Jerzy A. Moczko Katedra i Zakład Informatyki i Statystyki UM - Poznań ANALIZA ZJAWISK OKRESOWYCH W BADANIACH MEDYCZNYCH

Transkrypt

1 Jerzy A. Moczko Katedra i Zakład Informatyki i Statystyki UM - Poznań ANALIZA ZJAWISK OKRESOWYCH W BADANIACH MEDYCZNYCH

2 SPECYFIKA DANYCH MEDYCZNYCH

3 PODSTAWOWE TYPY INFORMACJI ALFANUMERYCZNA SYGNAŁY OBRAZY

4 INFORMACJA ALFANUMERYCZNA DANE REJESTRACYJNE HISTORIA CHOROBY WYNIKI LABORATORYJNE EPIKRYZA RECEPTY

5 INFORMACJA SYGNAŁOWA ELEKTROKARDIOGRAFIA ELEKTROENCEFALOGRAFIA ELEKTROMIOGRAFIA ELEKTRONYSTAGMOGRAFIA ELEKTROGASTROGRAFIA ELEKTROINTESTINOGRAFIA ELEKTROOKULOGRAFIA KARDIOTOKOGRAFIA

6 NATURA SYGNAŁÓW BIOLOGICZNYCH ELEKTRYCZNE MAGNETYCZNE MECHANICZNE AKUSTYCZNE CHEMICZNE CIEPLNE elektrokardiografia, elektroencefalografia, elektromiografia, elektroretinografia, elektrointestinografia, magnetokardiografia ciśnienie krwi, ruchy oddechowe, skurcze mięśnia macicy fonokardiografia fluktuacje stężenia gazów we krwi, gospodarka wodno-elektrolitowa temperatura

7 INFORMACJA OBRAZOWA KLASYCZNA TECHNIKA RENTGENOWSKA JĄDROWY REZONANS MAGNETYCZNY ULTRASONOGRAFIA MIKROSKOPIA OPTYCZNA I ELEKTRONOWA BADANIE DNA OKA TERMOGRAFIA

8 CYKLICZNOŚĆ ZJAWISK BIOLOGICZNYCH RYTMY MOGĄ MIEĆ ROZMAITY OKRES RYTMY BARDZO WOLNE OKRES DŁUŻSZY NIŻ 24 GODZINY (INFRADIAN) RYTMY OKOŁO DOBOWE (CIRCADIAN) RYTMY SZYBKIE OKRES KRÓTSZY NIŻ 24 GODZINY (ULTRADIAN)

9 CELE ANALIZY SYGNAŁU BIOLOGICZNEGO Wniknięcie w naturę systemu generującego sygnał (cel naukowy, poznawczy) ustalenie aktualnego stanu systemu (cel praktyczny - postawienie diagnozy)

10 WADY ANALIZY WZROKOWEJ SYGNAŁÓW BIOLOGICZNYCH wydobycie małego procentu zawartej w sygnale informacji zależność interpretacji zapisu od stopnia doświadczenia i zmęczenia osoby analizującej wpływ efektów psychologicznych ( stan emocjonalny osoby analizowanej i analizującej)

11 ETAPY PRZETWARZANIA SYGNAŁÓW PRZETWARZANIE WSTĘPNE PRÓBKOWANIE SYGNAŁU ANALIZA W DZIEDZINIE CZASU ANALIZA W DZIEDZINIE CZĘSTOTLIWOŚCI ANALIZA W POŁĄCZONEJ DZIE- DZINIE CZASU-CZĘSTOTLIWOŚCI KLASYFIKACJA I DIAGNOZA

12 TYPY SYGNAŁÓW sygnały ciągłe (szeregi czasowe, time series) - EKG, EEG, EMG procesy punktowe (sekwencje zdarzeń, time events) - częstość uderzeń serca, sekwencje wyładowań neuronowych

13 STANDARDY PODŁĄCZENIA APARATURY MEDYCZNEJ sprzętowe porty komunikacyjne ŁĄCZA SZEREGOWE EIA 485 (232) (Electronic Industry Association dawny standard RS Recomended Standard) ŁĄCZA RÓWNOLEGŁE ŁĄCZA USB ŁĄCZA VXI, PXI KARTY ANALOGOWO - CYFROWE

14 AKWIZYCJA SYGNAŁU ZBIERANIE SYGNAŁU PRZY UŻYCIU ROZMAITYCH SENSORÓW PRAWIDŁOWE PRZETWARZANIE WSTĘPNE (LINEARYZACJA, WZMOCNIENIE, FILTRACJA, KOMPENSACJA UPŁYWNOŚCI)

