Medicinsk signalbehandling

Transkript

1 Detection of early markers for neurodegenerative diseases Introduktion: Aldring er en uundgåelig proces som gør kroppen sårbar overfor alderdomsrelaterede sygdomme, heriblandt de neurodegenerative sygdomme Parkinson, Alzheimers og demens. En af forudsætningerne for at fremme sund aldring hos personer med anlæg for neurodegenerative sygdomme i hjernen er tidlig diagnosticering af og intervention overfor disse sygdomme, da mulighederne for behandling af sene sygdomsmanifestationer er meget beskedne. Avanceret digital signalbehandling af hjernebølger forventes at kunne resultere i detektion af tidlige biomarkører for disse sygdomme. Projektmål: Hovedformålet er at udforske hjernebølger og andre signaler fra Parkinson patienter, og anvende metoder til automatisk ekstraktion af features og klassifikation af disse med henblik på bedre og gerne tidligere diagnosticering til den kliniske hverdag. Credit: istockphoto I projektet undersøges sammenhænge mellem signalerne EEG, EOG og EKG under søvn for henholdsvis raske personer og personer med neurodegenerative sygdomme. Modaliteterne vil blive undersøgt i sammenhæng med en manuel søvnanalyse, udført af søvn eksperter, da man herved kombinerer lægevidenskabelig ekspertviden med avanceret biomedicinsk signalbehandling. Baseret på den manuelle analyse vil det blive undersøgt, hvordan disse modaliteter kan bearbejdes og reduceres til passende kompakte features med henblik på en automatisk klassifikation af neurodegenerative sygdomme baseret på eksempelvis unormal muskelaktivitet under især drømmesøvn (REM), der typisk er markant anderledes for disse patienter. Projektet tilknyttes forskergruppen fra DTU Medicin & Teknologi og Rigshospitalet Glostrup - indenfor neurodegenerative sygdomme. Lektor MSK Ph.D. Helge B.D. Sørensen, DTU Professor, overlæge dr.med. Poul Jennum, Rigshospitalet, Glostrup Kontaktperson: Lektor MSK PhD Helge B.D. Sørensen, DTU Elektro hbs@elektro.dtu.dk

2 BSc/MSc projekt Automatisk neuropsykologisk vurdering af kognitive evner med brain computer interface Formålet med dette projekt er at designe en online brain computer interface (BCI) applikation til neuropsykologisk kognitiv vurdering. Projektet vil blive udført i samarbejde med overlæge og neuropsykologer fra Roskilde Universitetshospital. Patienter med kognitive lidelser kan med en kognitiv BCI applikation vurderes robust med hensyn til kognitivt niveau og evt. tilbagegang eller fremgang vedrørende disse evner. Dette er væsentligt for effektiv behandling af kognitive lidelser. I dette projekt er det tanken, at man i første omgang udvikler en applikation, der testes på raske forsøgspersoner. Der er en lang række internationalt anerkendte kognitive test, man kan tage udgangspunkt i. På figuren ses et foreløbigt system til test af kognitive evner. I projektet skal de studerende udvælge i samarbejde med de lægevidenskabelige eksperter, hvilke test for eksempel intelligenstest, der skal udføres. Visuelle figurer og visuelle stimuli præsenteres på en computerskærm. Brain computer interface systemet beregner, hvilken figur brugeren kigger på ud fra et elektrisk potentiale (EEG) målt fra visuel cortex. Dette udføres ved at kode visuelt stimuli i mønstre benævnt steady state visual evoked potentials SSVEP, der giver et respons, der er let at fortolke. Projektet indeholder spændende muligheder for frit design af den automatiske brain computer interface applikation til test af kognitive evner. Kilde: Westergren og Bendtsen 2015 Lektor MSK Ph.D. Helge B.D. Sørensen, DTU Elektro Overlæge dr.med. Troels W. Kjaer, Klinisk Neurofysiologi, Roskilde Universitets Hospital Lektor Ph.D. Sadasivan Puthusserypady, DTU Elektro Lektor Ph.D. Carsten Eckhart Thomsen, KU-SUND Kontaktperson: Lektor MSK Ph.D. Helge B.D. Sørensen, DTU Elektro, hbs@elektro.dtu.dk

