 2500 Hz. Τα δεδομένα χωρίστηκαν σε αρχεία διάρκειας περίπου 30 λεπτών. Χρησιμοποιήθηκε το πρόγραμμα επεξεργασίας Neuroscan για τη σταδιοποίηση του ύπνου και κυρίως για τον εντοπισμό των υπνικών ατράκτων. Οι άτρακτοι εντοπίστηκαν όχι μόνο στο δεύτερο στάδιο του ύπνου, αλλά και στα δύο τελευταία. Τα δεδομένα που χρησιμοποιήθηκαν ανήκουν σε ένα άτομο και είναι χωρισμένα σε δέκα ημίωρα. Στόχος της μεθόδου ήταν ο εντοπισμός υπνικών ατράκτων κατά τη διάρκεια ολονύχτιας καταγραφής. Η μέθοδος εφαρμόστηκε σε ημίωρες καταγραφές ΗΕΓ ανεξάρτητα από τη σταδιοποίηση του ύπνου. 3.2 ΠΑΡΑΜΕΤΡΟΙ-ΣΧΟΛΙΑΣΜΟΣ Μετρικές Μετρική 1: Υπολογίζει την ισχύ του σήματος στις συχνότητες που ενδιαφέρουν για κάθε χρονικό παράθυρο και στη συνέχεια συνενώνει τα χρονικά παράθυρα με αποτέλεσμα να προκύπτει ένα διάγραμμα που να απεικονίζει τις εκτιμήσεις των σημάτων καθ όλη τη διάρκεια καταγραφής. Μετρική 2: Υπολογίζει την ισχύ του σήματος του εικονικού καναλιού ως προς την ισχύ των σημάτων των καναλιών καταγραφής. 40

41 10 Method 1: FS: Method 2 FS: Εικόνα 17: Αποτελέσματα των 2 διαφορετικών μετρικών με τις ίδιες παραμέτρους. Τα σημεία που είναι μαρκαρισμένα με κόκκινο χρώμα είναι οι υπνικές άτρακτοι που έχουν εντοπιστεί μέσω οπτικής παρατήρησης, ενώ τα σημεία με το μπλε χρώμα δείχνουν την ισχύ του σήματος στις αντίστοιχες χρονικές στιγμές. Το συγκεκριμένο σχήμα προέρχεται από μία ημίωρη καταγραφή. Μέτρα αξιολόγησης Τα αποτελέσματα αξιολογήθηκαν ως προς συγκεκριμένα μέτρα δηλαδή την ευαισθησία(sensitivity), ειδικότητα(specificity), ορθότητα(accuracy), το συνδυασμό ακρίβειας και ανάκλησης(f-measure) και τέλος το FP- Rate. 46 Αρχικά θα αναφέρουμε τους ορισμούς των αληθώς και ψευδώς θετικών και αντίστοιχα αρνητικών αποτελεσμάτων προσαρμοσμένους στη μέθοδο που χρησιμοποιήθηκε. 41

42 Αληθώς θετικό (True Positive) ονομάζεται το αποτέλεσμα της μεθόδου όταν αυτή ανιχνεύει ατράκτους σε χρονικά σημεία που πραγματικά υπάρχουν. Αληθώς αρνητικό (True Negative) ονομάζεται το αποτέλεσμα της μεθόδου όταν δεν ανιχνεύει ατράκτους σε χρονικά σημεία που πραγματικά δεν υπάρχουν. Ψευδώς θετικό (False Positive) ονομάζεται το αποτέλεσμα της μεθόδου όταν αυτή ανιχνεύει ατράκτους που δεν υπάρχουν στα συγκεκριμένα χρονικά σημεία. Ψευδώς αρνητικό (False Negative) ονομάζεται το αποτέλεσμα της μεθόδου όταν αυτή δεν ανιχνεύει ατράκτους που υπάρχουν. Η ευαισθησία (sensitivity) υπολογίζει τον αριθμό των αληθώς θετικών αποτελεσμάτων και αξιολογεί την ικανότητα της μεθόδου να ανιχνεύει θετικά αποτελέσματα. Sensitivity= TP/TP+FN Η ειδικότητα (specificity) αξιολογεί την ικανότητα της μεθόδου να ανιχνεύει αρνητικά αποτελέσματα. Specificity= TN/TN+FP H ορθότητα (accuracy) αξιολογεί κατά πόσο η μέθοδος πλησιάζει ποσοτικά τα ορθά αποτελέσματα. Accuracy: (TP + TN)/(TP + TN + FP + FN) Το F-measure αποτελεί ένα μέτρο της ορθότητας της μεθόδου. F-Measure: 2*(Sensitivity* Specificity)/( Sensitivity+ Specificity) Ο FP- rate αναφέρεται στην πιθανότητα ψευδούς απόρριψης της μηδενικής υπόθεσης για μία μέθοδο, δηλαδή ο δείκτης που αναδεικνύει το ποσοστό των ψευδώς θετικών αποτελεσμάτων. FP-Rate: FP / (FP + TN) 42

