Co giật động kinh và nhận biết co giật động kinh điện não

Giai đoạn này áp dụng các phƣơng pháp xử lý đơn giản dựa trên hình thái (morphology) của tập dữ liệu thô EEG thu từ thiết bị đo nhằm loại bớt những dữ liệu không chứa gai. Sử dụng cá[r]

LỜI CAM ĐOAN

Tôi xin cam đoan bản luận văn này là kết quả nghiên cứu của bản thân tôi dưới sự hướng

dẫn khoa học của Ts Nguyễn Linh Trung Các phần tham khảo được chỉ rõ trong danh mục

tài liệu tham khảo

Nếu có gì sai phạm tôi xin chịu hoàn toàn trách nhiệm

Người cam đoan

Giản Quốc Anh

MỤC LỤC

LỜI CAM ĐOAN i

MỤC LỤC ii

DANH MỤC HÌNH VẼ v

DANH SÁCH THUẬT NGỮ VIẾT TẮT vii

LỜI CẢM ƠN viii

TÓM TẮT ix

MỞ ĐẦU 1

CHƯƠNG 1 - ĐIỆN NÃO ĐỒ 7

1.1 Bản ghi điện não đồ (EEG) 7

1.1.1 Cơ chế điện sinh lý 7

1.1.2 Cơ chế hoạt động điện ở màng tế bào 8

1.1.3 Nơ-ron và lan truyền kích thích 10

1.1.4 Đo hoạt động điện trên da đầu 11

1.2 Đặc điểm của EEG 12

1.2.1 Các dạng nhịp cơ bản 13

1.2.2 Một số loại nhịp khác 16

1.2.3 Một số nhịp dạng sóng bình thường xuất hiện trong giấc ngủ 17

1.3 Hệ thống 10/20 18

1.3.1 Xác định vị trí các điện cực 18

1.3.2 Quy tắc đặt tên 20

1.3.3 Điện cực tham chiếu 21

1.3.4 Điện cực đất 22

1.4 Đạo trình 23

1.4.1 Phân cực 23

1.4.2 Đạo trình đơn cực 26

1.4.3 Đạo trình lưỡng cực 27

1.5 Dấu hiệu nhận biết tín hiệu động kinh 30

1.5.1 Một số khái niệm 30

1.5.2 Sự phóng điện giữa các cơn 31

1.5.3 Vai trò của EEG trong chẩn đoán động kinh 31

1.5.4 Các bước chẩn đoán 32

CHƯƠNG 2 - THU THẬP DỮ LIỆU 38

2.1 Thiết bị đo và bệnh nhân 38

2.2 Tiến hành đo 38

2.2.1 Chuẩn bị trước khi đo 38

2.2.2 Quá trình đo điện não 40

2.3 Chuẩn bị dữ liệu 46

2.3.1 Đánh giá độc lập bởi chuyên gia 46

2.3.2 Đọc file dữ liệu 46

CHƯƠNG 3 - CÁC PHƯƠNG PHÁP XỬ LÝ SỐ ỨNG DỤNG TRONG PHÁT HIỆN GAI 48

3.1 Mạng nơ-ron nhân tạo (ANN) 48

3.1.1 Mô hình nơ-ron 48

3.1.2 Kiến trúc mạng 50

3.1.3 Huấn luyện 53

3.1.4 Luật học 54

3.1.5 Mạng Perceptron nhiều lớp 57

3.2 Biến đổi Wavelet 62

3.2.1 So sánh Wavelet và biến đổi Fourier 62

3.2.2 Hàm cơ sở 63

3.2.3 Biến đổi DWT và CWT 64

CHƯƠNG 4 - MÔ PHỎNG HỆ THỐNG 66

4.1 Chuẩn bị dữ liệu EEG phục vụ huấn luyện và kiểm tra 66

4.2 Tiền xử lý 67

4.2.1 Phân tích các đặc trưng của đỉnh và hoạt động nền dựa trên hình thái 67

4.2.2 Ứng dụng mạng Perceptron trong giai đoạn tiền phân loại 72

4.3 Biến đổi wavelet 75

4.3.1 Hàm wavelet 76

4.3.2 Lựa chọn scales 76

4.4 Mạng nơ-ron nhân tạo 81

4.4.1 Cấu trúc 82

4.4.2 Thuật toán huấn luyện mạng 82

CHƯƠNG 5 - KẾT LUẬN VÀ CÔNG VIỆC DỰ KIẾN 85

PHỤ LỤC 88

TÀI LIỆU THAM KHẢO 101

DANH MỤC HÌNH VẼ

Hình 1.1: Phân chia các thùy trên vỏ não 8

Hình 1.2: Các giai đoạn đáp ứng kích thích của tế bào 9

Hình 1.3: Cấu trúc một tế bào thần kinh (nơ-ron) 10

Hình 1.4: Kết nối giữa các nơ-ron 11

Hình 1.5: Các nhịp cơ bản của EEG 12

Hình 1.6: Nhịp alpha 10Hz xuất hiện khi nhắm mắt và mất khi mở mắt 15

Hình 1.7: Nhịp μ 16

Hình 1.8: Sóng lambda 16

Hình 1.9: Sóng vertex 17

Hình 1.10: Xác định các điểm mốc trên hộp sọ 19

Hình 1.11: Vị trí các điện cực theo tiêu chuẩn 10-20 21

Hình 1.12: Quy tắc thay đổi hiệu điện thế tương ứng với lối vào 24

Hình 1.13: Chiều hiệu điện thế ghi được tương ứng với lối vào 24

Hình 1.14: Sơ đồ đo có điện cực tham chiếu chung 25

Hình 1.15: Sơ đồ đo giữa hai điện cực liên tiếp 25

Hình 1.16: Định vị nguồn xuất hiện gai trên đạo trình đơn cực 26

Hình 1.17: Đạo trình lưỡng cực dọc 28

Hình 1.18: Đạo trình lưỡng cực ngang 29

Hình 1.19: Quan hệ giữa điện thế điện cực chung lối vào và thế lối ra 29

Hình 1.20: Hình thái của gai 32

Hình 1.21: Hình thái của sharp wave 33

Hình 1.22: Phức hợp gai sóng 33

Hình 1.23: Đa gai và sóng 34

Hình 1.24: Phức hợp đa gai 34

Hình 1.25: Phức hợp đa nhọn sóng 35

Hình 1.26: Phức hợp đa nhọn và sóng chậm 35

Hình 1.27: Sóng nhọn dạng động kinh 36

Hình 1.28: Một số dạng gai thực tế [2] 37

Hình 2.1: Chuẩn bị calibration trước khi đo 40

Hình 2.2: Lựa chọn đạo trình đo trên phần mềm ProFusion EEG 4 41

Hình 2.3: Lựa chọn đạo trình đo 41

Hình 2.4: Lựa chọn độ nhạy 42

Hình 2.5: Lựa chọn các bộ lọc số 42

Hình 2.6: Lựa chọn số giây hiển thị trên một trang màn hình 43

Hình 2.7: Các tùy chọn trong phần mềm ProFusion EEG 4 khi đo 44

Hình 2.8: Giao diện phần mềm đo EEG thực hiện trên bệnh nhân 47

Hình 3.1: Mô hình nơ-ron nhân tạo 49

Hình 3.2: Mạng nơ-ron một lớp với S nơ-ron 50

Hình 3.3: Mô hình mạng ANN một lớp gồm S nơ-ron 51

Hình 3.4: Mô hình mạng ANN gồm 3 lớp 51

Hình 3.5: Mạng ANN 3 lớp dạng rút gọn 52

Hình 3.6: Mô hình mạng có phản hồi 53

Hình 3.7: Mạng multilayer perceptron 3 lớp 59

Hình 4.1: Một số gai đƣợc các chuyên gia đánh dấu trên bản ghi EEG 66

Hình 4.2: Biểu diễn một đoạn dữ liệu EEG gồm 256 mẫu 68

Hình 4.3: Các đỉnh trên EEG đƣợc đánh dấu 69

Hình 4.4: Các đỉnh có biên độ nhỏ đƣợc loại bỏ khỏi danh sách đỉnh 69

Hình 4.5: Các đặc trƣng hình thái của đỉnh [5] 70

Hình 4.6: Mạng Perceptron [22] 73

Hình 4.7: Huấn luyện mạng perceptron sử dụng công cụ nntraintool của Matlab 74

Hình 4.8: Tín hiệu gốc 77

Hình 4.9: Biểu diễn WT của tín gốc trên 32 scales 77

Hình 4.10: Phân tích tín hiệu dùng wavelet với hàm sóng con bior1.5 79

Hình 4.11: Các tham số đặc trƣng làm đầu vào cho mạng nơ-ron nhân tạo [6] 80

Hình 4.12: Mô hình mạng MLP sử dụng trong hệ thống 82

Hình 4.13: Các gai đƣợc chuyên gia đánh giá đƣợc khoanh tròn 83

Hình 4.14: Các gai đƣợc hệ thống phát hiện 83

DANH SÁCH THUẬT NGỮ VIẾT TẮT

CWT Continuous Wavelet Transform Biến đổi Wavelet liên tục

DWT Discrete Wavelet Transform Biến đổi Wavelet rời rạc

FHWA First Half Wave Amplitude Biên độ cạnh trước

SHWA Second Half Wave Amplitude Biên độ cạnh sau

SHWD Second Half Wave Duration Thời gian tồn tại cạnh sau

SHWS Second Half Wave Slope Thời gian tồn tại cạnh trước STFT Short Time Fourier Transform Biến đổi Fourier thời gian ngắn

