Spelling suggestions: "subject:"ύπνου"" "subject:"ύπνο""
1 |
Καταγραφή σήματος ροχαλητού από μικρόφωνο με το μικροελεγκτή ADuC7020 της Analog DevicesΧάλκου, Σοφία 24 October 2012 (has links)
Η εξέλιξη των ενσωματωμένων συστημάτων οδήγησε στη δημιουργία μικροϋπολογιστών συστημάτων χαμηλού κόστους τα οποία είναι ικανά να καταγράφουν, αποθηκεύουν και να επεξεργάζονται αναπνευστικά σήματα εντοπίζοντας έτσι ανωμαλίες της αναπνευστικής δραστηριότητας κατά τη διάρκεια του ύπνου. Τα αποτελέσματα αυτής της δραστηριότητας οδηγούν στην συστηματικότερη παρακολούθηση ασθενών με αναπνευστική ανεπάρκεια και βοηθούν στη διάγνωση και πρόληψη τέτοιων αρρυθμιών εν τη γενέσει τους όσον αφορά σε εν δυνάμει ασθενείς.
Στα πλαίσια λοιπόν αυτής της εργασίας παρουσιάζεται ένα τέτοιο ενσωματωμένο σύστημα χαμηλού κόστους το οποίο καταγράφει, αποθηκεύει και επεξεργάζεται αναπνευστικά σήματα που έχουν ληφθεί κατά τη διάρκεια ανθρώπινου ύπνου.
Στα κεφάλαια που ακολουθούν αναλύεται η δομή, οι επιμέρους συνιστώσες του συστήματος καθώς και μέθοδοι επεξεργασίας του σήματος. Αρχικά λοιπόν ορίζεται το ιατρικό και θεωρητικό υπόβαθρο πάνω στο οποίο στηρίζονται οι ισχυρισμοί και μέθοδοι που ακολουθούνται. Εν συνεχεία, γίνεται εισαγωγή στους στοιχειώδεις ορισμούς όπως αυτοί του μικροελεγκτή και ενσωματωμένου συστήματος και γίνεται μια πρώτη αναφορά στο μικροελεγκτή ADuC 7020 της Analog Devices που χρησιμοποιήσαμε και στα περιφερειακά αυτού. Επίσης γίνεται και ανάλυση των στοιχειωδών χαρακτηριστικών του περιβάλλοντος μVision της Keil που μας επιτρέπουν να κάνουμε προσομοιώσεις με μηδενικό υλικό στη διάθεσή μας. Σε επόμενο κεφάλαιο γίνεται αναλυτική επεξήγηση του μικροελεγκτή μας και δίνονται επιπλέον ενδεικτικά παραδείγματα με τα οποία γίνονται κατανοητές βασικές δυνατότητες που προσφέρει αυτός και στις οποίες θα στηριχθούμε για να δομήσουμε το δικό μας πρόγραμμα. Σημειώνουμε εδώ πως ο προγραμματισμός του μικροελεγκτή και των περιφερειακών του έγινε σε γλώσσα προγραμματισμού C. Τέλος παραθέτουμε αναλυτικά τον κώδικα της εφαρμογής μας και καταλήγουμε σε αποτελέσματα και συμπεράσματα. / The development of embedded system has led to the creation of low cost microcomputer systems that are capable of recording, storing and processing respiratory signals thus giving the opportunity to identify respiratory abnormalities during sleep time. Results of such activities result in more intensive monitoring of patients with respiratory insuffiency and help other potential patients to diagnose the abnormalities and prevent them.
Within this thesis, we present such a low cost embedded system that records, stores and processes the respiratory signal of snores obtained during human sleep.
In the following chapters we analyze the structure, each component of the system and the methods being implemented. Initially we define the medical and theoretical background on which we are based to build in our program and apply our methods. Moreover, we give the basic definitions such as the microcontroller’s and the embedded system’s, and we make the first presentation of the microcontroller ADuC 7020 of Analog Devices and its peripherals that will be used for implementation. We also present the μVision the Keil environment which enables us to emulate the microcontroller having at our disposal zero hardware. Later we will give a detailed explanation of this microcontroller and some basic examples of its programming possibilities are presented that will help us the application. The programming of the microcontroller and its peripherals was done in C programming language. Finally the programming of the microcontroller is given and explained in detail and we conclude with the results.
|
2 |
Αλληλεπίδραση ηλεκτρικών ρυθμών και κυμάτων του εγκεφάλου κατά το δεύτερο στάδιο του φυσιολογικού άνευ ταχέων οφθαλμικών κινήσεων ύπνου στον άνθρωποΚόκκινος, Βασίλειος 16 June 2011 (has links)
Το σύμπλεγμα-Κ και η άτρακτος είναι από τα χαρακτηριστικότερα ηλεκτροεγκεφαλογραφικά στοιχεία του δευτέρου NREM σταδίου του ύπνου στον άνθρωπο. Η παρούσα μελέτη διεξήχθη με σκοπό να διερευνήσει πιθανές σχέσεις μεταξύ των φαινομένων αυτών που εμφανίζονται κατά το δεύτερο στάδιο του NREM ύπνου, με ταυτόχρονη φιλοδοξία να απαντήσει σε ερωτήματα σχετικά με τον λειτουργικό ρόλο αυτών.
