THE USE OF SPECTRAL ENTROPY OF EEG TO PREDICT ANESTHESIA DEPTH ON THE DSPIC BASED SYSTEM

Öz

Many of the EEG analysis methods are used to monitor the depth of anesthesia. All of these methods are off-line based; therefore, the real-time based methods still need to be developed. Our aim is to develop a real-time dsPIC based EEG analysis system for evaluating of deep anesthesia and of awake states. It was shown that there were quite similarities between the actual hypnogram values and the calculated EEG based measures. Consequently, we could say that this study has enough potential application to develop an anesthesia monitoring device

Anahtar Kelimeler

• EEG, Hypnogram, Spectral entropy, dsPIC

DSPIC TABANLI SİSTEM İLE ANESTEZİ DERİNLİĞİNİN EEG İZGESEL ENTROPİ KULLANARAK KESTİRİMİ

Öz

Anestezi derinliği ölçmek için birçok EEG (Elektroensaflogram) analiz yöntemi kullanılmaktadır. Bu yöntemlerin tümü çevrim dışı tabanlı olduğundan, gerçek zaman tabanlı yöntemlerin geliştirilmesine hala gereksinim vardır. Çalışmadaki amaç, derin anestezi ve uyanıklık durumlarının değerlendirilmesi için gerçek zaman dsPIC tabanlı EEG analiz sistemi geliştirmektir. Gerçek hipnogram değerleri ve hesaplanmış EEG tabanlı ölçümler arasında benzerlikler olduğu gösterilmiştir. Sonuç olarak bu çalışmanın anestezi izleme aygıtı geliştirmek için yeterli birikime sahip olduğu söylenebilir.

Anahtar Kelimeler

• EEG, Hipnogram, İzgesel entropi, dsPIC

Kaynakça

1. R. Ferenets, T. Lipping, A. Anier, V. Jantti, Melto S., S. Hovilehto (2006): “Comparison of Entropy and Complexity Measures for the Assessment of Depth of Sedation”, IEEE Transaction on Biomedical Engineering, Cilt 53, No 6, s. 1067-1077.
2. M. Jospin, P. Caminal, E. W. Jensen, H. Litvan, M. Vallverdu, M. M. R. F. Struys, H. E. M. Vereecke, D. T. Kaplan (2007): “Detrended Fluctuation Analysis of EEG as a Measure of Depth Anesthesia”, IEEE Transaction on Biomedical Engineering, Cilt 54, No 5, s. 840- 846.
3. J. W. Huang, Y. Y. Lu, A. Nayak, R. J. Roy (1999): “Depth of Anesthesia Estimation and Control”, IEEE Transaction on Biomedical Engineering, Cilt 46, No 1, s. 71-81.
4. J. Muthuswamy, R. J. Roy (1999): “The Use of Fuzzy Integrals and Bispectral Analysis of the Electroencephalogram to Predict Movement under Anesthesia”, IEEE Transaction on Biomedical Engineering, Cilt 46, No 3, s. 291-299.
5. I. A. Rezek, S. J. Roberts (1998): “Stohastic Complexity Measures for Physiological Signal Analysis”, IEEE Transaction on Biomedical Engineering, Cilt 45, No 9, s. 1186-1191.
6. S. Sanei, J. A. Chambers (2007): “EEG Signal Processing”, John Wiley & Sons Inc.
7. M. Taheri, B. Ahmadi, R. Amirfattahi, M. Mansouri (2009): “Assessment of Depth of Anesthesia Using Principal Component Analysis”, J. Biomedical Science and Engineering, Cilt 2, s. 9-15.
8. X. S. Zhang, R. J. Roy (2001): “Derived Fuzzy Knowledge Model for Estimating the Depth of Anesthesia”, IEEE Transaction on Biomedical Engineering, Cilt 48, No 3, s. 312-323.

9. X. S. Zhang, R. J. Roy, E. W. Jensen (2001): “EEG Complexity as a Measure of Depth of Anesthesia for Patients”, IEEE Transaction on Biomedical Engineering, Cilt 48, No 12, s. 1424-1433.