Benyovszky Máté AZ EKG AUTOMATIZÁLT SZOFTVERES ELEMZÉSE PSZICHOFIZIOLÓGIAI VIZSGÁLATI HELYZETBEN Első és utolsó 3-5 mondat a legfontosabb Ne szó szerint.

Slides:



Advertisements
Hasonló előadás
A legelső oldalon a főlap látható, a mérés időpontjával, a három fő értékkel. A „Zustand „ mutatja meg a szív EKG tevékenységének értékét nullától ötös.
Advertisements

KOGNITÍV FOLYAMATOK VEGETATÍV IDEGRENDSZERI KORRELÁTUMAINAK VÁLTOZÁSAI KIS DÓZISÚ ALKOHOL HATÁSA ALATT Benyovszky Máté.
A SZÍV.
KOGNITÍV FOLYAMATOK VEGETATÍV IDEGRENDSZERI KORRELÁTUMAINAK VÁLTOZÁSAI KIS DÓZISÚ ALKOHOL HATÁSA ALATT BENYOVSZKY MÁTÉ.
Kutyafajták tanulási képességének mérése
Szűcs Pál okl. fizikus, VT-3
Miért boldogabbak az emberek az egyik országban, mint a másikban?
UNIVERSITY OF SZEGED D epartment of Software Engineering UNIVERSITAS SCIENTIARUM SZEGEDIENSIS Adatbázis alapú rendszerek 1. Gyakorlat Követelmények / SQL.
A SHARE kutatás kínálta elemzési lehetőségek Gál Róbert & Vargha Lili Szirák, 2011.
SZENT ISTVÁN EGYETEM GAZDASÁG- ÉS TÁRSADALOMTUDOMÁNYI KAR TUDOMÁNYOS DIÁKKÖRI KONFERENCIA NOVEMBER 25. AUTO-SZŰRŐ FEJLESZTÉSE OLAP JELENTÉSEK UTÓLAGOS,
„Idősödés prevenciós program, elsődleges tapasztalatok”
Havonta új katalógussal jelentkezünk!
Anyanyelvi mérések Magyarországon Oktatás és foglalkoztatás – Versenyképes gazdaság Magyarországon a XXI. században Szeged, Molnár Edit Katalin.
3. Két független minta összehasonlítása
Dr.Vámosi Péter Szent Rókus Kórház Szemészeti osztály
Összehasonlitó Élettan III. Gyakorlat
Elektromos mennyiségek mérése
Környezetpszichológia III.
Agy-számítógép interfész virtuális terekben
Jelkondicionálás.
Záridő Blende Fénymérés
A tételek eljuttatása az iskolákba
50.óra MAJOROS MÁRK.
Mérés és adatgyűjtés Kincses Zoltán, Mingesz Róbert, Vadai Gergely 10. Óra MA-DAQ – Műszer vezérlése November 12., 15. v
Real-Time PCR gyakorlati alkalmazások bevezetés Párosítsuk a gélfotóra felvitt mintákat a megfelelő olvadáspontú termékekkel!
Virtuális méréstechnika MA-DAQ műszer vezérlése 1 Mingesz Róbert V
TÁMOP A-11/1/KONV projekt „Telemedicína fókuszú kutatások Orvosi, Matematikai és Informatikai tudományterületeken” Magzati szívhang monitorozása.
Pszichoaktív élvezeti szerek elektrofiziológiai vizsgálata
WISC-IV gyermek intelligenciateszt
TÉTELEK Info_tech_2012. Simon Béláné. 1. TÉTEL 1.a. A digitális számítógép és a logikai áramkör kapcsolata (6.4.1.) 1.b. Az ÉS logikai áramkörnek adja.
Agykérgi lassú alvási oszcilláció vizsgálata epilepsziás betegben Csercsa Richárd PPKE-ITK december 16.
Lengyelország és Magyarország foglalkoztatáspolitikájának és munkanélküliségi helyzetének összehasonlítása XXX. Jubileumi OTDK Társadalomtudományi Szekció.