LỜI CẢM ƠN

Trước tiên, em xin gửi lời cảm ơn chân thành tới thầy giáo hướng dẫn, TS Nguyễn Linh Trung, về những chỉ bảo, định hướng nghiên cứu trong suốt thời gian học tập của mình Những chỉ bảo tận tình, tác phong làm việc nghiêm túc cùng những trao đổi sâu sắc về những vấn đề trong luận văn của thầy đã giúp em nhiều trong nghiên cứu và định hướng nghiên cứu Những điều học được ở thầy sẽ là cơ sở quan trọng trong bước đường học tập, làm việc của em tiếp theo

Xin cảm ơn TS Bác sĩ Hoàng Cẩm Tú đã tận tình hướng dẫn tôi cơ sở lý thuyết phương pháp đo EEG và nhận biết gai, lựa chọn bệnh nhân Đây là một lĩnh vực với nhiều khái niệm chuyên ngành đòi hỏi sự hiểu biết về y học nhưng đã được bác sĩ truyền đạt dễ hiểu giúp tôi nhanh chóng nắm bắt được vấn đề Cùng với sự giúp đỡ về mặt chuyên môn, bác sĩ cũng luôn ủng hộ về tinh thần, giúp tôi thêm động lực nghiên cứu lĩnh vực khó khăn này Trong thời gian học tập và làm luận văn tại bộ môn Xử lý Thông tin tôi đã luôn được tạo mọi điều kiện thuận lợi nhất Qua đây, cho tôi bày tỏ lòng biết ơn đến các thầy, các bạn trong bộ môn vì sự giúp đỡ quý báu và tình cảm mà tôi nhận được Cảm ơn nghiên cứu sinh Đinh Văn Phong đã chia sẻ, giúp đỡ tôi cả trong công việc và cuộc sống

Cảm ơn các thầy, cô trong khoa Điện tử - Viễn thông trường Đại học Công nghệ - Đại học Quốc Gia Hà Nội về những kiến thức các thầy, cô trang bị cho em trong thời gian học tập tại khoa

Xin cảm ơn Ban Giám hiệu, các thầy cô khoa Điện-Điện tử và bộ môn Kĩ thuật Điện tử trường Đại học Sư phạm Kỹ thuật Nam Định đã tạo mọi điều kiện thuận lợi cho tôi trong quá trình học tập

Cuối cùng, con thể hiện lòng biết ơn đến bố, mẹ đã nhận những vất vả về mình, luôn luôn động viên, tạo những điều kiện tốt nhất cho con được yên tâm học tập Cảm ơn các anh, chị

về sự khích lệ, giúp đỡ Cảm ơn các bạn bè về sự quan tâm, chia sẻ

Luận văn thạc sĩ này nằm trong khuôn khổ và được hỗ trợ bởi đề tài nghiên cứu khoa học số QG.10.44 cấp Đại học Quốc Gia Hà Nội

Hà Nội, ngày 8 tháng 10 năm 2010

Giản Quốc Anh

TÓM TẮT

Cơn động kinh xuất hiện với một tỉ lệ lớn trong cộng đồng Phát hiện gai động kinh tự động trên điện não đồ (EEG) là công việc nhiều ý nghĩa giúp giảm thời gian đọc bản ghi của chuyên gia, giảm tính chủ quan trong đánh giá, đồng thời là cơ sở để phát triển các sản phẩm trợ giúp người bệnh tự động Tuy nhiên, công việc này gặp nhiều khó khăn do sự biến thiên về hình thái của gai, sự xuất hiện của các thành phần artifacts

Luận văn tìm hiểu bản chất quá trình điện sinh lý của EEG Tìm hiểu phương pháp đo theo

hệ thống chuẩn quốc tế 10-20 và các đặc trưng điện não của bệnh động kinh Trên cơ sở đó, chúng tôi thực hiện các phép đo trên bệnh nhân đang được điều trị động kinh, kết hợp với sự đánh giá của chuyên gia để tạo thành một cơ sở dữ liệu EEG phục vụ nghiên cứu

Luận văn tổng quan các phương pháp phát hiện gai tự động, chỉ ra ưu nhược điểm của từng phương pháp Dựa trên quy trình phát hiện gai nhiều giai đoạn đã được đề xuất, luận văn thực hiện mô phỏng hệ thống trên cơ sở kết hợp nhiều phương pháp sử dụng các thông tin

về hình thái, tần số, bối cảnh xuất hiện của gai Hệ thống phát hiện gai tự động được phân chia thành giai đoạn: (i) tiền phân loại, (ii) phân tích các đặc trưng và (iii) hệ thống chuyên gia Trong giai đoạn tiền phân loại, các thông tin về hoạt động nền cục bộ mà tại đó xuất hiện đỉnh được phân tích, các tham số của đỉnh được chuẩn hóa Một số đỉnh biểu hiện các hoạt động hài bình thường được loại bớt trong giai đoạn này Giai đoạn tiếp theo phân tích các đặc trưng về hình thái như biên độ, độ dốc và các thông tin về tần số, các thuộc tính của hoạt động nền Sau đó các đỉnh được phân chia thành loại có tiềm năng là gai hoặc không phải gai dựa trên kết quả so sánh giữa các thông số này với ngưỡng do các chuyên gia đặt

ra Thuật toán được sử dụng để phân tích các đặc trưng dựa trên biến đổi wavelet và mạng ANN Giai đoạn thứ ba sử dụng hệ thống chuyên gia để quyết định một đỉnh có khả năng là gai hay không dựa trên sự tổng hợp các thông tin về không gian và thời gian trên nhiều kênh, vị trí, lứa tuổi, trạng thái, v.v

Chúng tôi đã xây dựng được một cơ sở dữ liệu của 4 bệnh nhân Thực hiện thuật toán, mô phỏng trên phần mềm Matlab bước đầu cho các kết quả khả quan

MỞ ĐẦU

Tín hiệu điện đo được trên cơ thể con người gắn liền với thông tin về chức năng sinh lý của cơ thể Thông tin này nằm ẩn trong cấu trúc của tín hiệu Để thu được thông tin cần phải “giải mã” tín hiệu Để đánh giá và phân loại động kinh, phân tích EEG là một trong các tiêu chuẩn đầu tiên được các chuyên gia lựa chọn EEG trong cơn (seizure) được đặc trưng bởi các gai sóng biên độ cao liên tục do sự phóng điện bất thường của một tập hợp lớn các nơ-ron thần kinh Do động kinh xảy ra tại thời điểm bất kỳ, dấu hiệu nhận biết động kinh thường được quan sát trên EEG đo được giữa các cơn Gai động kinh (spike) và sóng nhọn (sharp wave) (sau đây chúng tôi gọi

là gai và sóng nhọn) là các dấu hiệu nhận biết động kinh thường được quan sát thấy trên EEG của bệnh nhân Các thông tin về vị trí xuất hiện, mật độ xuất hiện, hình thái

và mối tương quan giữa các gai là cơ sở để các bác sĩ đưa ra các quyết định chẩn đoán

và điều trị

Một nghiên cứu năm gần đây cho khu vực miền Bắc Việt Nam chỉ ra rằng tỉ lệ động kinh là 0,44% dân số [1] Xây dựng công cụ phát hiện gai tự động trên EEG sẽ giúp tiết kiệm thời gian của các chuyên gia Thời gian đo EEG thường kéo dài vài chục phút thậm chí vài ngày, phương pháp truyền thống là chuyên gia quan sát bản ghi trên giấy, phát hiện các dấu hiệu bất thường sẽ tốn nhiều thời gian đồng thời họ phải được đào tạo tốt Mặt khác, do không có định nghĩa rõ ràng về gai, các chuyên gia khác nhau sẽ cho các nhận định khác nhau thậm chí ngay trên một bản ghi Để giảm tính chủ quan trong đánh giá, phương pháp phát hiện gai tự động dựa trên bản thân các đặc trưng của gai Hơn nữa, phát hiện gai tự động còn cung cấp thêm các thông tin định lượng có ý nghĩa