3 BSc/MSc-project Improved diagnostics of apoplexy by analyzing brain states Apopleksi også benævnt slagtilfælde, beskriver både blødning og blodprop i hjernen, og manifesterer sig ofte ved pludselig lammelse af dele af kroppen. Omkring 85 procent af tilfældene skyldes blodprop og 15 procent skyldes en blødning. Konsekvensen af apopleksi er at nogle hjerneceller ikke får tilstækkelig blodforsyning, og derfor dør eller stopper med at virke normalt. Årligt er der ca apopleksi-tilfælde i Danmark. I dette projekt ønskes designet nye metoder til automatisk analyse og fortolkning af de forandrede hjernetilstande. Opnås denne viden for en given patient kan man forvente bedre diagnosticering og behandling. Udgangspunktet for projektet er samarbejde med Rigshospitalet om målte EEG, EOG, ECG og EMG signaler fra en lang række patienter. Disse er manuelt analyseret af læger ved markering af de såkaldte søvnstadier: awake, REM (rapid eye movement), NREM 1, 2 og 3, hvor NREM står for non-rem, dvs. dybere stadier af søvn. I projektet skal man designe en automatisk metode til at finde de vigtigste hjernetilstande i form af søvnstadier, og ud fra viden om disse, i form af antal, placering og morfologi kan man afgøre hvordan hjernen er blevet påvirket tilstandsmæssigt. Herved får man vigtig diagnostisk viden, der vil kunne give bedre mulighed for behandling. Lektor MSK Ph.D. Helge B.D. Sørensen, DTU Professor, overlæge dr.med. Poul Jennum, Rigshospitalet, Glostrup Kontaktperson: Lektor MSK PhD Helge B.D. Sørensen, DTU Elektro hbs@elektro.dtu.dk

4 Brain-Computer-Interface (BCI) /Styring af computer med hjernesignaler EEG baseret Brain-Computer-Inteface (BCI) giver en ny kommunikationsmulighed mellem den menneskelige hjerne og en computer. Patienter med alvorlige bevægelseshandicap (alvorlige hjernelammelser, hovedlæsioner, rygmarvsskader, sclerose etc.) kan benytte et BCI system som en alternativ form for kommunikation udelukkende via mental aktivitet. Dette projekt går ud på at fremstille et BCI system, som muliggør at en person kan skrive et dokument på en computer ved at aktivere et tastatur på skærmen udelukkende ved at forestille sig bevægelse af for eksempel venstre hånd, højre hånd og en fod. Nedenstående figur viser, at hvis man forestiller sig, at man bevæger venstre hånd, fremkommer der et specifikt respons benævnt ERD (event relateret desynkronisering) udledt af EEG signaler. Dette respons kan man signalbehandle og omsætte til valg af bogstav gruppe. ERD for højrehåndsbevægelse kan omsættes til valg af bogstav i bogstavgruppe. Alternativt kan styringsmetoder undersøges og vælges. Et nyt medicinsk-teknologi laboratorium på DTU Elektro til dataopsamling og bearbejdning af medicinske signaler stilles til rådighed. Plus dedikeret udstyr til Brain-Computer-Interface design. DTU/KU-vejleder: Lektor MSK Ph.D. Helge B.D. Sørensen, DTU Elektro Overlæge dr.med. Troels W. Kjaer, Klinisk Neurofysiologi, Roskilde Universitets Hospital Lektor Ph.D. Sadasivan Puthusserypady, DTU Elektro Lektor Ph.D. Carsten Eckhart Thomsen, KU-SUND Kontaktperson: Lektor MSK PhD Helge B.D. Sørensen, DTU Elektro hbs@elektro.dtu.dk