Miért hozzuk a döntést, mi a cél?
Merre tovább? Tapasztalatok a kétszintű latin nyelvi érettségiről.
Rövid távú eredmények szeptális kamrai ingerlés esetén komplett atrioventricularis block mellett Gajdácsi József, Gellér László, Hajkó Erik, Valkó József,
A szelektív figyelem.
S S A D M ELEMZÉSI ÉS TERVEZÉSI MÓDSZERTAN
Logikai szita Pomothy Judit 9. B.
Logikai szita Izsó Tímea 9.B.
Mentális állapot felmérés BCI segítségével
Diagnosztika intelligens eszközökkel
Szabó-Bartha Anett Szabó-Bartha Anett A KRÓNIKUS BETEGSÉGGEL VALÓ MEGKÜZDÉS VIZSGÁLATA A BETEGSÉG-REPREZENTÁCIÓ JELENSÉGÉN KERESZTÜL Debreceni Egyetem.
NIR-VIS spektrométerek. NIR-VIS spektrumok „NIR spectra ( cm -1 ) of polymers, monomers, plasticizers, lubricants, antidegradantes (antioxidantes,
Hallási illúziók 1 Bőhm Tamás
A substantia nigra vizuálisan aktív sejtjeinek receptív mező analízise Berényi Antal, Nagy Attila, Benedek György, SZTE ÁOK Élettani Intézet, spike-szeparátor.
ANYAGCSERE CSONTBETEGSÉGEK Semmelweis Egyetem I. Belklinika.
MAT VII. Kongresszus1 Elterelés programban a dohányzásról Szögi Lakatos Maya Törzsök Góczán Emese Kék Kocka Nonprofit BT.
dr. Banai Miklós ügyvezető MultiRáció Kft.
A függvény deriváltja Digitális tananyag.
Ágazati GDP előrejelző modell Foglalkoztatási és makro előrejelzés Vincze János Szirák, november 10.
Kísérletezés virtuális méréstechnika segítségével 2010 március
1. Melyik jármű haladhat tovább elsőként az ábrán látható forgalmi helyzetben? a) A "V" jelű villamos. b) Az "M" jelű munkagép. c) Az "R" jelű rendőrségi.
A hang digitalizálása.
Szabályzó tervezése intelligens kamerával
Részecskenyom analízis és osztályozás Pálfalvi József MSc, Intelligens Rendszerek, Önálló labor 1. Egyetemi konzulens: dr. Dobrowiecki Tadeusz (BME MIT)
Chapter 2 Human Information Processing
Gyorsulás, lassulás. Fékút, féktávolság, reakció idő alatt megtett út
A latencia kori személyiségalakulás. A fejlődés mintázatainak ismétlődése  Josselson(1980) a latenciában és a serdülő korban megismétlődnek a szeparációs-individualizációs.
Az elektrokardiográfia alapjai és a HomeEKG rendszer
Pedagógiai hozzáadott érték „Őrült beszéd, de van benne rendszer” Nahalka István
Egyedi mérések összegzése
Meghívó ! Agykutatás Napjai Budapesten március 17-18
Humán agyi MRI módszerek
Orvosi jelek számítógépes feldolgozása, zajszűrés
Jelkondicionálás.
Gépi tanulás.
A leíró statisztikák alapelemei
Mérések adatfeldolgozási gyakorlata vegyész technikusok számára
Túl a tanórán Művészetek és a fejlődő, kibontakozó ember
A sziklacsont elhelyezkedésének változása a koponyán belül a gyermekkor során Nagy Attila1,2, Ódor Boglárka1, Beöthy Fehér Orsolya1, Perényi Ádám1, Rovó.
Előadás másolata:

