polito.it
Politecnico di Torino (logo)

Riconoscimento automatico e studio dei complessi lenti bifasici nei tracciati EEG di pazienti affetti da encefalite = Automatic detection and study of Slow Biphasic Complexes (SBC) in electroencephalographic signal (EEG) of encephalitis patients

Agata Barbagini

Riconoscimento automatico e studio dei complessi lenti bifasici nei tracciati EEG di pazienti affetti da encefalite = Automatic detection and study of Slow Biphasic Complexes (SBC) in electroencephalographic signal (EEG) of encephalitis patients.

Rel. Luca Mesin, Massimo Valerio. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Biomedica, 2020

[img]
Preview
PDF (Tesi_di_laurea) - Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives.

Download (5MB) | Preview
Abstract:

Questa tesi si concentra sullo sviluppo, il miglioramento, la validazione ed il test, di un algoritmo utile per la diagnosi automatica, precoce ed operatore indipendente dell’encefalite. L'encefalite è un'infiammazione del parenchima cerebrale per la quale la diagnosi precoce è fondamentale. Un innovativo metodo di diagnosi non invasiva consiste nella valutazione soggettiva del segnale EEG da parte del medico, con lo scopo di individuare particolari onde lente, chiamate Complessi Lenti Bifasici (CLB). È stato dimostrato che la presenza di CLB nel segnale elettroencefalografico è correlata all’insorgenza della malattia. L’obiettivo di questo studio è lo sviluppo di un algoritmo in grado di individuare automaticamente i CLB, al fine di ottenere una diagnosi più veloce e operatore-indipendente, che si basa su una tecnica assolutamente non invasiva. Un algoritmo di ricerca dei CBL già esistente è stato il punto di partenza di questa tesi. Il suo funzionamento si basa sull’imposizione di una soglia sulla funzione di cross-correlazione, calcolata tra il segnale EEG e un prototipo di forma d’onda. Questo semplice approccio di ricerca in un segnale di complessità elevata vuole emulare il processo mentale dei medici, che, grazie alla loro esperienza decennale, sono in grado di riconoscere le onde semplicemente osservandole, discriminandole in base alla loro forma d’onda e ad altre caratteristiche. La parte di ricerca di questa tesi si è sviluppata proseguendo su questa linea di pensiero: la stretta collaborazione con i medici e l’analisi dettagliata dei dati da loro forniti hanno avuto lo scopo di estrarre le loro conoscenze e quantificarle al fine di poterle inserire nell’algoritmo di ricerca automatica. L’algoritmo è stato migliorato ed è stato implementato un post-processing, atto a discernere tra le onde errate e gli effettivi CBL tra quelle selezionate dell’algoritmo. La tesi si sviluppa in tre capitoli principali: il primo, bibliografico, tratta delle le caratteristiche del segnale elettroencefalografico e dei CLB; il secondo, propone i metodi utilizzati per l’estrazione della conoscenza a partire dai dati raccolti e l’utilizzo della stessa per il miglioramento dell’algoritmo; il terzo capitolo presenta i risultati ottenuti, riguardanti un’accurata caratterizzazione dei CBL, la validazione ed il test dell’algoritmo. La fase di caratterizzazione dei CBL ha permesso di portare alla luce peculiarità interessanti di queste onde, le quali talvolta venivano prese in considerazione dai medici solo inconsciamente, come ad esempio ciò che riguarda il contenuto in frequenza. L’algoritmo perfezionato è stato validato con l’aiuto di un medico, evidenziando come sia in grado di discriminare in maniera soddisfacente tra effettivi CBL e onde che presentano semplicemente una forma simile. Infine, esso è stato testato per il riconoscimento di pazienti sani e patologici o per l’identificazione della gravità della patologia.

Relatori: Luca Mesin, Massimo Valerio
Anno accademico: 2020/21
Tipo di pubblicazione: Elettronica
Numero di pagine: 81
Soggetti:
Corso di laurea: Corso di laurea magistrale in Ingegneria Biomedica
Classe di laurea: Nuovo ordinamento > Laurea magistrale > LM-21 - INGEGNERIA BIOMEDICA
Aziende collaboratrici: NON SPECIFICATO
URI: http://webthesis.biblio.polito.it/id/eprint/16968
Modifica (riservato agli operatori) Modifica (riservato agli operatori)