5 BSc/MSc projekt Bærbar hjerteplaster epatch til monitorering og analyse af sygdomme, fitness eller rehabilitering I fremtiden vil man se sundhedsteknologier brede sig til borgernes hverdag i form af intelligente personlige bærbare sundhedsteknologier. Små bærbare trådløse wear-and-forget devices vil eksempelvis kunne monitorere kronisk syge personer på en ugenert måde, og der kan via smartphones eller tilsvarende sendes resultater fra medicinsk signalbehandling af målte signaler fra kroppen til hospitalet eller praktiserende læge via en cloud-løsning. I dette projekt sættes der efter aftale med Medico-virksomheden fokus på én af følgende applikationsområder: Monitorering og fortolkning af hjertesygdomme med epatch Monitorering og analyse af fitness med epatch Rehabilitering med epatch Andre applikationer kan inddrages Projektet vil give forståelse og visioner for fremtidens sundhedssystem, der i høj grad kan og vil hjælpe borgere i hverdagen med intelligente miniature sundhedsteknologier. Opnåelse af ny og hidtil ukendt langtids-viden om sygdomme og bedre muligheder for diagnosticering og bekæmpelse af disse. Projektet udføres i tæt samarbejde med DTU Elektro, Medico-virksomheden DELTA og Frederiksberg Hospital. Lektor MSK PhD Helge B.D. Sørensen, DTU Elektro Forskningsleder Karsten Hoppe, DELTA A/S Forskningschef overlæge dr.med. Jesper Mehlsen, Frederiksberg Hospital Kontaktperson: Lektor MSK Ph.D. Helge B.D. Sørensen, DTU Elektro, hbs@elektro.dtu.dk Ref: epatch -A Clinical Overview, Dorthe Saadi DELTA A/S, 2014

6 Automatisk 3D detektion af epilepsianfald Introduktion: Epilepsi er efter hovedpine den neurologiske lidelse, der oftest fører patienten til læge. Ca. 1 % af befolkningen rammes af epilepsi, dvs. ca mennesker i Danmark. De sværeste tilfælde af epilepsi fører til indlæggelse og tilhørende behandling. Både nat og dag overvåger man en del af disse epilepsipatienter af hensyn til diagnosticering og patientsikkerhed. Nogle anfaldstyper kan være livstruende, hvilket indikerer vigtigheden af detektering af anfald. Hovedparten af patienter opnår anfaldsfrihed via medicin, mens ca. 25% er afhængige af andre behandlingsmetoder, så som epilepsikirurgi, nervus vagus stimulator eller ketogen diæt. Det er langt fra alle af disse patienter, der opnår anfaldsfrihed. En stor del af dem der må leve med anfaldene, lider af såkaldte tonisk-kloniske anfald. Det er derfor et højt ønske at få skabt et alarm system, der er i stand til at detekterer disse anfald og alarmere personel på hospitaler eller familie i hjemmet derom. Ydermere er det i fokus at et sådan alarm system skal være nemt at benytte og samtidig ikke være til for stor gene for patienten. Projektmål: Projektet går ud på at designe en signalbehandlingsmetode til automatisk detektion og alarmering af epilepsianfald med udgangspunkt i EMG signaler og 3D bevælgelsessignaler fra hele kroppen. Bevægelsesdata opsamles med et trådløst overvågningssystem bestående af et antal sensorer placeret på arme og ben, hvor hver sensor indeholder både 3D accelerometer, 3D magnetometer og 3D gyroskop. På Epilepsihospitalet i Dianalund og på Rigshospitalet har man stor interesse i automatisk overvågning af epilepsipatienter med henblik på automatisk anfaldsdetektion og klassifikation af de forskellige anfaldstyper. Projektet går som nævnt ud på at designe en signalbehandlingsmetode til automatisk detektion af epilepsianfald med udgangspunkt i EMG signaler og 3D bevælgelsessignaler. I disse data detekteres hændelser, der kan skelne mellem anfald og anden aktivitet hos epilepsipatienter. Projektet vil ydermere bestå i et tæt samarbejde med Rigshopitalet og Epilepsihospitalet i Dianalund, hvor målingerne skal udføres løbende, når passende patienter indlægges. Gennem projektet opnås dermed både teknisk signalbehandlings erfaring, samt praktisk erfaring i form af samarbejdet med personale på hospitalerne under forsøgene. Hospitalerne mangler i dag et personbåret alarmsystem, der effektivt kan advare personalet, når en patient får et anfald. Ydermere ville et sådant alarmsystem også kunne hjælpe epilepsipatienter og deres pårørende i hjemmet til en tryggere hverdag. Projektet vil foregå i samarbejde med Epilepsihospitalet i Dianalund og Rigshospitalet. Forud for projektet er der visuelt og med enkle algoritmer fundet forskelle i EMG målinger under anfald sammenlignet med almindelig aktivitet. I projektet ønskes det, at der udarbejdes algoritmer, der automatisk kan detektere epilepsianfald og evt. klassificere forskellige anfald. Projektet indebærer tilknytning til en tværfaglig forskergruppe. Lektor Ph.D. Helge B.D. Sørensen, DTU Overlæge dr.med. Sándor Beniczky, Epilepsihospitalet