Benyovszky Máté AZ EKG AUTOMATIZÁLT SZOFTVERES ELEMZÉSE PSZICHOFIZIOLÓGIAI VIZSGÁLATI HELYZETBEN Első és utolsó 3-5 mondat a legfontosabb Ne szó szerint olvassuk Témavezető: DR. MOLNÁR MÁRK Külső intézmény: MTA PSZICHOLÓGIAI KUTATÓINTÉZET PSZICHOFIZIOLÓGIAI KUTATÓCSOPORT

Feladat és célkitűzés Múlt: EKG Timeline 5 (Diplomaterv) Bővíthetőség (új függények, szívritmus felismerés, HRV, stb.) Grafikus felület paraméterezéshez, azonnal megjelenő eredmények Szűrési, mérési lehetőségek Vegetatív mutatók A vonatkozó szakirodalom elsősorban az esemény kiváltott potenciálokkal foglalkozik, döntő többségben csak az EEG mutatókat vizsgálva, s ritka az olyan, ahol emellett vegetatív tevékenységeket is bemutat. Jelen munka során erre mutatok példákat egy saját algoritmussal megvalósított elemzőprogram segítéségével. Személyenkénti korrelácia

EEG (Elektroenkefalogram) Idegsejtek közötti kommunikáció 10-20-as elvezetési rendszer EKG (elektrokardiográfia) Szívizom-tevékenység regisztrálása (sinuscsomóból eredő ingerület által kiváltott jel) R hullám (a legnagyobb csúcs) a kamrák összehúzódásával (szisztole) függ össze 10-20-as rendszert kiegészítettük további elektródokkal „Az electroencephalogram (EEG) több, frekvencia tartománynak megfelelő ritmus komplex együtteseként fogható fel. Ezek az „oszcillációk” random jellegűek, azonban ingerek hatására részint intenzitásuk, részint időbeli összerendezettségük nő, melynek eredményeként több komponensből álló kiváltott potenciálok keletkeznek. A szakirodalom hagyományosan eseményhez kötött potenciálokról (EKP-okról) beszél, amikor a kiváltó ingerrel összefüggésben a személynek valamilyen feladata van (Picton, 1988).” „Az elektrofiziológiai módszerek egyedülállóan alkalmasak gyors állapotváltozások követésére. Az electroencephalogram (EEG) több, hagyományosan az eltérő frekvencia tartományoknak megfelelően meghatározott ritmus komplex együtteseként fogható fel. Ezek az „oszcillációk” random jellegűek, azonban ingerek hatására részint intenzitásuk, részint időbeli összerendezettségük nő – szinkronizáció alakul ki. Az utóbbi mintegy két évtized során általánosan elfogadottá vált az a feltételezés, mely a (széles értelemben vett) kognitív teljesítmények megvalósulásának alapját neuronális „sejtegyüttesek” egymásra ható, egymással összefüggő aktivitásának törvényszerűségeiben véli megtalálni. E teljesítmények a központi idegrendszeri területek térben-időben igen gyorsan változó, tranziens jellegű és mértékű integrált aktivitását igénylik. Előbbieknek megfelelően érthető, hogy a szinkronizációra, és az idegrendszer nemlineáris és/vagy lineáris jellegzetességeire érzékeny (korábban nem használt) ún. komplexitás-jellemzők mérése az utóbbi években nagy lendületet nyert. Az elvezetett EEG spektrális-, és komplexitás-jellemzői mellett elemezzük a különböző ingerek által kiváltott potenciálokat (KP-okat) is.” Ha más nem a népszerű kórházsorozatokból mindenki számára ismert „Az elektrokardiográfia (röviden EKG) egy „non-invazív” eljárás, mely a szív elektromos jelenségeit vizsgálja a szívizom összehúzódásakor keletkező elektromos feszültség-ingadozás regisztrálásával. A szív összehúzódása egy elektromos inger hatására jön létre, mely a sinuscsomóból indul és a test felszínére helyezett elektródokkal elvezethető. A vizsgálati feladathelyzet során mért pulzusszám emelkedéstől vagy csökkenéstől az idegrendszeri tevékenység mértékével is arányos változást várunk. A CNV görbéjével összefüggést mutat a szívritmusszám növekedés (Önálló labor II. kutatási eredménye).” „A tervezett kísérletek során sokcsatornás EEG elvezetéssel egyidőben az electrocardiogrammot (EKG) is elvezetjük. Ennek elemzése a szimpatikus-paraszimpatikus tónus változásainak mérésére ad lehetőséget. Ezen adatok fényében az EEG és eseményekkel összefüggő KP-ok mellett a vegetatív idegrendszer helyzetfüggő működésváltozása is megítélhetővé válik.”