15

16 HARDWARE SOFTWARE

17 INSTRUMENTACJA WIRTUALNA

18

19

20 INSTRUMENTACJA WIRTUALNA

21 ANALIZA W DZIEDZINIE CZASU

22

23 ANALIZA CZĘSTOŚCI UDERZEŃ SERCA

24 190 DECELERATION PATTERN FHR TIME

25 Analiza Cosinorowa Faza Amplituda Mesor 2 y( t) M Acos t T

26 y i M Acos( t ) i e i gdzie: M MESOR (ang. midline estimating statistic of rhythm) A amplituda funkcji cosinorowej - akrofaza przesunięcie fazowe e składnik losowy 2 T T badany okres Korzystając z tożsamości trygonometrycznej cos( t ) cos t cos sin t sin i i i y i M model cosinorowy można zapisać w postaci liniowej: xi cos ti Acos xi zi ei gdzie: z sin t Acos i i ˆ arctan n n n ˆ 1 1 ˆ 1 M y ˆ i xi z 2 2 i n i 1 n i 1 n Aˆ ˆ ˆ i 1 MESOR amplituda akrofaza ˆ ˆ

27 Zakładając normalność rozkładu parametrów, otrzymujemy elipsoidę równej gęstości postaci: X ˆ 2 T ˆ ˆ Z ˆ F 1 (2, n 3) n A gdzie: 1 X n 1 Z n 1 T n Elipsoidę równej gęstości wykorzystujemy do testowania hipotezy: H H 0 i 1 n i 1 n n i 1 ( x ( z ( x : 0 : ~ H 1 0 i i i x ) i i 2 2 zi ) x )( z i z ) i - akrofaza, przesunięcie fazowe A - amplituda Test ten często nazywany jest zero amplitude test

28 Model cosinorowy można uogólnić na całą badaną populację Mając obliczone parametry modelu dla poszczególnych osobników: (,, ),(,, ),...,(,, ) M1 1 1 M M k k k otrzymujemy parametry populacyjne postaci: MESOR M k k k 1 ˆ 1 ˆ 1 M ; ; ˆ k k k i i i i 1 i 1 i 1 amplituda A 2 2 akrofaza arctan

29 DESKRYPTORY W DZIEDZINIE CZASU

30 DESKRYPTORY W DZIEDZINIE CZASU

31 DESKRYPTORY W DZIEDZINIE CZASU

32 DESKRYPTORY W DZIEDZINIE CZASU

33 ANALIZA W DZIEDZINIE CZĘSTOTLIWOŚCI

34 65 55 SAYERS MODEL OF HEART RATE PSD BLOOD PRESSURE DYNAMIC CONTROL AMPLITUDE 45 BODY TEMPERATURE DYNAMIC CONTROL RESPIRATORY MOVEMENTS 5-5

35 DESKRYPTORY W DZIEDZINIE CZĘSTOTLIWOŚCI

36 WYNIKI ANALIZY W DZIEDZINIE CZĘSTOTLIWOŚCI

37 DESKRYPTORY W DZIEDZINIE CZĘSTOTLIWOŚCI

38 ANALIZA SYGNAŁU W DZIEDZINIE CZĘSTOTLIWOŚCI METODY OPARTE NA FFT

39 ZALETY: NAJBARDZIEJ ROZPOWSZECHNIONA TECHNIKA UZYSKIWANIA WIDM (DOBRZE ZNANE I EFEKTYWNE OBLICZENIOWO ALGORYTMY) ŁATWA INTERPRETACJA UZYSKANYCH WYNIKÓW WADY: WŁAŚCIWOŚCI METOD FFT SILNA ZALEŻNOŚĆ ROZDZIELCZOŚCI CZĘSTOTLIWOŚCIOWEJ OD DŁUGOŚCI SYGNAŁU STOSUJE SIĘ WYŁĄCZNIE DO SYGNAŁÓW STACJONARNYCH SŁABA REDUKCJA LICZBY DANYCH WEJŚCIOWYCH (KLASYFIKACJA STATYSTYCZNA I INNE METODY ANALIZY) NISKA STABILNOŚĆ STATYSTYCZNA UZYSKANYCH ESTYMAT WIDMA MOCY LICZBA PRÓBEK MUSI BYĆ POTĘGĄ LICZBY 2

40 ANALIZA SYGNAŁU W DZIEDZINIE CZĘSTOTLIWOŚCI METODY OPARTE NA TECHNIKACH PARAMETRYCZNYCH

41 WŁAŚCIWOŚCI METOD PARAMETRYCZNYCH ZALETY WIDMO SYGNAŁU JEST GŁADKIE I STABILNE UZYSKUJE SIĘ MAŁĄ LICZBĘ PARAMETRÓW (JEST ONA NIEZALEŻNA OD DŁUGOŚCI SYGNAŁU) OPISUJĄCĄ W SPOSÓB JEDNOZNACZNY WIDMO ROZDZIELCZOŚĆ CZĘSTOTLIWOŚCIOWA JEST O KILKA RZĘDÓW WIELKOŚCI LEPSZA NIŻ W PRZYPADKU TECHNIK FFT NAWET DLA BARDZO KRÓTKICH SYGNAŁÓW WADY ZŁOŻONY ALGORYTM OBLICZENIOWY MOŻLIWOŚĆ ANALIZOWANIA SYGNAŁÓW WYŁĄCZNIE QUASI STACJONARNYCH PROBLEM WYBORU TYPU MODELU ORAZ PRAWIDŁOWE OSZACOWANIE JEGO RZĘDU

