Titelaufnahme

Titel
Realtime assessment of vigilance based on integrated EOG biosignal pattern recognition / Submitted by Sten Hanke
VerfasserHanke, Sten
Begutachter / BegutachterinMayr, Winfried
Erschienen2012
Umfang152 S..
HochschulschriftWien, Med. Univ., Diss., 2012
SpracheEnglisch
Bibl. ReferenzOeBB
DokumenttypDissertation
Schlagwörter (DE)EOG / Vigilanz / Mustererkennung
Schlagwörter (EN)EOG / vigilance / pattern recognition
URNurn:nbn:at:at-ubmuw:1-4886 Persistent Identifier (URN)
Zugriffsbeschränkung
 Das Werk ist frei verfügbar
Dateien
Realtime assessment of vigilance based on integrated EOG biosignal pattern recognition [8.59 mb]
Links
Nachweis
Klassifikation
Zusammenfassung (Deutsch)

Die Vigilanz (lat. vigilantia - Wachheit, Schlauheit), bezieht sich auf eine unspezi sche organismische Reaktionsbereitsschaft, die Aufmerksamkeit über einen längeren Zeitraum auf einem hohen oder höoheren Niveau zu halten. Die Notwendigkeit, Aufmerksamkeit und Vigilanz in Echtzeit zu erfassen, macht es erforderlich die zugrunde liegenden neuronalen Aktivitäten besser zu verstehen und interpretieren zu können. International anerkannte Forschungsgruppen und Studien nutzen unter anderem EEG- und EOG-Signale für eine Visualisierung und Klassi zierung von Schlafstadien. Nach dem heutigen Stand der Technik kann bereits eine automatisierte Detektion und Klassi zierung von Schlafphasen, beruhend auf EEG und EOG sowie EMG, realisiert werden. Darüber hinaus gibt es jedoch eine zwingende Notwendigkeit einer automatischen Klassi zierung und Bewertung von Vigilanz und Aufmerksamkeit im Wachzustand. Die vorliegende Arbeit präsentiert eine Zusammenfassung der bisherige Methoden zur Aufmerksamkeitsbeurteilung.

Basierend auf einer Studie zeigt die Arbeit weiterhin erste Entwicklung von Modellen und Algorithmen, welche in der Lage sind, aus Biosignalen ein quantitatives Vigilanzpro l zu erstellen, das im Gegensatz zu aktuellen klinischen Testverfahren eine genauere und zeitgleich vollständigere Einsicht in den Aufmerksamkeitszustand zulässt. Dabei wurden in den erfassten Signalen physiologische Muster bzw. Biomarker im Zeit- sowie Frequenzbereich aus ndig gemacht, aus welchen Informationen über die Vigilanz extrahiert werden können. Diese Modelle sind in weiterer Folge in Algorithmen eingebettet worden, welche auf einem digitalen Signalprozessor die erfassten Signale in Echtzeit auswerten, um Vergleichsparameter zum aktuellen Vigilanzzustand zu generieren. Für die Entwicklung derartiger Algorithmen war eine De nition und Analyse der in Frage kommenden Biomarker und Muster, die den Aufmerksamkeitszustand widerspiegeln, in den Signalen notwendig. Neben der Wahl der relevanten Signalparameter war die Evaluierung der für eine derartige Messung geeigneten Signale von groSSer Bedeutung. Als Referenz für die gewonnenen Vigilanzdaten wurden Parameter der wissenschaftlich anerkannten Aufmerksamkeitstests heran gezogen. Die entwickelten Algorithmen für die Analyse der Biosignale wurden derart optimiert und integriert, dass diese ohne großen Aufwand auf mobilen Geräten eingebettet werden können und so eine praktische Handhabung des Messsystems sicherstellen. In der vorliegenden Arbeit ist eine Implementierung der Algorithmen in ein Prototypen erfolgt. In Hinblick auf einen mobilen Einsatz des Systems wurde ein besonderes Augenmerk auf die Handhabung von Bewegungsartefakten und deren Kompensation sowie eine Signalerfassung, welche die Bewegungsfreiheit nicht einschränkt, gelegt.

Für die Sicherstellung der Funktionalität und der praktischen Anwendbarkeit eines derartigen Prototyps sind erste Evaluierungsmessungen durchgeführt worden. In weiteren Schritten sind die aus diesem Verfahren und der vorliegenden Arbeit generierten Messdaten und Ergebnisse in eine Verbesserung und Anpassung der Modelle einzubeziehen. Damit ist ein engerer Zusammenhang zwischen den Ergebnissen der angewendeten Algorithmen und dem tatsächlichen Vigilanzzustand sichergestellt.

Zusammenfassung (Englisch)

Vigilance (lat. vigilantia - alertness, sharpness), is an unspeci c organismic possibility to react and keep alertness for an extended time period on a higher level. For monitoring alertness and vigilance in real time and in real life situations it is necessary to better understand and interpret the underlying neuronal activities.

International recognized research groups have presented studies where EEG and EOG biosignals were used to visualize and classify sleep stages.

Based on these state of the art ndings an automated detection and classi cation of sleep stages, based on EEG and EOG as well as EMG, has been realized. Beyond that there is a mandatory necessity for an automated classi cation and estimation of vigilance and alertness during the wake state. The presented thesis gives a summary of the state of the art methods for vigilance assessment as well as underlying neuronal activities. Furthermore, based on an experimental study the thesis presents algorithms in order to develop a model. This model opens the opportunity to calculate a quantitative vigilance pro le in real time based on an EOG biosignal. This pro le allows a more precise and complete insight into the alertness condition than current clinical test methods for vigilance assessment. The vigilance pro le is based on physiological patterns respectively biomarkers in the time as well as frequency domain which helps to extract information about the vigilance state out of the biosignals. These models have been compiled to algorithms which can be integrated on a signal processor which can interpret and analyse the signals in real time. As a rst reference for the retrieved vigilance information the parameters from the approved alertness test have been used. The implementation of the algorithms and models in a mobile setup has been proven. In the presented project a mobile setup has been developed which allows a uncomplicated and easy to assess long and short term vigilance pro le recording and therefore a real time evaluation of the algorithms in real life situations. All developed algorithms have been implemented in the prototyp. For a mobile setup a compensation of movement artefacts and a hardware design which burdens the user not too much as well as an easy self applicable sensor unit have been developed. The algorithms and the setup have been tested in rst measurements. In further steps evaluation and improvement of the algorithms and models for next versions have to be done. In this way a close relation between the results of the used models and the actual vigilance state can be guaranteed.