Várakozási helyzet (Contingent Negative Variation) Felkészülési várakozással összefüggő negatív agyi potenciál Kiváltásához a típusos helyzetben egy figyelmeztető (S1) és egy felszólító (S2) ingert alkalmaznak kontroll és feladat helyzet az Fz elektródon Mentális aritmetika Logikai feladatvégzés és munkamemória

Idegrendszeri összefüggés CNV Reaktivitás Éberség Fizikai fittség Nem és kor Kognitív teljesítmény (Intelligencia, memóriateljesítmény) Lelki állapot EKG Lelki állapot (depreszió stb.) Egészség, fizikai fittség Temperamentum Inger érzelmi töltete ? Később összeadással és memóriával kapcsolatban is kellene cikket keresni! Irodalomkutatás Van még GSR (galvános bőrelllenállás), respirációs sebesség (légzés), pupillatágulás... ISAXban is ezt használják ki. „Mit jelenthet CNV csúcsamplitúdó nagysága? A CNV amplitúdóját igen sok tényező befolyásolja. Kézenfekvő ezek közül például az éberségi állapot (meditáció, ébredés), mely alacsony szintjénél az egyszerű esetekben általában magasabb, míg a bonyolultabb feleletválasztós esetekben alacsonyabb értékű CNV-csúcsamplitúdó várható [17]. Egyféle reaktivitást, ingerelhetőséget jelent, mely például alacsonyabb, amikor az átlagos EEG szint eleve negatív irányba tolódott (pl. idegesség esetén): kisebb a „kilengési” lehetőség. Külön érdekesség és tanulságos minden ember számára, hogy a fizika fittség is hatással van a kognitív mutatókra: rendszeresebben sportoló (vagy fiatalabb) vizsgálati személyek szignifikánsan magasabb CNV amplitúdókat produkálnak [18] [19]. Ez alátámasztja a feltevést, hogy a szívritmussal is korrelálhat a csúcsérték. Az intelligencia és memóriateljesítmény is korrelál a várakozási potenciálok nagyságával [20], ami viszont aligha lehet közvetlen összefüggésben a pulzusszámmal. Mit jelenthet a pulzusszám változás? A szívritmus (Heart Rate : HR) szabályozása komplex idegrendszeri folyamat, melyet 3 fő komponens befolyásol: a vegetatív idegrendszer szimpatikus (5 s feletti reakcióidő, alacsony frekvenciájú moduláció: LF) és paraszimpatikus (gyors hatás, 1-2 szívverés alatti hatás, magas frekvenciájú komponens: HF) illetve a vérnyomás (érfalak feszessége, baroreflex) (4. ábra) [22]. Az EKG elméleti szinten akár 300-400 msec, de maximum 1-2 sec alatt követheti az agyi tevékenységet. Műterméknek számíthat az EKG szempontjából, de a légzés is befolyással van a szívritmusra: ez a légzési szinusz aritmia [23]. Persze az idegi hatásokon kívül egyéb tényezők is befolyásolják a szívritmus variabilitást, vagy annak bizonyos komponenseit: ugyanis komoly összefüggés van az egészségi állapottal [24], nemmel és korral [25] [26], ezek által a táplálkozással [27] [28] [29] és testalkattal is összefüggésbe hozható (nem szignifikáns) [30], ezekből következően pedig fizikai állapottal is (ugyanúgy, mint a CNV) [31].   Komplex kapcsolat Az összeköttetés után nem meglepő – köznyelvben is sok megállapítás utal erre a tapasztalatra – hogy érzelmi állapotunk (pl. depresszió), sőt ennek esetleges kezelése (akár gyógyszeresen antidepresszánssal) vagy változása is befolyásolja a szívritmust [32]. Szívritmus nem csak testi, de lelki egészségünkre is következtetni enged [33]. A temperamentum is a pulzusszám változás egyik befolyásoló tényezője lehet, autonóm idegrendszer egyensúlyának felborulásán túl a hangulati zavarok szintén kihathatnak a szívritmus működésre [34]. Más tanulmányok viszont pont ennek az aspektusnak a kiváltott potenciálokra vetett hatását mutatják be: a depresszív hajlam, illetve az öngyilkossági kísérleteket elkövetőknél szignifikánsabb kisebb P300 és CNV amplitúdót találtak [35]. Nem meglepő módon a különböző érzelmi töltettel rendelkező ingerek különböző módon és mértékben változtatják a szívverés sebességét [36] [37]. Sok adat ismert a szívműködés és az agy tevékenységének kapcsolatát tekintve, de valószínű, hogy a legérzékenyebb mutató a szívritmus változása [38]. A fiziológiai állapotváltozásokon túl még eseménykiváltott EKG változásról is beszélnek [39]. Az S1-S2 paradigma (figyelmeztető és felszólító inger) hatását a HR-re és a vérnyomásra az 1970-es évektől vizsgálják, a folyamat szinte minden aspektusát és elemét részletesen kielemezve [1] [40]. Jellemző a kapcsolat fontosságára, hogy már orvosi diagnosztikában is alkalmazását ajánlják: már csecsemőkorban az EEG és EKG kombinált használatát javasolják csecsemőkori rohamok detektálására [41]. De nem a csecsemőkor a legkorábbi állapot, ahol megmutatták a korrelációt: már születés előtt is kimutatható az agyi elektromos tevékenység egyes jellemzői és a szívritmus közötti kapcsolat [42]. Természetesen nem csak a szívvel, hanem egyéb rendszerekkel, például a bőrrel is kapcsolatban van az agy, de utóbbi esetben csak a szimpatikus idegrendszeren keresztül. A várakozási helyzet hatása a galvános bőrellenálláson (GSR) így is megmutatkozik [16] [43].”