Cho đến nay, phát hiện gai vẫn chưa được thực hiện tự động hoàn toàn do có một

số khó khăn [2,3] Thứ nhất, gai không có một định nghĩa rõ ràng Gai được định nghĩa là: “một xung (transient), phân biệt rõ ràng với hoạt động nền, có đỉnh nhọn quan sát ở tốc độ giấy thông thường” [2] Gai có thời gian tồn tại trong khoảng từ 20-70ms, sóng nhọn có thời gian tồn tại từ 70ms -200ms Định nghĩa này gây khó khăn

cho các nhà kỹ thuật khi phải định lượng khái niệm “phân biệt rõ ràng” Thứ hai, hình thái của gai và hoạt động nền thay đổi trên các bản ghi khác nhau Thứ ba, các đỉnh với cùng một hình dạng nhưng chuyên gia có kinh nghiệm xác định là gai hay không còn phụ thuộc vào nhiều yếu tố như vị trí xuất hiện, trạng thái ngủ hay thức, độ tuổi,

sự đối xứng của tín hiệu giữa hai bán cầu, v.v Rất nhiều dạng sóng rõ ràng phù hợp với định nghĩa gai, tuy nhiên, chúng không được các chuyên gia có kinh nghiệm xác định là gai hay sự kiện bất thường

Việc đánh giá, so sánh giữa các phương pháp phát hiện gai có khó khăn do các phương pháp không được đánh giá trên tập dữ liệu chung [3] Một phương pháp được đánh giá là tốt trên tập dữ liệu này nhưng khi được một nhóm nghiên cứu khác áp dụng với một tập dữ liệu khác lại cho kết quả khác nhau do sự nhận định khác nhau của các chuyên gia về gai Thêm vào đó, chất lượng của một hệ thống tự động phát hiện các sự kiện bất thường phụ thuộc nhiều vào bản ghi dữ liệu, dường như chúng tốt hơn với các bản ghi có nhiều sự kiện đúng dạng động kinh [2]

Một số kỹ thuật đã được đề xuất và thực hiện để phát hiện gai tự động [4] Phương

pháp đánh giá tương quan giữa các đỉnh xuất hiện trong EEG với các gai mẫu Nếu

tương quan lớn hơn một ngưỡng được đặt trước thì đỉnh được coi là gai Phương pháp

dự đoán tuyến tính sử dụng các kỹ thuật xử lý tín hiệu để phân biệt gai với các hoạt

động nền Phương pháp bắt chước chuyên gia tính toán các tham số của đỉnh, một

đỉnh được xác định là gai khi các tham số vượt quá ngưỡng nhất định

Độ nhạy, độ chọn lọc và tỉ số lỗi trên giờ là những tiêu chí thông dụng để đánh giá chất lượng một hệ thống phát hiện gai tự động [5] Độ nhạy được đo bằng tỉ số giữa số gai phát hiện đúng trên tổng số các gai được ghi nhận bởi chuyên gia Độ chọn lọc được đo bằng tỉ số giữa số gai phát hiện đúng trên tổng số gai phát hiện được bởi hệ thống Các gai phát hiện được gọi là đúng nếu cả chuyên gia và hệ thống đều ghi nhận

là gai Tỉ số lỗi được đo bằng số lỗi mà hệ thống phát hiện sai trên một giờ Một hệ thống có hiệu suất cao khi có độ nhậy cao, đồng thời tỉ số lỗi phát hiện sai trên giờ nhỏ

Thực tế cho thấy, không một phương pháp độc lập nào là hoàn hảo, để hệ thống phát hiện gai có hiệu suất cao phải sử dụng nhiều giai đoạn kết hợp các phương pháp

khác nhau dựa trên các thông tin về hình dạng, tần số, thời gian và bối cảnh tại đó gai xuất hiện [4,6] Hệ thống phát hiện gai tự động được phân chia thành giai đoạn: (i) tiền phân loại, (ii) phân tích các đặc trưng và (iii) hệ thống chuyên gia [3] Trong giai đoạn tiền phân loại, các thông tin về hoạt động nền cục bộ mà tại đó xuất hiện đỉnh được phân tích, các tham số của đỉnh được chuẩn hóa Một số đỉnh biểu hiện các hoạt động hài bình thường được loại bớt trong giai đoạn này Giai đoạn tiếp theo phân tích các đặc trưng về hình thái như biên độ, độ dốc và các thông tin về tần số, các thuộc tính của hoạt động nền Sau đó các đỉnh được phân chia thành loại có tiềm năng là gai hoặc không phải gai dựa trên kết quả so sánh giữa các thông số này với ngưỡng do các chuyên gia đặt ra Một số thuật toán được sử dụng phổ biến gần đây để phân tích các đặc trưng dựa trên biến đổi wavelet [7,8], biến đổi thời gian tần số [9,10] và mạng nơ-ron [11,12] Nhiều nghiên cứu kết hợp biến đổi wavelet hoặc biến đổi thời gian tần số

để phân tích đặc trưng của đỉnh và mạng nơ-ron để phân loại [4,7,8,9,6,5] Giai đoạn thứ ba sử dụng hệ thống chuyên gia để quyết định một đỉnh có khả năng là gai hay không dựa trên sự tổng hợp các thông tin về không gian và thời gian trên nhiều kênh,

vị trí, lứa tuổi, trạng thái, v.v [6]

Các phương pháp phân tích định lượng, như wavelet và thời gian-tần số, yêu cầu các tham số phải được xác định chính xác bởi chuyên gia Trong khi đó, phương pháp

sử dụng mạng nơ-ron yêu cầu phải có một lượng dữ liệu đủ lớn để huấn luyện mạng Mạng nơ-ron có ưu điểm là không cần phải chỉ rõ tập quy tắc xác định gai mà hệ thống

tự điều chỉnh các hệ số liên kết qua một quá trình huấn luyện sử dụng các mẫu là gai

và không phải gai Mạng nơ-ron tỏ ra phù hợp trong ứng dụng phát hiện gai động kinh, rất gần với quá trình học nhận biết gai của chuyên gia dựa trên tập hợp các mẫu [8] Đầu vào cho mạng nơ-ron có thể là: (i) dữ liệu thô [12,5] hoặc (ii) các thông số đặc trưng của dữ liệu [7,8,9,11,6] Dạng thứ nhất có ưu điểm tiềm năng so với dạng thứ hai

là khả năng tránh được phân loại sai khi không cân nhắc hết các tham số đặc trưng của

dữ liệu Tuy nhiên, nhược điểm của dạng này là số lượng đầu vào mạng nơ-ron lớn, đặc biệt khi phải tính toán trên nhiều kênh Hơn nữa, do hình thái của gai thay đổi, đòi hỏi một tập hợp mẫu huấn luyện lớn Dạng thứ hai sử dụng tập hợp các tham số đặc trưng của gai như độ dốc, biên độ, thời gian tồn tại làm đầu vào của mạng nơ-ron Chất lượng của hệ thống sử dụng phương pháp này phụ thuộc vào việc lựa chọn tập các đặc

trưng thích hợp dựa trên kinh nghiệm của chuyên gia Các kết quả nghiên cứu cho thấy, việc sử dụng các tham số đặc trưng cho đầu vào của mạng nơ-ron cho kết quả tốt hơn [13] Mạng nơ-ron được huấn luyện bằng một trong hai phương pháp là có giám sát [11] và không giám sát [14,15]