42 FHR W RÓŻNYCH STANACH ZACHOWANIA SPOCZYNEK RUCHY CIAŁA CZĘSTOŚĆ UDERZEŃ SERCA CZAS (SEKUNDY)

43 ANALIZA W POŁĄCZONEJ DZIEDZINIE CZASU I CZĘSTOTLIWOŚCI

44 DESKRYPTORY W POŁĄCZONEJ DZIEDZINIE CZASU I ZĘSTOTLIWOŚCI

45 INSTANTANEOUS PSD (PHASE 1)

46 INSTANTANEOUS PSD (PHASE 2)

47 INSTANTANEOUS PSD (PHASE 3)

48 AVERAGED PSD

49

50

51 SKŁADOWE JEDNOCZESNE

52 KOLEJNO WYSTĘPUJĄCE SKŁADOWE

53 JTFA - ALGORYTM ADAPTACYJNY

54 ZAWARTOŚĆ INFORMACYJNA JTFA CZY SYGNAŁ MA STRUKTURĘ PROSTĄ CZY ZŁOŻONĄ JAKI JEST ZAKRES CZĘSTOTLIWOŚCI WYSTĘPUJĄCYCH W BADANYM SYGNALE CZY I W JAKI SPOSÓB CZĘSTOTLIWOŚCI ZMIENIAJĄ SIĘ W CZASIE JAKA MOC ZWIĄZANA JEST Z POSZCZEGÓLNYMI SKŁADOWYMI CZĘSTOTLIWOŚCIOWYMI

55

56

57

58

59 ŹRÓDŁA ZAKŁÓCEŃ ZAKŁÓCENIA CYKLICZNE (WĄSKOPASMOWE)

60 ŹRÓDŁA ZAKŁÓCEŃ ZAKŁÓCENIA NIECYKLICZNE (SZEROKOPASMOWE)

61 USUWANIE ZAKŁÓCEŃ CYKLICZNYCH FILTRY CYFROWE

62 USUWANIE ZAKŁÓCEŃ CYKLICZNYCH TRANSFORMATA FALKOWA DAUBECHIE6

63 PORÓWNANIE WYNIKÓW FILTRACJI

64 USUWANIE SZUMU SZEROKOPASMOWEGO METODĄ UWT (undecimated wavelet transform)

65 WYNIK FILTRACJI UWT

66 DETEKCJA KOMPLEKSÓW QRS METODĄ ANALIZY WIELOROZDZIELCZEJ OPARTEJ NA DWT

67 WYNIK ANALIZY WIELOROZDZIELCZEJ

68 Częstość uderzeń serca płodu - FHR EKG US FHR [ bpm] TRR [ ms] Obwiednia US

69 Metodyka Klasyczna analiza czynności skurczowej macicy analiza sygnału TOCO w dziedzinie czasu Detekcja skurczu 1. Wyznaczenie tonu podstawowego - TP 2. Określenie progu detekcji - PD 3. Detekcja wychyleń krzywej skurczowej powyżej progu detekcji 4. Klasyfikacja wychylenia jako skurczu jeśli spełnione są kryteria amplitudy oraz czasu trwania wychylenia Wyznaczenie podstawowych parametrów skurczu TOCO Amplituda Amplituda > 20 Czas trwania > 30 sek Powierzchnia Próg detekcji Czas max Czas rozpoczęcia Czas trwania Ton podstawowy Czas

70 Metodyka Analiza sygnału TOCO w dziedzinie czasu Surowy TOCO Filtracja dolnoprzepustowa 0,04 Hz Okno: szer. 5 min krok 1 min Histogram Wartość modalna = Próbka tonu podstawowego Ton podstawowy + 10 = Próg detekcji

71 KLASYFIKACJA DANYCH DIAGNOSTYCZNYCH METODY STATYSTYCZNE METODY SZTUCZNEJ INTELIGENCJI

72 METODY STATYSTYCZNE ANALIZA OPISOWA TESTOWANIE HIPOTEZ KORELACJA I REGRESJA METODY MODELOWANIA STATYSTYCZNEGO

73 METODY SZTUCZNEJ INTELIGENCJI SZTUCZNE SIECI NEURONOWE TEORIA ZBIORÓW ROZMYTYCH TEORIA ZBIORÓW PRZYBLIŻONYCH

74 DZIĘKUJĘ PAŃSTWU ZA UWAGĘ