7 Topographic brainwave analysis for a wearable epilepsy alarm unit Introduktion: Personer med epilepsi kan få en bedre behandling ved monitorering af anfald med et bærbart epilepsi alarmapparat. De epileptiske anfald er beskrevet som enten generaliserede, der udbreder sig over det meste af hjernen, eller fokale/partielle. Denne skelnen er baseret på det mønster som kan ses ved en visuel inspektion af EEG et (hjernebølgerne). EEG et består af simultane elektriske målinger fra flere elektroder placeret på hovedet. Dette projekt fokucerer på de såkaldte absenceanfald, som går ind under betegnelsen generaliserede epileptiske anfald, hvor flere eller alle EEG elektroder er involveret. I fremtiden ønskes at monitorere absenceanfald med et subkutant implanteret EEG epilepsi alarmapparat, som måler de elektriske signaler fra kun en lille del af hjernen. Af hensyn til patienten bør man naturligvis kun placere måleelektroder på det mindst mulige areal af hjernen. For at finde en optimal lokalisation for disse elektroder, skal der laves en beskrivelse af den topografiske og temporale fordeling af de abnorme absencemønstre på EEG et under et anfald. Projektmål: Med udgangspunkt i målinger af hjernesignaler (seeg) fra hele hjernen fra en epilepsipatient ønskes foretaget statistisk signalbehandling af disse signaler for automatisk at finde de topografiske områder på hjernen, der bedst udtrykker epilepsianfald. Herved kan man subkutant implementere et miniature epilepsi alarmapparat baseret på de optimale hjernesignaler. Projektet initieres med et studie i hvilke avancerede metoder, der findes til topografisk analyse af hjernesignaler som funktion af tiden. Med udgangspunkt i kvalificeret valg af metode udføres der automatisk topografisk analyse af hjernesignaler fra hele hjernen med fokus på lokalisering af det mest anfaldskarakteristiske område for en række patienter. Ref: EEGLAB Der er allerede etableret en database med målinger fra 49 patienter med absenceepilepsi fra Rigshospitalet. Der kommer dog konstant nye patienter til, som skal inkluderes i denne database. For disse nye patienter vil alle anfaldsstarter blive identificeret i samarbejde med overlæge dr.med. Troels Kjær, Roskilde Universitetshospital, hvorefter data anonymiseres og udtrækkes til brug sammen med resten af databasen. Den biomedicinske signalbehandlingsgruppe fra BME ved DTU Elektro samarbejder med virksomhed og Rigshospitalet om forskning i epilepsi, og den studerende får mulighed for at være med i dette samarbejde. Lektor MSK Ph.D. Helge B.D. Sørensen, DTU Overlæge dr.med. Troels Kjær, Roskilde Universitetshospital Lektor Ph.D. Carsten Thomsen, KU-SUND Ph.D. civ.ing. Jonas Duun-Henriksen, Hyposafe A/S