Điện não để phục vụ chẩn đoán động kinh cần được đo ít nhất là 20 phút, theo chuẩn của thế giới Tuy nhiên, hiện nay ở Việt Nam các bệnh viện chỉ đo 10 đến 15 phút do thiếu trang thiết bị, số bệnh nhân cần đo nhiều và thiếu chuyên gia y tế Vì thế,

dữ liệu đã được đo ở bệnh viện khó có thể dùng để nghiên cứu xử lý điện não cho bệnh động kinh Trong đề tài này chúng tôi tìm hiểu về cơ chế xuất hiện các hoạt động điện,

ý nghĩa các hoạt động điện, phương pháp đo, tiến hành đo và xây dựng một số bộ cơ

sở dữ liệu chuẩn phục vụ các quá trình nghiên cứu tiếp theo Với sự trợ giúp của chuyên gia về điện não đồ, chúng tôi tiến hành đo trên các bệnh nhân đã và đang trong quá trình điều trị, có các biểu hiện xuất hiện gai rõ ràng để có cơ sở dữ liệu cho quá trình nghiên cứu Thiết bị đo EEG đã được trang bị thông qua đề án tăng cường năng lực nghiên cứu của đơn vị

Đồng thời với việc thu thập cơ sở dữ liệu EEG, chúng tôi tiến hành xây dựng thuật toán phát hiện gai tự động nhiều kênh trên EEG Dữ liệu được xử lý sau khi đã thu thập và ghi thành file chứa trong ổ cứng Trước tiên, các thông số của EEG được chuẩn hóa, tiền phân loại bằng mạng perceptron dựa trên các đặc trưng về hình dạng Các đỉnh sẽ được phân thành loại không phải gai và loại có khả năng là gai Giai đoạn tiền phân loại sẽ loại bỏ bớt một số đỉnh không phải là gai, giúp giảm khối lượng tính toán của hệ thống về sau Sau giai đoạn tiền phân loại, các đỉnh thuộc loại có khả năng

là gai được phân tích thành các scale bởi phép biến đổi wavelet Một số scale đặc trưng cho gai được lựa chọn và đưa tới đầu vào của mạng nơ-ron nhân tạo để loại bỏ bớt các đỉnh không phải gai Sau cùng, các đỉnh (mà giá trị đầu ra của mạng nơ-ron vượt qua một giá trị nhất định) được quyết định bởi hệ chuyên gia Hệ chuyên gia đánh giá các đỉnh ghi nhận được ở các giai đoạn trước đồng thời trên nhiều kênh, có xem xét đến các yếu tố như vị trí xuất hiện từ đó đưa ra quyết định cuối cùng có chấp nhận một đỉnh ghi nhận được là gai hay không Việc phân chia quá trình phát hiện gai tự động thành nhiều giai đoạn, kết hợp nhiều phương pháp, sử dụng tổng hợp các thông

tin về hình dạng, thời gian, tần số và không gian giúp hệ thống đưa ra các quyết định đáng tin cậy

Mô hình hệ thống:

Các thuật toán được viết và đánh giá trên phần mềm Matlab (phiên bản 2009a), sử dụng các công cụ signal processing toolbox, wavelet transform toolbox và nơ-ron network toolbox

Hiện nay, chúng tôi đã tiến hành đo trên 4 bệnh nhân, trong thời gian tối thiểu 30 phút/bệnh nhân Các bệnh nhân có độ tuổi từ 4 cho đến 19 tuổi

Trong phần tiếp theo, ngoài phần mở đầu, luận văn được tổ chức thành 5 chương:

- Chương 1: Điện não đồ

Chương này trình bày cơ chế hoạt động điện não, phương pháp đo EEG theo chuẩn quốc tế 10-20, các đặc trưng cơ bản của EEG và dấu hiệu nhận biết gai Đây là các kiến thức y sinh cơ bản để có thể hiểu ý nghĩa bản ghi EEG và xử lý được EEG

- Chương 2: Thu thập dữ liệu

Trình bày các thông số của bản ghi điện não, các tham số máy ghi điện não Phương pháp tiến hành thu thập dữ liệu trên bệnh nhân

- Chương 3: Các phương pháp xử lý tín hiệu số ứng dụng trong phát hiện gai Chương này trình bày về mạng nơ-ron nhân tạo ANN và phép biến đổi Wavelet Đây

là các phương pháp được sử dụng để phân tích các đặc trưng của đỉnh và phân loại gai

CHƯƠNG 1 - ĐIỆN NÃO ĐỒ

1.1 Bản ghi điện não đồ (EEG)

EEG (Electroencephalogram) là sự biểu diễn dạng đồ họa sự thay đổi hiệu điện thế theo thời gian giữa các điện cực được đặt ở các vị trí khác nhau trên da đầu tương ứng với các vùng của vỏ não

EEG cung cấp thông tin về các hoạt động điện não thông qua biên độ, tần số, phân bố không gian, hình thái, sự phân cực của hiệu điện thế Trên cơ sở nghiên cứu các đặc trưng của EEG cho phép các bác sĩ và các nhà khoa học phát hiện được các biểu hiện bất thường của bộ não Kết hợp với các triệu chứng lâm sàng, tuổi và trạng thái của bệnh nhân các bác sĩ có thể chẩn đoán nguyên nhân và nguồn gốc của các bất thường từ đó tìm ra các biện pháp điều trị thích hợp

Sự biểu hiện của EEG rất đa dạng ở các đối tượng bệnh nhân khác nhau và phụ thuộc vào nhiều yếu tố như độ tuổi, tình trạng tâm lý, tình trạng thức hay ngủ, mức độ tập trung v.v của đối tượng đo

1.1.1 Cơ chế điện sinh lý

Vỏ não là lớp ngoài cùng của não có độ dày khoảng 2-3mm Bề mặt vỏ não được quấn lại bởi các lằn gợn và các khe với nhiều kích thước khác nhau làm tăng diện tích hệ thần kinh Diện tích tổng cộng lớn hơn 2,5 2

m bao gồm hơn 10 tỉ nơ-ron

Vỏ não bao gồm 2 bán cầu đối xứng: bán cầu trái và bán cầu phải, được tách biệt bởi rãnh sâu Mỗi bán cầu được chia thành bốn thùy khác nhau: thùy trán (frontal lobe), thùy thái dương (temporal lobe), thùy đỉnh (parietal lobe), thùy chẩm (occipital lobe)

Mỗi vùng trên các thùy có các vai trò khác nhau:

- Các vùng sơ cấp (chiếm diện tích tương đối nhỏ): các nơ-ron (các tế bào thần kinh được gọi chung là nơ-ron) trong vùng này có một mục đích cụ thể như vùng chuyên về vận động (the motor cortex) nằm ở thùy trán, vùng thần kinh cảm giác về

âm thanh nằm ở vùng trên của thùy thái dương

Hình 1.1: Phân chia các thùy trên vỏ não

- Các vùng thứ cấp: các nơ-ron ở vùng này làm nhiệm vụ phân tích, hỗ trợ cho các nơ-ron vùng sơ cấp Các nơron này cũng chứa các thông tin tham chiếu để so sánh giữa các thông tin hiện tại với các thông tin được tích lũy trước đó

Điện sinh lý (electrophysiology) là kết quả của các hoạt động điện hoá của một nhóm các tế bào bị kích thích

1.1.2 Cơ chế hoạt động điện ở màng tế bào

Nội dung phần này dựa trên tài liệu tham khảo [16,17] Một tế bào được bao bọc bởi màng huyết tương Màng này cấu tạo gồm các lớp lipid dẫn điện kém Do tính chất thẩm thấu, màng này cho đi qua một số chất qua các kênh khác nhau và ngăn cản với các chất còn lại

Các chất lưu bên trong và ngoài tế bào gồm nước (trung hòa điện) và một số ion

do đó có tính dẫn điện Trong nơ-ron các ion chính bao gồm: Na+

, K+ và Cl- Các ion khác, ví dụ như Ca+ , cũng tồn tại nhưng không đóng vai trò quan trọng

Ở tình trạng bình thường (nghỉ) bên trong tế bào tích điện âm hơn so với bên ngoài Sự khác nhau này là do các ion âm tập trung bên trong nhiều hơn bên ngoài tế bào Ngược lại, phía bên ngoài, các ion dương tập trung nhiều hơn Sự khác biệt này

còn do nguyên nhân từ độ thẩm thấu của màng tế bào đối với các ion khác nhau là khác nhau

