- Speaker(s)
- Konrad Ciecierski
- Affiliation
- Politechnika Warszawska
- Date
- Jan. 10, 2014, 2:15 p.m.
- Room
-
room 5820
- Seminar
- Seminarium badawcze Zakładu Logiki: Wnioskowania aproksymacyjne w eksploracji danych
Choroba Parkinsona jest postępującą neurodegeneratywną chorobą centralnego układu nerwowego. Prawdopodobieństwo zachorowania wzrasta z wiekiem, co w połączeniu ze zwiększającym się średnim wiekiem populacji powoduje znaczący wzrost liczby osób nią dotkniętych. Choroba powoduje u chorego postępującą niepełnosprawność ruchową, co prowadzi do inwalidztwa a w przypadku upośledzenia funkcji mięśni oddechowych nawet do śmierci.
Podstawowym leczeniem w przypadku choroby Parkinsona jest podawanie środków farmakologicznych. Z wielu możliwych przyczyn terapia farmakologiczna u części chorych nie może być skutecznie stosowana lub przestaje z czasem być efektywna. W takich przypadkach niektórzy chorzy mogą zostać zakwalifikowani do operacyjnego leczenia choroby Parkinsona. Leczenie operacyjne polega na przeprowadzeniu zabiegu głębokiej stymulacji mózgu. Celem operacji jest umieszczenie głęboko w mózgu pacjenta stymulującej elektrody. Impulsy przekazywane przez elektrodę oddziałują na precyzyjnie określony w przypadku choroby Parkinsona fragment mózgu. W efekcie tej elektrycznej stymulacji uzyskuje się znaczne lub nawet całkowite zniesienie charakterystycznej dla choroby Parkinsona sztywności mięśni.
Problem techniczny operacji głębokiej stymulacji mózgu w przypadku choroby Parkinsona polega na fakcie, iż miejsce docelowe znajduje się w bezpośredniej bliskości obszarów mózgu krytycznie odpowiedzialnych za ruch, czucie, wzrok, ruch oczu oraz emocje. Jest w związku z tym niezwykle istotne, aby elektroda stymulująca umieszczona została z maksymalną precyzją. Docelowe miejsce stymulacji znajduje się głęboko w mózgu i nie jest dostępne do bezpośredniej obserwacji w trakcie zabiegu operacyjnego. Jego położenie określa się orientacyjnie bezpośrednio przez zabiegiem operacyjnym w oparciu o hybrydowy obraz uzyskany z CT oraz MRI. Do dokładnej lokalizacji służą używane w trakcie operacji mikroelektrody rejestrujące aktywność tkanki mózgowej. Wprowadzane są one w głąb mózgu w okolice docelowej struktury. Analiza nagrań dostarczonych przez te elektrody pozwala na precyzyjne umiejscowienie docelowej struktury mózgu.
Celem prezentowanego systemu wspomagania decyzji jest stworzenie mechanizmu informatycznego pozwalającego na klasyfikację nagrań z mikroelektrod tak, aby w sposób niezależny i obiektywny dostarczać informację wspomagającą neurochirurga w umiejscowieniu poszukiwanej struktury. Zaprezentowana analiza sygnałów otrzymywanych z mikroelektrod przebiega dwutorowo. Sygnał analizowany jest pod kątem badania wystąpień potencjałów czynnościowych – aktywności elektrycznej komórek nerwowych – oraz pod kątem badania tła rejestrowanego sygnału. W celu uzyskania wystąpień potencjałów czynnościowych sygnał jest wstępnie filtrowany zarówno w zakresie niskich jak i wysokich częstotliwości. W kolejnym kroku potencjały czynnościowe wykrywane są na podstawie ich – wysokiej w stosunku do tła – amplitudy. Po wykryciu potencjały czynnościowe grupowane są na podstawie kształtu względem pochodzenia od poszczególnych neuronów.
Atrybuty charakteryzujące nagranie uzyskiwane na podstawie występowania potencjałów czynnościowych oparte są na średniej częstości ich występowania, ilości wystąpień oddalonych od siebie o nie więcej niż 33 ms oraz na podstawie mocy sygnału z nich odtworzonego. Atrybuty określane są zarówno sumarycznie w stosunku do wszystkich będących w okolicy elektrody komórek nerwowych jak i w stosunku do tych z nich o największej aktywności. Wstępem do analizy tła sygnału jest usunięcie z niego zakłóceń niebędących bezpośrednio zapisem aktywności tkanki mózgowej. Usuwanie zakłóceń odbywa się w oparciu o analizę sygnału w różnych zakresach częstotliwości. Atrybuty oparte na tle sygnału wyliczane są na podstawie percentyla amplitudy, wskaźnika RMS oraz mocy sygnału w zadanych zakresach częstotliwości. Dla atrybutów tych zdefiniowano również ich odpowiedniki powstałe przez zastosowanie mechanizmu średniej kroczącej.
Ze względu na uwarunkowanie fizjologiczne atrybuty oparte na potencjałach czynnościowych niosą ze sobą dużo większe – niż w przypadku atrybutów opartych na tle sygnału – ryzyko błędów FP i FN. Wykazano, że na podstawie obliczonych atrybutów można stworzyć klasyfikator, który z czułością powyżej 0,89 i specyficznością powyżej 0,97 poprawnie identyfikuje nagrania zarejestrowane przez mikroelektrody w poszukiwanej w przypadku choroby Parkinsona podstrukturze mózgu. Walidacja krzyżowa klasyfikatora dała ponad 95,9 poprawnych klasyfikacji. Niezmiernie istotna jest tutaj uzyskana wysoka specyficzność, minimalizuje się w ten sposób ryzyko wskazania do stymulacji niewłaściwej podstruktury mózgu.
Końcowym elementem wystąpienia będzie omówienie i krótka prezentacja aplikacji opartej na opisanych rozwiązaniach. Aplikacja jest obecnie wykorzystywana w trakcie operacji neurochirurgicznych w Instytucie Psychiatrii i Neurologii w Warszawie.
You are not logged in |