8 Design of a narcolepsy alarm algorithm based on brain signals Introduktion: Narkolepsi er en sjælden søvnsygdom, hvor man pludselig får en uimodståelig trang til at sove. Folk kan falde i søvn midt i en samtale eller anden aktivitet. Søvn-anfaldet varer fra få minutter til en halv time, og kan komme flere gange om dagen. Udover søvntrangen er narkolopsi kendt for anfald, hvor alle muskler slappes, så man pludselig kan falde sammen (kataplektiske anfald). Ofte er det kun nogle få muskler, som er påvirket og man taber måske, hvad man har i hænderne. I nogle tilfælde kan slapheden dog brede sig til hele kroppen, så man synker sammen. De kataplektisk anfald varer fra få sekunder til nogle minutter og personen er helt vågen imens. Det kan derfor være et stort problem for dem at uddanne sig eller passe et arbejde. Mellem en halv og én promille af den danske befolkning lider af narkolepsi. Det svarer til et sted mellem og danskere. Narkolepsi findes lige hyppigt blandt mænd og kvinder. Sygdommen viser sig oftest omkring års alderen, men kan starte allerede i barndommen. Narkolepsi skyldes forstyrrelser i de centre i hjernestammen, som kontrollerer, hvornår vi er vågne, og hvornår vi sover. Man kender ikke den præcise mekanisme, men det er sandsynligt at problemet har at gøre med styring af REM-søvnen. Mennesker som lider af narkolepsi, går nemlig meget hurtigt fra vågen tilstand over i REM-søvn. Under REM-søvnen mister alle mennesker deres muskelkraft, på samme måde som en person med katapleksi kan gøre det, mens han er vågen. Men almindelig mennesker mærker normalt slet ikke, at deres muskler er fuldstændig slappe, mens de sover REM-søvn. Man ved ikke hvorfor nogle mennesker lider af narkolepsi. Men sygdommen er hyppig I nogle familier, og der er sandsynligvis en sammenhæng mellem visse vævstyper og risikoen for at få narkolepsi. Narkolepsi kan ikke helbredes, men medicinsk behandling kan hjælpe meget. Det er en specialist-opgave at behandle, så det er vigtigt at blive henvist til en hospitalsafdeling, hvor man kan stille den rigtige diagnose og sætte behandling igang. Projektmål: Projektmålet er design af en intelligent biomedicinsk signalbehandlingsalgoritme, der kan fungere som narkolepsi-alarm, se blokdiagrammet, der viser et britisk-canadisk forslag til en bærbar narkolepsialarm. I projektet undersøges endvidere sammenhængen mellem antallet af EEG kanaler og alarm kvalitet i form af sensitivitets- og specificitetsmål. Masterprojektet tager udgangspunkt i ovennævnte problemstilling. Først udføres et litteraturstudium af status indenfor biomedicinsk signalbehandling af elektrofysiologiske signaler fra personer med narkolepsi med sigte på automatisk monitorering eller automatisk detetktion af narkolepsianfald. Førstnævnte vedrører forbedret diagnosticering og behandling, og sidstnævnte vedrører tryghed i hverdagen for personer med narkolepsi. I masterprojektet arbejdes der med en avanceret biomedicinsk metoder feature ekstraktion og klassifikation (alarmfunktion) af nakolepsi events og non-narkolepsi-events (normal tilstand) ud fra en dialog med Glostrup Hospital om, hvad der har størst relevans for narkolepsi patientgruppen. Lektor Ph.D. Helge B.D. Sørensen, DTU Professor, overlæge dr.med. Poul Jennum, Rigshospitalet Glostrup