Hình 1.2: Các giai đoạn đáp ứng kích thích của tế bào Khi màng tế bào mở các kênh cho các ion khuếch tán, các ion K+ bên trong tế bào khuếch tán đi ra tạo điện thế dương bên ngoài và ngược lại tạo điện thế âm trong màng tế bào Điện thế này tạo thành lực điện ngăn cản sự khuếch tán tiếp theo

Hiệu điện thế đo được là -70μV gọi là hiệu điện thế nghỉ, nơ-ron ở trạng thái cực hóa Khi có một yếu tố nào đó kích thích làm giảm điện thế màng tế bào tới một ngưỡng nhất định sẽ xảy ra kích thích Đây không phải là quá trình tuyến tính, điện thế kích thích được tạo ra qua các giai đoạn Khử cực xảy ra khi điện thế màng tế bào trở về không sao cho phía trong tế bào ít âm hơn và cuối cùng đảo ngược lại dương hơn Sau quá trình khử cực là quá trình tái phân cực sao cho tế bào trở về trạng thái nghỉ với điện thế bên trong âm hơn bên ngoài

1.1.3 Nơ-ron và lan truyền kích thích

Hình 1.3: Cấu trúc một tế bào thần kinh (nơ-ron) Nội dung phần này tham khảo tài liệu [16,18] Một nơ-ron bao gồm thân (soma), các đuôi gai (dendrite), sợi trục (axon) Mỗi đuôi gai có thể bao gồm hàng ngàn nhánh làm nhiệm vụ nhận tín hiệu từ nơ-ron khác Độ dài đuôi gai thường nhỏ hơn 2mm Sợi trục thường là một nhánh đơn, làm nhiệm vụ truyền tín hiệu từ nơ-ron đến các nơi khác của hệ thần kinh Độ dài của sợi trục có thể nhỏ hơn 1mm nhưng cũng có thể lớn hơn 1m

Thông tin truyền giữa các nơ-ron xảy ra tại các khớp (synapse) Khớp là vị trí kết nối giữa đầu cuối sợi trục của nơ-ron này với nơ-ron khác Tín hiệu khởi nguồn từ thân nơ-ron truyền qua sợi trục dưới dạng một xung ngắn Khi đến màng trước khớp (presynapse), tín hiệu điện này chuyển thành dạng tín hiệu hóa học, khuếch tán qua khe khớp, sau đó khôi phục lại thành tín hiệu điện ở màng sau khớp (postsynaptic) của nơ-ron nhận

Tín hiệu nhận được ở sau khớp là tổng cộng của tất cả các tín hiệu đến khớp Biên độ của tín hiệu này phụ thuộc vào tổng số các tín hiệu vào và sự trùng hợp thời gian giữa chúng, biên độ giảm nếu các tín hiệu đến màng trước khớp phân tán về thời gian Để tạo ra một thế kích thích trong nơ-ron nhận, tín hiệu này phải lớn hơn một ngưỡng nhất định Tín hiệu đến nơ-ron có thể là tín hiệu kiềm chế, phụ thuộc vào cấu trúc hóa học cụ thể của nơ-ron, do đó nơ-ron nhận được cả tín hiệu kích thích và kiềm chế.Tín hiệu ra của nơ-ron là tổng hợp của các tín hiệu nhận được

Hoạt động điện truyền dọc theo sợi trục được thể hiện dưới dạng chuỗi các thế kích thích có biên độ sóng xác định Nơ-ron hoạt động theo cơ chế bật/tắt, nghĩa là nơ-

ron hoặc tạo ra một thế kích thích với một biên độ xác định hoặc không tạo ra Như vậy, cường độ tín hiệu được mã hóa dưới dạng tốc độ của điện thế kích thích Ví dụ, nhịp nhanh ở nơ-ron cảm giác thể hiện sự đau đớn còn ở nơ-ron vận động thể hiện sự

co thắt mạnh của cơ Nhịp lớn nhất phụ thuộc vào thời gian phục hồi của nơ-ron, trong giai đoạn phục hồi này, nơ-ron không nhạy với kích thích

Các ron không hoạt động độc lập mà kết nối với nhau tạo thành mạng ron, mỗi mạng đảm nhiệm việc xử lý một loại thông tin khác nhau

nơ-1.1.4 Đo hoạt động điện trên da đầu

Hình 1.4: Kết nối giữa các nơ-ron EEG ghi hoạt động điện trên da đầu không phải là hoạt động riêng lẻ của từng nơ-ron mà là tổng hợp hoạt động điện của hàng triệu nơ-ron Dòng đo được có nguồn gốc tại khớp (synapse) trong quá trình kích thích

Biên độ của tín hiệu EEG liên quan tới mức độ đồng bộ của các nơ-ron khi chúng tương tác Sự kích thích đồng thời của một nhóm các nơ-ron sẽ tạo ra tín hiệu

có biên độ lớn trên bề mặt da bởi vì các tín hiệu có nguồn gốc từ các nơ-ron độc lập được cộng lại Ngược lại, các nơ-ron kích thích không đồng bộ sẽ tạo ra EEG có biên độ thấp Biên độ EEG phụ thuộc vào chủ thể đo như tình trạng tâm lý, lứa tuổi và phụ thuộc vào kỹ thuật đo như loại điện cực, đạo trình, khoảng cách từ điện cực đến nguồn thế v.v Biên độ EEG giảm khi tăng trở kháng Sự thay đổi biên độ điện thế được quan sát rõ nếu sự thay đổi này xảy ra gần các điện cực hoặc được tạo bởi một vùng mô có diện tích lớn Sự thay đổi cũng có thể quan sát rõ khi điện thế tăng, giảm chậm Việc định lượng các đặc trưng của hài hữu ích trong nghiên cứu trạng thái của

bộ não

1.2 Đặc điểm của EEG

Hình 1.5: Các nhịp cơ bản của EEG EEG được đặc trưng bởi biên độ, tần số, hình thái, sự phân cực, phân bố vị trí

và điều kiện làm thay đổi của hiệu điện thế

Các tín hiệu được ghi trên da đầu có biên độ biến thiên từ vài μV đến xấp xỉ 100μV và tần số nằm trong phạm vi từ 0.5 đến 40Hz

Nếu trạng thái của đối tượng đo ổn định trong một khoảng thời gian, các nhịp này có dạng tuần hoàn

Các nhịp cơ bản được chia thành 5 dải

Nhịp theta đóng vai trò quan trọng ở trẻ nhỏ Sự xuất hiện với một số lượng lớn các nhịp theta không liên tục ở người lớn khi thức là dấu hiệu bất thường có nguyên nhân từ nhiều bệnh lý khác nhau

1.2.1.3 Nhịp alpha

Nhịp alpha biến thiên trong khoảng 8-13,5Hz (chu kỳ sóng từ 75ms đến 125ms) Thông thường, biên độ của nhịp alpha không vượt quá 50μV Nhịp Alpha bình thường bắt đầu xuất hiện ở trẻ em 3 tuổi với tần số 8Hz Alpha là nhịp nổi trội ở người lớn khi thức và thư giãn với mắt nhắm Nhịp alpha giảm hoặc mất đi khi người bệnh mở mắt, hoặc nghe một âm thanh lạ, lo lắng, hoạt động trí óc Khi nhắm mắt nhịp alpha lại xuất hiện

Nhịp alpha thường có dạng hình sine hoặc tròn Trong một số ít trường hợp, nhịp alpha có dạng như sóng nhọn Trường hợp này, phần âm có dạng nhọn, phần dương có dạng tròn Alpha là nhịp nổi trội nhất trong các nhịp quan sát được trong hoạt động điện não

Nhịp alpha đo được ở nửa sau của đầu, xuất hiện trên tất cả các thuỳ phía sau đầu, phân bố nhiều và có biên độ lớn nhất ở vùng chẩm

Khoảng ¼ số người lớn bình thường rất khó quan sát nhịp alpha Nhịp alpha bất đối xứng lớn hơn 50% giữa hai bán cầu được coi là bất thường, đặc biệt trong trường hợp biên độ bên trái lớn hơn bên phải

Nằm trong miền tần số từ 14-30Hz (chu kỳ sóng từ 34ms đến 71ms), thường quan sát được trong khoảng 18-25Hz Biên độ nhịp beta thông thường nhỏ hơn 20μV Nhịp beta có biên độ lớn hơn 25μV là bất thường [17]

Đây là nhịp không đều, có biên độ nhỏ, quan sát trong lúc buồn ngủ, ngủ nhẹ hoặc hoạt động trí óc Nhịp beta cũng xuất hiện ở giai đoạn giấc ngủ REM ở giai đoạn