Korábbi tevékenység Dolgozatok (saját) Publikáció (társszerzőként) Várakozási folyamatokkal összefüggő agyi elektromos jelek elemzése Várakozási folyamatokkal összefüggő agyi elektromos potenciálok változása kis dózisú alkohol hatása alatt Kognitív tevékenységek vegetatív idegrendszeri mutatói kis dózisú alkohol hatása alatt Kognitív erőfeszítéssel összefüggő EEG változások és vegetatív idegrendszeri folyamatok korrelációja Publikáció (társszerzőként) The acute effect of low-dose alcohol on working memory during mental arithmetic II.Changes of nonlinear and linear EEG-complexity in the theta band, heart rate and electrodermal activity Age-dependent changes of EEG frequency characteristics and ECG-changes related to working memory process in arithmetic task (poszter)

CNV feladathelyzet kis dózisú alkohol hatása alatt CNV kialakulásával párhuzamosan a pulzusszám csökken. Kis mennyiségű alkohol csak a szívritmusra volt hatással. Pulzusszám angolul! És felirat? Ha belefér??? CNV egjelenésével egyidejűleg elkezd lassulni

CNV feladathelyzet idős vs. fiatal EEG (Fz) and ECG averages EEG-ben látszik, s a statisztika is igazolta, hogy nincs szignifikáns változás Alapvonal, kiindulási érték, változás nagysága Légzésvisszatartás: respiration EKG: {'pre','mean','-1990','-10'}; {'max','mean','2060','4060'}; EEG ;# PEAKDETECTION_EX "cnv4" Y 2300 3300 MIN N x Y Y BOTH GREEN {Fz Cz Pz} ;# négyhangos

