系統實作

系統實作的部份我們是利用 Labview (Laboratory Virtual Instrument Engineering Workbench)當做介面嵌 入 Matlab(Matrix Laboratory)的執行碼作為一個整體的 臨床輔助系統，裡頭有些微調方便臨床研究人員簡單 的操作，此設計方便臨床人員使用。

3.1. 系統介面功能簡介：

1.開關：設定完參數後，點選開關，即可開始進行轉換 動作。

2.選擇欲輸入的檔案路徑(Path)：選擇由腦波機轉換出 來的 ANSII 腦波圖檔案路徑，在此並提供可同時開啟 多個路徑同時進行分析的功能，可以做兩段不同腦波 圖比較。

3.設定時間值(Time)：設定腦波圖擷取時間。取值觀察 特定時間。

4.設定通道值(channel)值：設定腦波圖通道值，是整個 量測時通道值輸入。

5.取樣頻率(sample rate)：設定要以多少筆數值當作轉 換後色階圖一格的單位。

6.交錯範圍(cover)：每隔多少筆數值呈現一格轉後的色 階圖。密度高代表資料表達越完整。

7.特徵選擇(feature)：選擇欲使用的特徵方法(Max, Min, Mean, SD, Mid, Sum)。

8.顯示原始 EEG 圖：繪製原腦波機顯示出來的腦波圖。

9.顯示數學方法轉換後 EEG 圖：繪製經過轉換方法 後，所建立的新的腦波圖表現方式。

3.2. 系統介面功能簡介：

整體系統介面可以見 Figure 4，原始 EEG 圖顯示 於畫面左下，轉換後特徵圖顯示於畫面右下，方便兩 者關係比較，Figure 5 為系統運作中畫面。

關於系統介面的每個微調控制在前一小節已敘 述，不再重複。而如圖 Figure 5 之系統介面可以清楚 的讓臨床人員清楚的判斷與比較原 EEG 與經過轉換後 之特徵差異。例如我們 Figure 5 上面轉換出來之 SD 圖 可以清楚的看見。

。 Figure 4 系統介面

Figure 5 系統運作畫面 4、結果與討論

我們利用慈濟花蓮醫學中心臨床的 ECoG 癲癇資 料作了一系列的資料自動化分析，有效的增加 EEG 的 辨識度，可以說增強了舊有的 EEG 分析圖形的視覺化 部分，原本難以肉眼辨識的波形變化更具體的以顏色 變化呈現。例如說用腦波來區分癲癇發作波形(seizures wave)與背景波之不同。

本實驗室與花蓮慈濟醫學中心合作，以一位癲癇 病人的顱內腦電波(ECoG)為樣本作為實驗樣本(Figure

6(a)、7(a)、8(a) )，經過臨床經驗豐富的專業醫師判讀 後可以得知，該圖為從癲癇發作前至發作中之顱內腦 電波(ECoG)，時間於前兩秒 38、43、48 通道持續出現 不規則波形，並開始影響其他通道，於 6 秒時，18 通 道也開始出現不規則波形，且向周圍擴散，導致 8 通 道於 7 秒後也產生不規則波形，最後影響至全腦不正 常放電現象產生，癲癇發作。

(b) 使用 ESVS 系統中，標準差(SD)的轉換法，所表

現之圖形(Figure 6b)，有明顯表現出顱內腦電波(ECoG) 之特色，38、43、48 通道位置於實驗時間前兩秒時，

偵測到腦神經細胞因離子通道無法控制而開始產生電 位不正常現象，在 Figure 6(b)中可以明顯發現在時間 2 秒時色階出現變化，可以證明該轉換能強調出不正常 放電現象；又持續以固定的不正常放電現象，Figure 6(b) 顏色變回藍色，亦符合癲癇發作初期時發病位置能量 增強現象；於 5 秒時，因不規則放電部位影響，導致 一全腦同步電位脈衝現象，Figure 6(a) 並無明顯特 徵，而 Figure 6(b)中可以明顯看到其改變；因此脈衝，

導致 8 通道與 18 通道受到刺激而產生不規則放電，

Figure 6(b) 亦產生如同 38、43、48 通道之色階改變。

Figure 6 SD(標準差)轉換圖(a)原始的顱內腦電波 (ECoG)之圖形，與 b 圖互相對照互相比較。(b)標準差

轉換之色階圖，色階深淺代表與背景腦波之差異。從 圖中的 8、38、43、48 通道，時間於 1 至 2 秒，位置 在黑色框框可明顯看出與其它通道色階不同，時間於 3 秒所有通道都回復為同樣之顏色，然而於 4 秒 38、43、

48 通道又開始色階改變，並且在 5 秒時向外擴散，第 18 通道，時間於 6 秒位置在中間框框也開始受影響開 始色階改變，最後 8、9 通道的也於 7 秒之後(最右上

角的紅色框框)都受到影響開始色階改變所以利用標 準差轉換所轉換的圖與 ECoG 可以得到相當符合的趨

勢。

(a)

再使用 ESVS 系統中，最大值(Max)的轉換法，所 表現之圖形 Figure 7(b)，此圖形色階代表時間點之最大 電位差，Figure 7(b)中可以在時間 2 秒時，色階出現變 化並出現深色變化，亦同 Figure 6(b) 表現出不正常放 電之特色；在時間 3 至 4 秒時，無明顯電位差產生；

而在 5 秒之後，38、43、48 通道又開始出現明顯的色 階變化並且於 6 秒時不正常放電擴散；最後影響 8 與 18 通道並一起產生不正常放電現象，在 Figure 7(b)也 可明顯看出色階變化並且符合顱內腦電波(ECoG)特 色；最後導致癲癇發作。