3 Khi có sự hoảng loạn, nhịp beta tăng

Nhịp beta quan sát thấy chủ yếu ở vùng trán và vùng trung tâm Nhịp beta ở vùng trung tâm bị mất khi có các hoạt động vận động hoặc kích thích xúc giác Nhịp này cũng tăng lên quanh các vùng có khối u hay các khuyết tật về xương

Beta là nhịp bình thường ở người lớn

Hình 1.6: Nhịp alpha 10Hz xuất hiện khi nhắm mắt và mất khi mở mắt

1.2.1.5 Nhịp gamma

Có tần số lớn 30Hz, biên độ nhỏ, tần suất xuất hiện thấp Nhịp này liên quan với trạng thái hoạt động xử lý thông tin của vỏ não Sử dụng một điện cực đặt trên vùng vận động và kết nối với kỹ thuật ghi độ nhạy cao, nhịp gamma có thể quan sát được khi di chuyển các ngón tay

1.2.2 Một số loại nhịp khác

Hình 1.7: Nhịp μ

Nhịp μ là các sóng có hình rào chắn (wicket fence) có đỉnh nhọn và đế tròn Pha

có thể đảo ngược giữa hai kênh Nhịp μ biểu hiện trạng thái nghỉ của vùng vỏ não vận động cảm giác

Tần số của nhịp μ trong khoảng 8-10Hz Mặc dù có dạng tương tự với nhịp alpha nhưng chúng khác nhau về vị trí phân bố và bản chất điện sinh lý Nhịp μ có thể xuất hiện chỉ ở một bên, có thể xuất hiện không đối xứng, không đồng bộ và thường có biên độ nhỏ hơn nhịp alpha tại cùng thời điểm đo Nhịp μ không bị mất khi mở mắt như nhịp alpha nhưng bị mất khi vận động Nhịp μ liên quan chặt chẽ với vùng vận động của vỏ não

Hình 1.8: Sóng lambda

Sóng Lambda có dạng điện thế dương, nhọn xuất hiện hai bên vùng chẩm Mỗi nhịp tồn tại trong thời gian từ 160ms đến 250ms Nhiều khi có dạng bất đối xứng, biên

độ lớn hơn các nhịp trội phía sau hộp sọ Khi xảy ra bất đối xứng, nhịp lambda có thể gây nhầm lẫn với phóng điện dạng động kinh trong cơn

Sóng lambda ghi nhận được ở những người trưởng thành trẻ, xuất hiện nhiều hơn ở trẻ nhỏ Sóng lamda được nhận ra rõ ràng khi cho bệnh nhân nhìn lướt qua một bức ảnh phức tạp với tốc độ di chuyển mắt nhanh

1.2.3 Một số nhịp dạng sóng bình thường xuất hiện trong giấc ngủ

Spindles (cũng được gọi là hoạt động sigma) là hoạt động nhất thời, hình sin có tần số từ 11-15Hz và biên độ giảm dần Spindles được quan sát ở vùng trung tâm và xuất hiện ở vùng trán với tần số nhỏ hơn (từ 10-12Hz)

Sleep spindle cùng với K-Complex là dấu hiệu bắt đầu của giai đoạn 2 của giấc ngủ NREM

1.2.3.3 K complexes

K-Complex là phức hợp hai pha bắt đầu bằng một đỉnh nhọn có điện thế cao (thường lớn hơn 100 μV) theo sau bởi một sóng chậm có thời gian tồn tại khoảng từ 350-550ms và kết thúc bởi một đỉnh dương

K-Complex xuất hiện trong giai đoạn II của giấc ngủ với thời gian cách nhau khoảng từ 1,0-1,7phút K-Complex thường theo sau Sleep Spindle tại vùng giữa trán

và đỉnh K-Complex có thể được gây ra bởi một kích thích âm thanh đột ngột

Hệ thống được phát triển để đảm bảo tạo ra cơ sở dữ liệu thống nhất cho phép

so sánh hoạt động điện não của người bệnh tại các thời điểm đo khác nhau, giữa những người bệnh khác nhau cũng như trao đổi giữa các phòng thí nghiệm

1.3.1 Xác định vị trí các điện cực

Các điểm dễ nhận biết trên sọ được lấy làm mốc:

- Điểm gốc mũi (nasion), nằm giữa 2 chân lông mày (glabella)

- Điểm chẩm (inion)

- Ống tai ngoài 2 bên (auricular point)

Có 3 đường nối chính:

1- nối 2 ống tai ngoài (thực ra là ngay trước tai - preauricular points)

2- nối gốc mũi với ụ chẩm ngoài

cả 2 đường nối này đều đi qua đỉnh sọ

3- đường chu vi của sọ kết nối 2 điểm tận cùng nhất trên sọ

Oz cách điểm chẩm 10% Trong thực tế, các điểm Fz và Oz chỉ dùng để xác định vị trí các điểm còn lại, không dùng để đặt điện cực

Nối 2 ống tai ngoài với nhau qua Cz, cách ống tai ngoài 10% bên trái là T3, bên phải là T4 Cách thêm 20% từ T3 là C3, 20% từ T4 là C4

Đo chiều dài đường chu vi của đầu, đi qua các điểm Fpz-T3-Oz-T4 Các tỷ lệ 10%,20% được lấy theo chiều dài của một nửa đường này Cách 10% Fpz là Fp1 bên trái và Fp2 bên phải, tiếp theo 20% là F7 và F8 Cách Oz 10% là O1 bên trái và O2 bên phải, tiếp theo 20% là T5 bên trái (chính giữa O1 với T3) và T6 bên phải (chính giữa O2 với T4)

Để xác định tọa độ các điểm F3,F4 và P3, P4 ta cần xác định tọa độ dọc và ngang của chúng

- Xác định tọa độ dọc bằng cách nối các điểm Fp1-C3-O1 bên trái, Fp2-C4-O2 bên phải Điểm chính Fp1 và C3 là tọa độ của dọc của F3, chính giữa Fp2 và C4 là tọa độ dọc của F4 Điểm chính giữa C3 và O1 là tọa độ dọc của P3, chính giữa C4 và O2 là tọa độ dọc của P4

- Xác định tọa độ ngang của F3, F4,P3 và P4: nối F7 và F8 qua Fz, điểm chính giữa F7 và Fz xác định tọa độ ngang của F3, điểm chính giữa Fz và F8 xác định tọa độ ngang của F4 Nối T5 và T6 qua Pz, điểm chính giữa T5 và Pz là tọa độ ngang của P3, điểm chính giữa T6 và Pz là tọa độ ngang của P4

Vậy ta có 1 mạng ghi điện não đồ Theo sơ đồ mạng điện cực như trên, ta có 19 vị trí đặt điện cực để ghi điện não đồ Với những cách nối điện cực khác nhau, ta sẽ có nhiều kênh ghi Máy điện não đồ cần có tối thiểu 24 kênh Người ta còn chia tách các vùng trên vỏ não nhỏ hơn để đặt được nhiều điện cực hơn cho phép xác định chính xác các vùng tổn thương trên não cũng như phát hiện các tín hiệu yếu Số vị trí đặt điện cực ghi trên da đầu có thể là 32, 64, thậm chí 256

Kiểu kết nối các điện cực trên mạng ghi điện não đồ với một điện cực tham chiếu chung gọi là đạo trình ghi đơn cực

Nếu dùng hai điện cực trong hệ thống 10-20 đưa vào tới hai lối vào bộ khuếch đại

để được một kênh ra gọi là đạo trình lưỡng cực Cách ghi này không có điện cực tham chiếu chung cho tất cả các kênh

Thông thường chúng ta sẽ dùng một bộ 21 điện cực gắn trên da đầu theo hệ thống đặt điện cực 10-20 của quốc tế

1.3.2 Quy tắc đặt tên

Một tên duy nhất được đặt cho mỗi vị trí của điện cực trên da đầu Tên này gồm một chữ cái viết hoa (đại diện cho vùng) và một chữ số hoặc một chữ cái viết thường (đại diện cho vị trí bán cầu) Các chữ cái đượ ý hiệu như sau:

- Fp: trước trán( Prefrontal)

- F: vùng trán (Frontal)

- O: vùng chẩm (Occipital)

- P: vùng đỉnh (Parietal)

- T: vùng thái dương (Temporal)