Szívritmus változás számolási helyzetben -7000 -6000 -5000 -4000 -3000 -2000 -1000 1000 2000 3000 74 76 78 80 82 84 86 88 Idő [msec] Pulzusszám Fiatal Feladat Eleje Fiatal Feladat Közepe Fiatal Feladat Vége Idős Feladat Eleje Idős Feladat Közepe Idős Feladat Vége Változások a feladatvégzés különböző szakaszaiban (Eleje. Közepe, Vége)

EKG elemzés programcsomag (Adatfolyam diagram) EKG Timeline 7 Reader EKG Timeline 7 Analyser Excel CNT ECG EV2 ETC Grafikon Bemeneti állományok Tavaly már használt program Felvétel Feldolgozás Elemzés

Vizsgálat körülményei Várakozási helyzet (CNV): 19 idős, átlag életkor: 66,7 év, SD: 4,2 13 fiatal, átlag életkor 21,8 év, SD: 3,31 Mentális aritmetika: 32 férfi, átlag életkor 20 év, szórás: ±2,31 Elektrofiziológiai regisztrálás: 1000Hz A/D, 0-70Hz NuAmps erősítő rendszer 33 csatorna EEG, 1 csatorna EKG 10-20-as rendszert kiegészítettük további elektródokkal

Vizsgálati helyzet: CNV feladat  Msec legyen feltűntetve és legyen egyélrtelműbb az elmaradó hang, 5 és négy 8 hangos helyzet hasonlóan (fáradás vizsgálatához). Az idő msec-ben felül, alul a hangoknál elhelyezett jelölő triggerek száma az ábrán.

CNV Eredmények Kontrol és feladathelyzet Átlag pulzusszám magasabb az időseknél Hosszú feladatnál nagyobb különbségek

CNV Eredmények Vizsgálat első és második fele Hosszú feladatnál mindkét korcsoportban fáradás figyelhető meg

Vizsgálati helyzet: Számolás 4 9 35 20 db ingersor (10 sec) Plafonszám (4’ trigger) 1 másodpercig Négy összeadandó szám (1’ trigger) Válasz után 2 másodpercig helyes vagy helytelen megoldásnak megfelelően (8’ vagy 9’ trigger) zöld vagy piros képernyő

Számolás Eredmények alapvonaligazítás mellett Időseknél nincs EKG változás

Összefoglalás EKG Timeline 7 eredményesen használható többféle vizsgálati helyzetben A szoftvercsomag jelentősen csökkentette a feldolgozás időigényét Komplex mérések hatékonyan paraméterezhetőek, statisztikázhatóak A feladathelyzetnek megfelelően a fiatal korcsoportban tapasztalt pulzusszám változás jelentősen meghaladta az idős korcsoportban mért értéket Fáradást mindkét korcsoportban ki tudtuuk mutatni

Köszönetnyilvánítás Köszönöm a figyelmet! Dr. Molnár Márk Boha Roland Tóth Brigitta Kék Labor és a MTA-PKI Köszönöm a figyelmet!

Kérdés Mivel magyarázható a várakozási negativitás esetén az elmaradó hangot követő erős pulzusszám-csökkenés? doi:10.1016/j.biopsycho.2009.03.003 http://www.mendeley.com/research/glucose-administration-heart-rate-and-cognitive-performance-effects-of-increasing-mental-effort/ doi:10.1016/S0031-9384(99)00183-3 http://jap.physiology.org/content/73/2/420.abstract

Kérdés Milyen módszerekkel sikerült elérni a feldolgozások felgyorsítását? Informatikai, szoftveres oldalról: Szívritmus felismerés sebessége (nem NeuroScan, beépített megoldás) Javított algoritmusok (interp1, mátrix műveletek) Felhasználói, humán oldalról: Kevesebb lépés, kevesebb különböző szoftver Nincs szükség „szkriptelésre”, minden grafikus felületen keresztül konfigurálható Azonnal ellenőrizhető eredmények