(a)

(b)

Figure 7 Max(最大值)轉換圖(a)原始的顱內腦電波 (ECoG)之圖形，與 b 圖互相對照互相比較。(b)色階代 表該時間點的最大電位差。圖中的 38、43、48 通道，

時間 1 至 2 秒時可明顯看出色階改變的產生並且產生 出許多較深的顏色。時間 3 至 4 秒時回復為較淺的藍 色。時間在 5 秒之後 38、43、48 通道又開始產生色階 變化並於 6 秒時開始擴散,第 8 與 18 通道受到影響開始

產生色階改變。

最 後 Figure 8(b) 利 用 系 統 功 能 改 變 取 樣 頻 率 (sample rate)與交錯範圍(cover)能清楚的得知通道 38、

43、48 從第 3 秒之後明顯的與背景波不同的色階變 化，代表著這些通道與癲癇發作有緊密的關連，隨著 時間到了第 7 秒之後在通道 8、18 出現了傳遞性的改 變，這意味著可能有發作的通道在同一段時間內出現

了臨床上的發作現象，接下來可以朝這方面研究下 去，研究可能的癲癇階段與特徵。

(a)

(b)

Figure 8 SD(標準差) SR(取樣頻率):3 轉換圖(a)原始的 顱內腦電波(ECoG)之圖形，與 b 圖互相對照互相比較。

(b)色階深淺代表與背景腦波之差異。從圖中 38、43、

48 通道從第 3 秒之後可以持續看出有色階變化，而 8、

18 通道於 7 秒也開始出現持續的色階變化。

Lancet 中一篇論文表示，有醫師能夠藉著癲癇的 發作前波來預測癲癇發作波出現的時間[3]，藉著這項 貢獻，可以在癲癇發作之前加以抑制或是預防發生意 外，不過這要經過多年訓練與實務經驗的醫師才有這 樣的能力，不過藉著我們的系統，也能夠看出在癲癇 發作前所發生腦部電位變化，且出乎意外的，出現異 於其他通道的數值皆在之後，成為癲癇發作的起始位 址，可見我們的系統有其研究價值或貢獻。不過還是

必須倚賴專業能力人才來做分析

未來期望能使用這些特徵作機器學習或是使用 相關分析方式來做電腦輔助判斷。

致謝：

本論文承蒙國科會 NSC95-2221-E-320-001 計畫的支 持，特此感謝。

5、參考資料

[1] A. Samardzic', E. Jovanov, D. Kovacevic, V.

Burhanpurkar, “Visualization of EEG evoked response potentials"' Engineering in Medicine and Biology Society, 2003. Proceedings of the 25th Annual International Conference of the IEEE, September 17-21, 2003

[2] B Graimann, JE Huggins, SP Levine, G Pfurtscheller - Clin Neurophysiol “Visualization of Multichannel EEG Data”, Clin Neurophysiol. 2002 Jan;113(1):43-7

[3] Le Van Quyen M, Martinerie J, Navarro V, Boon P, D'Havé M, Adam C, Renault B, Varela F, Baulac M , “Anticipation of epileptic seizures from standard EEG recordings”, The Lancet - Vol. 357, Issue 9251, 20 January 2001

[4] M.T. Caat, N.M. Maurits, J.B. T.M. Roerdink,

“TRANSACTIONS ON VISUALIZATION AND COMPUTER GRAPHICS”, Senior Member, IEEE Design and Evaluation of Tiled Parallel Coordinate IEEE, VOL. X, NO. X, MONTH 200X

[5] R Kozma, WJ Freeman, P Erdı´. “The KIV model-nonlinear spatio-temporal dynamics of the primordial vertebrate forebrain.” Neurocomputing Vol. 2, No. 1 (2003) 125-145

[6] S. Faul, G. Boylan, S. Connolly, L. Marnane, G.

Lightbody, ”An evaluation of automated neonatal seizure detection method, Clinical Neurophysiology 116 (2005) 1533–1541

[7] S. Baillet, J.C. Mosher, R.M. Leahy,

“Electromagnetic brain imaging using BrainStorm”, Biomedical Imaging: Nano to Macro, 2004. IEEE

International Symposium on, 15-18 April 2004 [8] V. V. Kulish , A. I. Sourin , O. Sourina,Fractal

“Spectra and Visualization of the Brain Activity vEvoked by Olfactory Stimuli”, The 9th Asian Symposium on Visualization Hong Kong, 4-9 June, 2007

[9] W.J. Freeman, “Origin, structure, and role of background EEG activity. Part 1. Analytic amplitude”, Clinical Neurophysiology, 2004

[10] W.J. Freeman, “Origin, structure, and role of background EEG activity. Part 2. Analytic phase”, Clinical Neurophysiology 115 (2004) 2089–2107 [11] Walter J. Freeman, “Origin, structure, and role of

background EEG activity. Part 3. Neural frame classification”, Clinical Neurophysiology 116 (2005) 1118–1129

[12] Walter J. Freeman, "Origin, structure, and role of background EEG activity. Part 4: Neural frame simulation”. Clinical Neurophysiology 117 (2006) 572–589

[13] WJ Freeman, Rogers LJ. Fine, “temporal resolution of analytic phase reveals episodic synchronization by state transitions in gamma EEGs”, J Neurophysiology 2002;87:937–45.

[14] W.J. Freeman, LJ Rogers, MD Holmes, DL Silbergeld. “Spatial spectral analysis of human electrocorticograms including the alpha and gamma bands.” J Neurosci Meth 2000;95:111–21.