- C: trung tâm (Central)(vùng trung tâm không phải là một thùy, tên gọi chỉ nhằm xác định vị trí)

- Các điện cực nằm trên đường nối gốc mũi và chẩm được ký hiệu là z (zero)

- Các vị trí gần đường phân chia 2 bán cầu được đánh số nhỏ hơn các vị trí ở xa

1.3.3 Điện cực tham chiếu

Để ghi được một kênh, mỗi bộ khuếch đại cần có một cặp gồm hai điện cực Điện cực hoạt động (active electrode) là điện cực đặt trên da đầu theo các vị trí như đã

mô tả trên mạng ghi EEG Như vậy có nhiều điện cực hoạt động Điện cực tham chiếu (reference electrode) được dùng chung cho tất cả các lối vào của bộ khuếch đại

Một cách lý tưởng, điện cực tham chiếu nên được chọn ở vị trí trung hòa về điện trên cơ thể, không liên quan đến những hoạt động điện của bộ não Tuy nhiên, trên thực tế điều này là không thể [19]

Có thể kết nối tất cả các điện cực hoạt động lại với nhau, kết nối ấy tạo nên một điện cực trung bình hóa của tất cả hoạt động điện của các điện cực, coi đó là điện cực tham chiếu Cách này giúp tránh hiện tượng mất cân đối giữa 2 bên trên bản ghi EEG, nhưng lại không phản ánh đúng biên độ điện thế thực sự cũng như nhạy cảm với artifact xuất hiện ở vị trí bất kỳ trong mạng

Nhiều vị trí đặt điện cực tham chiếu khác nhau đã được đề cập trong các tài liệu Ví dụ, điện cực tham chiếu có thể đặt ở vị trí Cz, dái tai, nối hai dái tai, nối hai mastoids hay đầu mũi Hai loại tham chiếu được sử dụng phổ biến là điện cực nối hai tai và điện cực trung bình

Việc lựa chọn điện cực tham chiếu theo kiểu nào cũng có những ưu nhược điểm khác nhau Điện cực tham chiếu có thể được chọn là dái tai bên trái hoặc bên phải Tuy nhiên có thể có chênh lệch về điện giữa 2 bán cầu khi đặt điện cực tham chiếu ở một bên như vậy, bản ghi điện não đồ có thể mất cân xứng 2 bên Sử dụng điện cực nối giữa hai dái tai làm giảm tính bất đối xứng giữa hai bên bán cầu và giảm nhiễu trên bản ghi nhưng sự sai lệch về trở kháng giữa điện cực trái và phải sẽ thay đổi vị trí không gian tham chiếu [19] Vị trí Cz có ưu điểm đặt giữa các điện cực tích cực nhưng nhược điểm là cho độ phân giải thấp đối với các điện cực ở gần

1.3.4 Điện cực đất

Điện cực đất được sử dụng để thu sự chênh lệch hiệu điện thế trên điện cực tích cực và tham chiếu bằng cách trừ đi thế giống nhau xuất hiện trên các điện cực này Điện cực đất thường được đặt ở các vị trí như Fpz hoặc tai Tuy nhiên, các vị trí như

cổ tay hoặc chân cũng có thể được sử dụng để đặt điện cực này [20]

1.4 Đạo trình

Đạo trình là sự kết hợp giữa các cặp điện cực để tạo thành một bản ghi nhiều kênh có chức năng của bộ lọc không gian cho phép định vị các nguồn hoạt động điện trên vỏ não Một số đạo trình (như bipolar, Laplacian) cho phép quan sát các hoạt động điện ở diện cục bộ và loại trừ các hoạt động trên diện rộng Một số đạo trình (như reference) phù hợp cho việc quan sát các hoạt động điện trên diện rộng

1.4.1 Phân cực

Các bộ khuếch đại dùng trong EEG là các bộ khuếch đại hiệu điện thế Mỗi kênh ghi lại hiệu điện thế của hai điện cực được đặt giữa hai đầu vào 1 và 2 của bộ khuếch đại Khi hiệu điện thế giữa hai đầu vào bộ khuếch đại bằng 0, đầu ra sẽ cho giá trị 0 Khi có hiệu điện thế giữa các đầu vào, có nghĩa là có một đầu vào âm hoặc dương hơn đầu còn lại, đầu ra sẽ chỉ ra sự chênh lệnh hiệu điện thế này

Nếu đầu vào 1 có điện thế -100μV và đầu vào 2 có điện thế -50μV (so với đất) thì đầu vào 1 có điện thế âm hơn so với đầu vào 2 là 50μV Điều này sẽ được thể hiện

ở đầu ra của bộ khuếch đại: nếu độ nhạy của bộ khuếch đại là 5μV/mm thì đầu ra sẽ có biên độ 10mm

Nếu đầu vào 1 có điện thế là 100 μV và đầu vào 2 có điện thế là 125 μV thì đầu vào 1 âm hơn so với đầu vào 2 là 25 μV Đầu ra bộ khuếch đại sẽ có biên độ 5mm

Nếu đầu vào 1 có điện thế -25 μV và đầu vào 2 có điện thế 25 μV thì đầu ra sẽ

có biên độ giống như trong ví dụ trước là 10mm Làm thế nào có thể phân biệt được sự khác nhau trong hai ví dụ trên? Chúng ta cần thu được hiệu điện thế tương đối giữa một cặp điện cực với các điện cực khác

Sự thay đổi trạng thái của tín hiệu phản ánh mối quan hệ tương đối giữa hai đầu vào bộ khuếch đại:

Mỗi đường tín hiệu thay đổi trạng thái lên, xuống liên tục Sự di chuyển lên trên hay đi xuống phản ánh mối quan hệ tương đối giữa 2 đầu vào bộ khuếch đại

Hình 1.12: Quy tắc thay đổi hiệu điện thế tương ứng với lối vào

- Đường tín hiệu đi lên nếu đầu vào 1 âm hoặc đầu vào 2 dương

- Đường tín hiệu đi xuống nếu đầu vào 1 dương hoặc đầu vào 2 âm

Nói cách khác: Nếu đầu vào 1 là âm, đường tín hiệu đi lên, nếu đầu vào 1 là dương, đường tín hiệu đi xuống Nếu đầu vào 2 là âm, đường tín hiệu đi xuống, nếu đầu vào 2

là dương, đường tín hiệu đi lên

Hình 1.13: Chiều hiệu điện thế ghi được tương ứng với lối vào

Hình 1.13 giải thích quy tắc này Dấu (+) và (-) ở các đầu vào bộ khuếch đại chỉ điện thế đầu vào tương đối tại thời điểm quan sát

Nếu tại một thời điểm ta quan sát đầu ra của một bộ khuếch đại là dương hoặc

là âm thì chưa đủ cơ sở để kết luận sự dịch chuyển này gây ra do sự thay đổi của đầu vào 1 hay đầu vào 2 Tuy nhiên do EEG được đo với nhiều kênh vào (thường là 16 hoặc lớn hơn), sự sắp xếp các điện cực trên da dầu với các đầu vào bộ khuếch đại theo một quy ước, ta có thể kết luận sự thay đổi diễn ra ở đầu vào nào dựa trên mối quan hệ tương đối giữa các kênh

Do không có một điện cực tham chiếu độc lập, để xác định được vị trí phát sinh các hoạt động điện trên vỏ não cần sử dụng bản ghi kết hợp nhiều kênh

Một ưu điểm của các máy đo EEG kỹ thuật số là khả năng tạo ra dữ liệu cho các đạo trình mới dựa trên cơ sở dữ liệu từ các đạo trình trước mà không cần phải đo lại bệnh nhân

Hai dạng đạo trình cơ bản:

- Đo so với một điện cực tham chiếu

Hình 1.14: Sơ đồ đo có điện cực tham chiếu chung

- Đo tương đối giữa các điện cực

Hình 1.15: Sơ đồ đo giữa hai điện cực liên tiếp

1.4.2 Đạo trình đơn cực

Đầu vào số 2 của các bộ khuếch đại sử dụng chung một điện cực tham chiếu Một cách lý tưởng, điện cực tham chiếu này nên được đặt ở một vị trí xa so với các điện cực còn lại, nơi ít bị ảnh hưởng bởi các hoạt động điện ở vùng cần đo

