การตรวจจับการชักแบบอัตโนมัติบนพื้นฐานของ AMPLITUDE-INTEGRATED ELECTROENCEPHALOGRAPHY

ชวิน สถิรเศรษฐวงษ์

dc.contributor.advisor	อภิวัฒน์ เล็กอุทัย	en_US
dc.contributor.advisor	กฤษณชัย ชมโท	en_US
dc.contributor.author	ชวิน สถิรเศรษฐวงษ์	en_US
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์	en_US
dc.date.accessioned	2015-09-17T04:04:04Z
dc.date.available	2015-09-17T04:04:04Z
dc.date.issued	2557	en_US
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/45650
dc.description	วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2557	en_US
dc.description.abstract	การชักเป็นความผิดปกติที่หากเกิดขึ้นเป็นระยะเวลานานอย่างต่อเนื่องจะสามารถส่งผลเสียต่อสมองและร่างกายได้ การใช้ amplitude-integrated EEG (aEEG) ช่วยให้การวินิจฉัยของแพทย์มีความสะดวกรวดเร็วมากยิ่งขึ้น ในวิทยานิพนธ์นี้มีเป้าหมายในการพัฒนาขั้นตอนวิธีการตรวจจับการชักแบบอัตโนมัติโดยใช้ aEEG เป็นพื้นฐาน ทำการศึกษาแบบออฟไลน์ (off-line) กับฐานข้อมูล CHB-MIT Scalp EEG Database ที่มีแฟ้มข้อมูลหมายเหตุระบุช่วงชัก การพัฒนาขั้นตอนวิธีการตรวจจับการชักเริ่มจากการเลือกช่องสัญญาณ โดยแต่ละแฟ้มข้อมูลจะถูกเลือกออกมาเพียงหนึ่งช่องสัญญาณที่มีแอมพลิจูดในช่วงชักที่สูงที่สุด จากนั้นคลื่นไฟฟ้าสมองช่องสัญญาณเดียวนี้จะถูกแปลงเป็นสัญญาณ aEEG โดยผ่านการกรองแถบความถี่ผ่าน การเรียงกระแสสัญญาณระหว่างจุดยอด การปรับเรียบสัญญาณ และการบีบอัดสัญญาณทั้งในเชิงแอมพลิจูดและเวลา สัญญาณ aEEG ที่ได้จะเข้าสู่ขั้นตอนวิธีการตรวจจับการชักที่ใช้วิธีทางสถิติอย่างง่าย มีกระบวนการหาค่าพารามิเตอร์ที่เหมาะสมเพื่อนำไปใช้ทดสอบตรวจจับการชักจากคลื่นไฟฟ้าสมองแบบหลายช่องสัญญาณ ค่าสมรรถนะในการตรวจจับแสดงออกในค่าของความไว (sensitivity; SE) จำนวนการตรวจพบลวงต่อชั่วโมง (false detection per hour; FDh) และเปอร์เซ็นต์ของระยะเวลาการตรวจพบลวง (percentage of false detection duration; FDD) โดยสมรรถนะการตรวจจับการชักขั้นต่ำที่ 40 วินาทีจากการเฉลี่ยของสัญญาณ aEEG มีค่า SE อยู่ที่ 97.96% ค่า FDh 1.11 ครั้งต่อชั่วโมง และ FDD 2.05% ส่วนการตรวจจับจากช่องสัญญาณ F3-P3 และ F4-P4 มีค่า SE 93.88% ค่า FDh 0.35 ครั้งต่อชั่วโมง และFDD 0.66% โดยสรุปแล้วขั้นตอนวิธีการตรวจจับการชักที่พัฒนาขึ้นนั้น มีสมรรถนะอยู่ในเกณฑ์ที่ใช้ได้ มีค่าความไวที่สูง ในขณะที่ค่าความผิดพลาดอยู่ในระดับต่ำ และสามารถนำองค์ความรู้ที่ได้นี้ไปพัฒนาต่อยอดเป็นซอฟต์แวร์ที่ใช้ได้ในการตรวจจับการชักแบบเวลาจริงต่อไป	en_US
dc.description.abstractalternative	Seizure is an abnormal change in brain activity which can lead to brain damage with prolonged occurrence. Amplitude-integrated EEG (aEEG) is a tool widely used in detecting seizure. It helps providing information about seizure-suspected events which makes diagnosis more convenient. In this thesis, we present an automatic seizure detection algorithm based on aEEG. The CHB-MIT Scalp EEG Database with annotations is used as an input signal in this off-line detection. The channel with maximum amplitude in ictal period was selected from each file to develop a seizure detection algorithm. The aEEG is first created from this selected channel of raw EEG by passing through band-pass filter, peak-to-peak rectification, smoothing, semi-logarithmic compression and time compression. The aEEG is then used in seizure detection algorithm that is developed based on simple statistic methods. The parameters in the algorithm are optimized and used to detect seizure from multi-channel EEG. Results of detecting seizure of at least 40 seconds from averaging of aEEG signals show sensitivity (SE) of 97.96%, 1.11 false detection per hour (FDh) and percentage of false detection duration of 2.05%. Results from F3-P3 and F4-P4 show SE of 93.88%, 0.35 FDh and FDD of 0.66%, respectively. In conclusion, the seizure detection algorithm presented here is a good tool with high SE and low FDh and FDD in detecting seizure with at least 40 seconds of duration. The knowledge from this thesis can be used in developing a real-time seizure detection tool to use in real cases.	en_US
dc.language.iso	th	en_US
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย	en_US
dc.relation.uri	http://doi.org/10.14457/CU.the.2014.1036
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย	en_US
dc.subject	การชัก
dc.subject	การบันทึกคลื่นไฟฟ้าสมอง
dc.subject	สมอง -- โรค -- การวินิจฉัย
dc.subject	Convulsions
dc.subject	Electroencephalography
dc.subject	Brain -- Diseases -- Diagnosis
dc.title	การตรวจจับการชักแบบอัตโนมัติบนพื้นฐานของ AMPLITUDE-INTEGRATED ELECTROENCEPHALOGRAPHY	en_US
dc.title.alternative	AMPLITUDE-INTEGRATED ELECTROENCEPHALOGRAPHY BASED AUTOMATIC SEIZURE DETECTION	en_US
dc.type	Thesis	en_US
dc.degree.name	วิทยาศาสตรมหาบัณฑิต	en_US
dc.degree.level	ปริญญาโท	en_US
dc.degree.discipline	วิศวกรรมชีวเวช	en_US
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย	en_US
dc.email.advisor	Apiwat.L@Chula.ac.th,apiwat.lekuthai@gmail.com	en_US
dc.email.advisor	Krisnachai.C@chula.ac.th	en_US
dc.identifier.DOI	10.14457/CU.the.2014.1036