43 Παράμετροι Όπως αναφέρθηκε παραπάνω η συχνότητα δειγματοληψίας των καταγραφών ήταν 2500Hz και τα κανάλια που χρησιμοποιήθηκαν ήταν 64. Τα πειράματα λοιπόν που πραγματοποιήθηκαν ήταν με συχνότητα δειγματοληψίας 2500Hz καθώς και με συχνότητες 1250 και 625 Hz. Από τη φυσιολογία γνωρίζουμε ότι η διάρκεια των υπνικών ατράκτων είναι 0,5-3 sec, συχνότερα 0,5-1 sec οπότε τα χρονικά παράθυρα που χρησιμοποιήθηκαν ήταν από 360 msec έως 500 msec με δοκιμές ανά 20 msec. To μέγεθος του βήματος επικάλυψης ήταν από 200 msec έως 360 msec με δοκιμές ανά 20msec. Για κάθε μία από τις μετρικές υπολογίστηκε μία τιμή αναφοράς που ορίστηκε ως κατώφλι (threshold) σύμφωνα με την οποία βελτιώνονταν τα αποτελέσματα. Το κατώφλι ήταν διαφορετικό για κάθε συνδυασμό χρονικού παραθύρου και βήματος επικάλυψης. Sampling Frequency = [ ] Window Size o FS: > 900:50:1250 o FS: > 450:50:600 o FS: > 150:50:300 Window Step Size o FS: > 500:50:900 o FS: > 250:50:450 o FS: > 50:50:150 Πίνακας 1: Τα πειράματα πραγματοποιήθηκαν για τις συχνότητες 2500,1250,625Ηz και εφαρμόστηκαν όλοι οι συνδυασμοί παραθύρου και βήματος που φαίνονται στο σχήμα για κάθε συχνότητα δειγματοληψίας. Αρχικά έγιναν προσπάθειες πειραμάτων χρησιμοποιώντας 58 κανάλια, αφαιρώντας δηλαδή μόνο όσα είχαν θόρυβο όπως π.χ. τα ΕCG,EOG όμως τα πειράματα απαιτούσαν υπερβολικά μεγάλα χρονικά διαστήματα για να ολοκληρωθούν λόγω υπερφόρτωσης της μνήμης. Κατά συνέπεια έπρεπε να γίνει επιλογή μικρότερου αριθμού καναλιών ώστε η μέθοδος να αποδίδει αποτελέσματα σε λογικά χρονικά διαστήματα. Έγιναν λοιπόν δοκιμές χρησιμοποιώντας 5 ηλεκτρόδια: FPz, F3, F2, F4, CΖ. Στη συνέχεια ακολούθησαν πειράματα με βάση τα καλύτερα αποτελέσματα χρησιμοποιώντας τα ηλεκτρόδια FPZ, F5, F3, F1, FZ, F2, F4, F6, C5, C3,C1,CZ,C2,C4,C6 ώστε να συγκριθούν πιθανές 43

44 διαφορές. Η επιλογή έγινε σύμφωνα με τη μέχρι τώρα βιβλιογραφία σύμφωνα με την οποία οι υπνικές άτρακτοι είναι περισσότερο εμφανείς στα κεντρικά ηλεκτρόδια, όπως επίσης γνωρίζουμε ότι εμφανίζονται στις πρόσθιες, βρεγματικές και κεντρικές περιοχές. 47 Επίσης χρησιμοποιήθηκε FIR ζωνοπερατό φίλτρο στις συχνότητες 4-45Hz προκειμένου να αφαιρεθούν τυχόν τεχνικά σφάλματα πολύ υψηλής ή πολύ χαμηλής συχνότητας. 44