Hình 1.16: Định vị nguồn xuất hiện gai trên đạo trình đơn cực

Không giống như đạo trình lưỡng cực, đạo trình điện cực tham chiếu chung này không loại bỏ các biến đổi điện thế xảy ra trên diện rộng do khoảng cách xa giữa đầu vào 1 và đầu vào tham chiếu Bản ghi cũng có biên độ cao hơn do không có sự triệt tiêu sự thay đổi trên diện rộng Những thay đổi điện thế nhỏ diễn ra cục bộ dễ dàng quan sát ở đạo trình lưỡng cực thì ở đạo trình này bị làm ẩn đi do sự trộn lẫn với những thay đổi lớn diễn ra trên diện rộng

Đạo trình điện cực chung được chia thành hai loại, sự khác nhau của hai loại này là do sự khác nhau ở vị trí của điện cực tham chiếu: được đặt ở trên đầu hay ở vị trí khác

Điện cực tham chiếu trên đầu thường được dùng là các vị trí A1 và A2

Trong đạo trình điện cực tham chiếu chung lý tưởng, vị trí của nguồn tạo ra sự thay đổi điện thế được xác định qua biên độ mà không qua sự đảo pha của kênh Nghĩa

là, kênh có biên độ cao nhất gắn với điện cực gần với nguồn nhất

Nếu biên độ trên hai kênh bằng nhau, nguồn nằm ở vị trí cách đều hai điện cực nối với lối vào 1 của hai bộ khuếch đại Nếu biên độ của nhiều kênh tương tự nhau, ảnh hưởng của nguồn lên các điện cực nối với lối vào 1 của các bộ khuếch đại giống nhau

Trường hợp tất cả các kênh có lối ra tương tự nhau, thì nguyên nhân nằm ở điện cực tham chiếu trừ khi một lý do nào đó được chứng minh

Đạo trình tham chiếu trung bình sử dụng điện cực tham chiếu là trung bình của tất cả các điện cực tích cực Đạo trình này là bộ lọc trung gian giữa đạo trình lưỡng cực và đạo trình tham chiếu chung Nó phát hiện các hoạt điện trên diện rộng kém hơn đạo trình tham chiếu chung nhưng tốt hơn đạo trình lưỡng cực

Đạo trình này cũng sử dụng điện cực tham chiếu chung là trung bình của các điện cực tích cực, tuy nhiên, so với đạo trình tham chiếu trung bình có một số điểm khác Thứ nhất, các điện cực đóng vai trò khác nhau trong việc đóng góp vào điện thế của điện cực tham chiếu Thứ hai, điện cực đưa vào đầu thứ nhất của bộ khuếch đại không tham gia vào điện cực tham chiếu của đầu vào thứ hai Thứ ba, có sự thay đổi đáng kể giữa các tham chiếu của các kênh khác nhau

1.4.3 Đạo trình lưỡng cực

Đạo trình lưỡng cực ( Bipolar Montage): được tạo thành từ một dãy các cặp điện cực sắp xếp theo đường thẳng theo chiều dọc (longitudinal) từ trước ra sau hoặc theo chiều ngang (transverse) từ trái qua phải Một cặp điện cực kề nhau trong hệ thống đo 10-20 được đưa vào đầu vào 1 và 2 của bộ khuếch đại Đạo trình lưỡng cực

sử dụng nhiều cặp điện cực, mỗi cặp điện cực nối với một bộ khuếch đại, không có

đầu vào chung cho tất cả các bộ khuếch đại Thông thường, các cặp điện cực được sắp xếp sao cho các điện cực được nhóm theo đường thẳng và hai cặp liền kề có một điện cực chung Các cặp điện cực này có tác dụng như một bộ lọc không gian, loại bỏ những thế thay đổi trên diện rộng về biên độ và pha

Đạo trình lưỡng cực phù hợp với việc phân tích các dạng sóng có biên độ từ nhỏ đến trung bình xảy ra cục bộ

Các cặp điện cực được liên kết với nhau theo kiểu đầu vào 2 của bộ khuếch đại thứ nhất là đầu vào 1 của bộ khuếch đại thứ hai

Đạo trình dọc:

Hình 1.17: Đạo trình lưỡng cực dọc

Đạo trình ngang:

Hình 1.18: Đạo trình lưỡng cực ngang

Hình 1.19: Quan hệ giữa điện thế điện cực chung lối vào và thế lối ra

Trong đạo trình lưỡng cực, vị trí của nguồn phát ra sự thay đổi điện thế được xác định bởi sự lệch hướng của dạng sóng giữa hai kênh Cùng một điện thế thay đổi được đưa vào đầu vào 2 của bộ khuếch đại thứ nhất và đầu vào 1 của bộ khuếch đại thứ hai sẽ tạo ra hai sóng ngược pha ở hai kênh đầu ra Sự ngược pha này không phải

do bản thân các vùng trong bộ não tạo ra thế ngược pha mà do sự sắp xếp ở đầu vào các kênh

Khi một sự kiện riêng biệt xảy ra ở điện cực chung, ta có thể định vị và xác định sự phân cực của nó.Ví dụ trong Hình 1.19, tại thời điểm t1, C3 có điện thế âm so với hai điện cực còn lại Tại thời điểm t2, C3 có điện thế dương so với hai đầu còn lại Như vậy, có thể xác định được vị trí xảy ra sự kiện cũng như sự phân cực của sự kiện này

Đạo trình này cũng sử dụng các điện cực tích làm điện cực tham chiếu, tuy nhiên chỉ có các điện cực gần điện cực ở đầu vào 1 bộ khuếch đại nhất tham gia tính toán điện cực tham chiếu Do đó, đạo trình này lọc các hoạt động điện trên diện rộng hoặc các sóng tương quan trên các điện cực khắt khe hơn

1.5 Dấu hiệu nhận biết tín hiệu động kinh

đèn chớp hoặc các âm thanh lớn đột ngột Do đó phải phân biệt giữa việc làm mau đến (precipitate) và sự kích thích (provoke) Một ví dụ về sự kích thích là gây kích thích xung điện, tạo ra các cơn giật rung hữu ích trong não Những chấn thương cũng có thể tạo ra cơn ở những người không có chứng động kinh như nhiễm trùng, mất ngủ

Động kinh không phải là bệnh mà là một sự rối loạn, giống như sốt, có thể gây

ra bởi nhiều điều kiện khác nhau Tuy nhiên, không giống như sốt, động kinh biểu hiện

ở nhiều dạng khác nhau Khi bộ não trải qua động kinh, nó có xu hướng tạo ra cơn vẫn giữ nguyên trong thời gian dài và đôi khi là cả đời

Bất kể nguyên nhân (căn nguyên) ban đầu và các biểu hiện bên ngoài, các đặc trưng bệnh lý là chung cho tất cả các loại động kinh

1.5.2 Sự phóng điện giữa các cơn

Việc chẩn đoán động kinh dựa trên các đường điện não truyền thống không dễ dàng bởi vì các dấu hiệu bệnh lý rất khó phát hiện và các dấu hiệu này xảy ra bất kỳ

Để ghi nhận được một cơn động kinh, EEG phải được theo dõi trong nhiều giờ, thậm chí nhiều ngày Đây là một điều kiện không dễ gì thực hiện được Do đó, các thầy thuốc chuyên khoa thần kinh trước hết sẽ tìm kiếm các dấu hiệu mách bảo trên các đường EEG được đo khi bệnh nhân ngoài cơn, để chẩn đoán hoặc ít nhất ghi nhận yếu

tố đáng quan tâm Dấu hiệu phổ biến là các gai (spike), nhọn (sharp), đa gai, các sóng chậm có biên độ lớn nằm tách biệt, phức hợp gai sóng đo được giữa các cơn Sự khác biệt giữa gai và nhọn là khoảng thời gian: gai kéo dài ngắn hơn 70ms, sóng nhọn có thời gian kéo dài từ 70-200ms

1.5.3 Vai trò của EEG trong chẩn đoán động kinh

Trong quá trình chẩn đoán động kinh, ngoài các yếu tố lâm sàng, các bác sĩ cần

sử dụng các thông tin trợ giúp thu được từ EEG Trên cơ sở sự phân bố không gian, mật độ và hình dạng của các gai, nhọn và các dạng phức hợp, EEG hỗ trợ cho các chẩn đoán lâm sàng, giúp phân loại các triệu chứng, xác định vị trí của vùng phát sinh dạng động kinh EEG cũng cung cấp các bằng chứng về nguyên nhân động kinh, ngoài ra còn giúp đánh giá kết quả tiến trình điều trị