9 3D visualization of micro events in brain signals for better diagnosis of neurological disorders Description: The project focuses on improving the understanding of micro events (sleep spindles) in the brain using automatic signal processing for 3D visualization of the brain events. Better understanding results in better diagnosis. Sleep spindles are discrete, intermittent patterns of brain activity observed in human electroencephalographic data. Increasingly, these oscillations are of biological and clinical interest because of their role in development, learning and neurological disorders Reference: Nature paper by Stanford University, Glostrup Hospital, and the Biomedical Signal Processing Group, BME. Figure is from this paper, and illustrates sleep spindles. The project aim at 3D visualization of sleep spindles using time-frequency wavelet analysis. Combined with color map processing, 3D color images of sleep spindles will be produced in the project. Methods for making quantitative analysis and interpretation of the visualized micro events from the brain, will be applied. Both data from healthy subjects and subjects with neurological disorders will be available. Prerequisites: Signal analysis, Matlab experience and good mathematical skills. (a) Duration. (b) Frequency. (c) Maximum peak-to-peak amplitude in the 11- to 16-Hz band. (d) Symmetry, measured as the location of the maximum peak-to-peak amplitude relative to the length of the spindle. Example spindles for each characteristic (a d) are provided above the histograms. Black bars indicate spindle identification. (e) Spindle density in the 110 subjects. (f) Correlation between spindle density and subject age (P = 0.013). (g) Mean maximum peak-to-peak amplitude of spindles in females versus males (t-test P = ). Mean and s.d. are indicated by orange horizontal and vertical lines, respectively (n = 110 subjects). (h) Correlation between maximum peak-to-peak amplitude and subject age (P value = 0.016). (i) Spindle oscillation frequency between subjects (ANOVA P = ), ordered by descending mean frequency. The 10 subjects that had spindles scored in 100 epochs each are shown. Supervisors: Lektor MSK Ph.D. Helge B.D. Sørensen, DTU Professor, overlæge dr.med. Poul Jennum, Rigshospitalet Glostrup

10 BSc/MSc-project Automatic detection of tonic-clonic & clonic seizures I dette projekt skal man arbejde med nogle af de mest alvorlige epilepsianfald, der findes eksempelvis tonisk-kloniske anfald og kloniske anfald. Tonisk-kloniske anfald er af typen generaliseret anfald, der påvirker hele hjernen, og kraftige muskelkramper følger. Heraf. Visse epilepsianfald er så alvorlige, at man i værste fald risikerer SUDEP (sudden unexpected death in epilepsy). Derfor er det afgørende vigtigt, at der udvikles bærbare trådløse epilepsialarmer, eksempelvis som vist på nedenstående foto. Denne alarm skal detektere unormal muskelaktivitet ved start af et epilepsianfald, og herefter sende en trådløs alarm til forældrene i dette eksempel. Herved kan alvorlige komplikationer undgås, idet at barnet får hjælp i tide. I projektet får man mulighed for at arbejde på EEG og/eller EMG signaler fra epilepsipatienter, og der vil være dialog med læger og ingeniører omkring design-processen for robust detektion af epilepsianfald. Der ønskes ny viden om anfald i form af automatisk analyse og klassifikation af disse. Lektor MSK Ph.D. Helge B.D. Sørensen, DTU Overlæge dr.med. Troels Kjær, Roskilde Universitetshospital

11 BSc/MSc-project Automatic detection of seizures based on polymodal recordings of video, EEG, EMG and ECG. Description: Students work in the hospital environment of the epilepsy monitoring unit (EMU) where patients are admitted for several days to obtain seizures. Required qualifications: Human biology and disease course, basic signal analysis course, good programming skills. Responsible institution: University of Copenhagen Contact information: Troels Wesenberg Kjær, tel Allowed no of students per report (1-2): 1 for MSc, 2 for BSc. Suggested KU supervisor: Troels Wesenberg Kjær, bio-medicinsk institut and specialeansvarlige overlæge Roskilde University Hospital. Suggested DTU supervisor: Helge Sørensen, DTU elektro. The project description may be published on the website (yes/no): (Title and responsible institution are always published) Epilepsy is a chronic neurological disease characterized by recurrent unprovoked seizures. The seizure may be characterized for proper diagnosis with a stay in the epilepsy monitoring unit (EMU) where video, EEG (electroencephalogram, brain waves), EMG (electromyography) and ECG (electro cardiography) are recorded simultaneously. Many epilepsy patients take anti-epileptic medication several times a day to keep the seizures away. Some are not seizure free despite optimal medical treatment. These patients may undergo epilepsy surgery in which part of the brain is removed. As part of the work up extended stays in the EMU are needed. From the physicians daily analysis of these data we have a feeling that each modility contributes to the final diagnosis, but we dont know how much. Therefore we need skilled students to estimate the role of each modality (video optional) in making the diagnosis. Successful students will work on feature extraction and classification and estimations of Shannon entropy and transmitted information.. Bachelor students will most likely not have enough time to do all steps, but can choose to start with one aspect of the problem and go from there. The project will take place at Roskilde University Hospital (next to the train station) and DTU.