45 ΑΠΟΤΕΛΕΣΜΑΤΑ Μελετήθηκαν τα αποτελέσματα των πειραμάτων ξεχωριστά για κάθε συχνότητα δειγματοληψίας και συγκρίθηκαν μεταξύ τους οι δύο μετρικές που αναφέρονται παραπάνω ως προς την ευαισθησία (sensitivity), την ειδικότητα (specificity), την ορθότητα (accuracy), το δείκτη ψευδώς θετικών αποτελεσμάτων (FP-Rate) και το F- measure. Παρατηρούμε λοιπόν ότι στη συχνότητα δειγματοληψίας 2500 Hz η μέθοδος με τα καλύτερα αποτελέσματα είναι η μετρική 1 η οποία όπως έχουμε αναφέρει υπολογίζει την ισχύ του σήματος στις συχνότητες που μας ενδιαφέρουν δηλαδή Hz. Οι τιμές όμως των μέτρων αξιολόγησης τροποποιούνται ανάλογα με το χρονικά παράθυρα που μελετάμε και το χρόνο επικάλυψης των παραθύρων αυτών. Συγκεκριμένα ο συνδυασμός παραθύρου- αλληλοεπικάλυψης με την καλύτερη ευαισθησία είναι τα 360 msec με βήμα επίσης 360 msec. Ο συνδυασμός με την υψηλότερη τιμή ειδικότητας και την χαμηλότερη δυνατή τιμή FP-Rate είναι τα 500 msec με παράθυρο επικάλυψης τα 300 msec. Τέλος για τη συχνότητα δειγματοληψίας 2500 Ηz ο καλύτερος συνδυασμός είναι το χρονικό παράθυρο 480 msec με επικάλυψη 200 msec. Όλα τα ανωτέρω περιγράφονται στον πίνακα 2. Fs 2500 Hz Best Sensitivity: Configuration: Window Size: 900 Step Size: 900 Metric 1 For this configuration: FP-Rate: 0, Specificity: 0, Accuracy: 0, F-Measure: 0, Confusion Matrix: o TP: 272 o TN: 1990 o FP: 2724 o FN: 39 Best Specificity: Configuration: Window Size: 1250 Step Size: 750 Metric 1 For this configuration: Sensitivity: FP- Rate: Accuracy: F-Measure: Confusion Matrix: o TP: 193 o TN: 4911 o FP:807 o FN:

46 Best Accuracy: Configuration: Window Size: 1250 Step Size: 650 Metric 1 For this configuration: FP-Rate: 0, Sensitivity: 0, Specificity: 0, F-Measure: 0, Confusion Matrix: o TP: 198 o TN: 5695 o FP: 951 o FN: 113 Best F-Measure: Configuration: Window Size: 1200 Step Size: 500 Metric 1 For this configuration: Sensitivity:0, FP- Rate: Accuracy: Specificity:0, Confusion Matrix: o TP: 193 o TN: 4911 o FP:807 o FN: 118 Best FP-Rate: Configuration: Window Size: 1250 Step Size: 750 Metric 1 For this configuration: Sensitivity: FP- Rate: Accuracy: F-Measure: Confusion Matrix: o TP: 193 o TN: 4911 o FP:807 o FN: 118 Πίνακας 2 : Βέλτιστα αποτελέσματα για τη συχνότητα δειγματοληψίας 2500 Hz. 46

47 10 Method 1: FS: Εικόνα 18: Μετρική 1, συχνότητα δειγματοληψίας 2500 Hz,χρονικό παράθυρο 900, παράθυρο επικάλυψης 900.Τα σημεία που είναι μαρκαρισμένα με κόκκινο χρώμα αντιστοιχούν σε υπνικές ατράκτους που σημειώθηκαν με οπτική παρατήρηση. Τα σημεία με το μπλε χρώμα αντιστοιχούν σε τιμές που ανάλογα με τον ουδό στο συγκεκριμένο συνδυασμό αντιστοιχούν σε ατράκτους που ανιχνεύει η μέθοδος. Fs 1250 Hz Best Sensitivity: Configuration: Window Size: 500 Step Size: 250 Metric 2 For this configuration: FP-Rate: 0,32566 Specificity: 0,67433 Accuracy: 0,68045 F-Measure: 0,75286 Confusion Matrix: o TP: 265 o TN: 5889 o FP: 2844 o FN: 46 Best Specificity: Configuration: Window Size: 600 Step Size: 350 Metric 2 For this configuration: Sensitivity: FP- Rate: Accuracy: F-Measure: Confusion Matrix: o TP: 230 o TN: 4656 o FP:1493 o FN: 81 47