Вибiр оптимального порядку мультиварiативних авторегресiйних моделей електроенцефалограм при епілепсії

Скорочена інформація про документ
dc.contributor.authorКотючий, I. В.
dc.contributor.authorПопов, А. О.
dc.contributor.authorХаритонов, В. I.
dc.contributor.authorKotiuchyi, I. V.
dc.contributor.authorPopov, A. O.
dc.contributor.authorKharytonov, V. I.
dc.contributor.authorКотючий, И. В.
dc.contributor.authorПопов, А. О.
dc.contributor.authorХаритонов, В. И.
dc.date.accessioned2018-09-03T13:18:36Z
dc.date.available2018-09-03T13:18:36Z
dc.date.issued2018
dc.description.abstractenIntroduction. Brain electrical activity signals (or EEG) by their very nature are non-stationary time series. This basically allows applying a set of mathematicalstatistical analysis methods to them. One of the most common methods for signal analyzing is the construction of autoregressive mathematical models and analysis of their parameters in order to obtain additional information about the signal itself or causality between signals. In multivariate autoregressive (MVAR) modeling of EEG, the main issue is the optimal choice of model order. In this work, the approach for selecting the optimal order of MVAR models of brain electrical activity signals of subjects diagnosed with epilepsy is proposed. MVAR modeling. The autoregressive model assumes that the current sample of the discrete signal can be linearly predicted as a weighted sum of its previous samples. MVAR model extends this assumption to multiple time series so that the vector of current samples of all signals is modeled as a linear sum of their previous samples. MVAR models of EEG signals essentially are formed by solving systems of linear equations. The Yule-Walker method of linear equations systems solving is used in this paper. The accuracy of EEG modeling depends on the order of model. Each model order influenced by the amount of delay between current samples and last previous samples used to generate the model. To assess the order and quality of models the Schwarz-Bayes information criterion (SBC) is used in this work taking into account the covariance matrix of the residuals. Additionally, the quality is assessed by Pearson’s correlation coefficient between the real and simulated data. In this paper, the MVAR modeling and statistical analysis of the models’ optimal orders of the input signal periods before, during and after an epileptic seizure is carried out. Experimental results. Two sets of EEG data with generalized and focal epileptic seizures are used. The first group of patients with focal seizures consists of 26 people and more than 100 epileptic seizures. The second group with generalized seizures consists of 11 people and about 50 epileptic seizures. For EEG signals modeling, values of orders in a range from 1 to 22 are used. Consequently, for each investigated period of signal (before, during and after a seizure), 22 different MVAR models are constructed and compared. After modeling, the obtained models for each order value are evaluated using the SBC criterion. Conclusions. According to the results, it is recommended to choose the order of MVAR models of EEG signals in the predefined range of orders from 11 to 13. Since the sampling rate of the signals used in these experiments is 250 Hz, the specified range of order values indicates that MVAR-modelling of one signal includes information that contains all other signals with a delay of 44-52 ms. Therefore, theoretically, it is possible to allocate functional characteristics of brain electrical activity for patients with epilepsy that occur synchronously in different parts of the brain and spread at an average of 50 ms. Moreover, the ways of further research of electrical brain activity and functional connections of brain regions during epileptic activity are indicated.uk
dc.description.abstractruВ работе предложен подход к выбору оптимальных порядков мультивариативных авторегрессионных (МВАР) моделей сигналов электрической активности мозга пациентов, которым поставлен диагноз эпилепсии. Проведено МВАР-моделирование и статистический анализ оптимальных порядков моделей участков сигналов до, во время и после эпилептического приступа. Для оценки качества моделей использован информационный критерий Шварца-Байеса с учетом ковариационной матрицы остатков смоделированных данных. Дополнительно качество оценено с помощью коэффициента корреляции Пирсона между реальными и смоделированными данными. В экспериментальной части были использованы записи электроэнцефалографических (ЭЭГ) сигналов с двух наборов данных для генерализованных и фокальных эпилептических приступов. По результатам проведенной работы рекомендуется выбирать значение порядков МВАР моделей ЭЭГ- сигналов для указанных участков в диапазоне 11-13. Указаны пути дальнейших исследований электрической активности мозга и функциональных связей его отделов во время эпилептической активности.uk
dc.description.abstractukВ роботi запропонований пiдхiд до вибору оптимальних порядкiв мультиварiативних авторегресiйних (МВАР) моделей сигналiв електричної активностi мозку пацiєнтiв, яким поставлений дiагноз епiлепсiї. Проведено МВАР-моделювання та статистичний аналiз оптимальних порядкiв моделей дiлянок сигналiв до, пiд час та пiсля епiлептичного нападу. Для оцiнки якостi моделей використано iнформацiйний критерiй Шварца-Байєса з урахуванням коварiацiйної матрицi залишкiв змодельованих даних. Додатково якiсть оцiнено за допомогою коефiцiєнта кореляцiї Пiрсона мiж реальними та змодельованими даними. В експериментальнiй частинi були використанi записи електроенцефалографiчних (ЕЕГ) сигналiв з двох наборiв даних для генералiзованих та фокальних епiлептичних нападiв. За результатами проведеної роботи рекомендується обирати значення порядкiв МВАР моделей ЕЕГ- сигналiв для зазначених дiлянок в дiапазонi 11-13. Вказанi шляхи подальших дослiджень електричної активностi мозку та функцiональних зв’язкiв його вiддiлiв пiд час епiлептичної активностi.uk
dc.format.pagerangeС. 33–39uk
dc.identifier.citationКотючий, I. В. Вибiр оптимального порядку мультиварiативних авторегресiйних моделей електроенцефалограм при епілепсії / I. В. Котючий, А. О. Попов, В. I. Харитонов // Вісник НТУУ «КПІ». Радіотехніка, радіоапаратобудування : збірник наукових праць. – 2018. – Вип. 73. – С. 33–39. – Бібліогр.: 12 назв.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/24405
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.sourceВісник НТУУ «КПІ». Радіотехніка, радіоапаратобудування: збірник наукових праць, Вип. 73uk
dc.status.pubpublished
dc.subjectавторегресiйна модельuk
dc.subjectелектроенцефалографiяuk
dc.subjectепiлепсiяuk
dc.subjectпорядок статистичної моделiuk
dc.subjectепiлептичнi нападиuk
dc.subjectautoregressive modeluk
dc.subjectelectroencephalography; epilepsyuk
dc.subjectthe order of statistical modeluk
dc.subjectepileptic seizuresuk
dc.subjectавторегрессионная модельuk
dc.subjectэлектроэнцефалографияuk
dc.subjectэпилепсияuk
dc.subjectпорядок статистической моделиuk
dc.subjectэпилептические приступыuk
dc.titleВибiр оптимального порядку мультиварiативних авторегресiйних моделей електроенцефалограм при епілепсіїuk
dc.title.alternativeSelection of the optimal order for multivariate autoregressive model of electroencephalograms for patients with epilepsyuk
dc.title.alternativeВыбор оптимального порядка мультивариативних авторегрессионных моделей электроэнцефалограмм при эпилепсииuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
7.pdf
Розмір:
657.16 KB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
7.74 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Вісник НТУУ «КПІ». Радіотехніка, радіоапаратобудування : збірник наукових праць, Вип. 73