Δέκα υγιή υποκείμενα έλαβαν μέρος στην μελέτη, κατά την οποία ελήφθη το ολονύχτιο ηλεκτροεγκεφαλογράφημα του ύπνου τους. Τα φαινόμενα ενδιεφέροντος αναγνωρίστηκαν, επιλέχθησαν και σημειώθηκαν προκειμένου να υποβληθούν σε συμβαντο-σχετιζόμενη ανάλυση, η οποία ενισχύθηκε από την εφαρμογή ανάλυσης χρόνου-συχνοτήτων καθώς και διδιάστατης τοπογραφικής απεικόνισης στον χώρο των ηλεκτροδίων.
Η παρούσα μελέτη οδήγησε στα παρακάτω ευρήματα σχετικά με τα κύρια ηλεκτροεγκεφαλογραφικά στοιχεία του δευτέρου NREM σταδίου του ανθρώπινου ύπνου. Ταχείες άτρακτοι στην πορεία των οποίων τυγχάνει να εμφανιστεί σύμπλεγμα-Κ διακόπτουν την ταλάντωσή τους. Άτρακτοι οι οποίες με μεγάλη πιθανότητα εμφανίζονται μετά την πάροδο του συμπλέγματος-Κ έχουν υψηλότερη συχνότητα ταλάντωσης τόσο από εκείνες που διεκόπησαν όσο και από τις σποραδικές, μη-συσχετισμένες με σύμπλεγμα-Κ, ατράκτους. Η εν λόγω αύξηση στην συχνότητα τείνει προς μια μέγιστη συχνότητα ταλάντωσης και δεν εξαρτάται από κάποιο από τα ηλεκτροεγκεφαλογραφικά καταγραφόμενα χαρακτηριστικά του συμπλέγματος-Κ. Αντίστοιχα, και η διακοπή της ταλάντωσης των ατράκτων πρό του συμπλέγματος-Κ δεν μπορεί με βεβαιότητα να αποδωθεί στο σύμπλεγμα-Κ. Εντός του συμπλέγματος-Κ εμφανίζεται με μεγάλη πιθανότητα ρυθμική δραστηριότητα στο άνω όριο της θήτα ζώνης συχνοτήτων. Η δραστηριότητα αυτή είναι ανεξάρτητη του συμπλέγματος-Κ, καθώς εμφανίζει κατά πλειονότητα προσθιο-οπίσθιο προφίλ διάδοσης όταν το αργό κύμα του συμπλέγματος-Κ έχει μετωπιαία εντόπιση. Ο υψηλός θήτα ρυθμός αυτός, όσο περισσότερες ταλαντώσεις επιτυγχάνει εντός του συμπλέγματος-Κ τόσο περισσότερο τείνει να εισέλθει συχνοτικά στην άλφα ζώνη συχνοτήτων, από την οποία κατά πλειονότητα επανέρχεται στα αρχικά συχνοτικά επίπεδα κατά την τελευταία ταλάντωση˙ μια φασματική επαναφορά προτύπου πέδησης, την οποία ελλείψει άλλων οπτικά αξιολογήσιμων στοιχείων αποδίδουμε στην ύστερη δράση του συμπλέγματος-Κ.
Η μελέτη αυτή έδειξε: α) ότι το σύμπλεγμα-Κ και οι άτρακτοι αποτελούν υπναγωγικά στοιχεία του φλοιού και του θαλάμου αντίστοιχα, τα οποία αντικατοπτρίζουν ανεξάρτητες αλλά συνεργές διαδικασίες που σκοπό έχουν να διατηρήσουν την συνέχεια του ύπνου, και β) ότι οι αλληλεπιδράσεις του συμπλέγματος-Κ με τους περί αυτό ρυθμούς υποδεικνύουν την ύπαρξη μιας ακόμη πιο βραχύχρονης δυναμικής διεργασίας στην μικρο-αρχιτεκτονική του ύπνου.
Παράλληλα η μελέτη οδήγησε στην ανάπτυξη ενός νέου εργαλείου ταυτόχρονης απεικόνισης της μακρο-αρχιτεκτονικής και της μικρο-αρχιτεκτονικής του ύπνου: του υπνοφασματογραφήματος, του διαγράμματος χρόνου-συχνοτήτων του ολονύχτιου ηλεκτροεγκεφαλογραφήματος του ύπνου. / The K-complex and the sleep spindle are the most distinctive electroencephalographic features of the the second stage of NREM human sleep. This study was performed in order to investigate the potential relations between these phenomena that make their appearance in the second stage of NREM sleep, at the same time aiming in answering questions regarding their physiological role.
Ten healthy individuals participated in this study, during which the whole-night sleep electroencephalogram was derived. The features of interest were identified, selected and marked in order to undergo event-related analysis, empowered by time-frequency analysis and 2-dimentional topography in electrode space.
This study led to the following conclusions regarding the main electroencephalographic features of the second stage of NREM human sleep. Fast sleep spindles, during the course of which a K-complex happens to appear, interrupt their oscillation. The spindles that appear with high probability after the K-complex have higher frequency of oscillation from both the interrupted ones as well as form the sporadic, non-cprrelated to the K-complex, spindles. This increment in frequency tends towards a maximum oscillation frequency and is not dependent in any of the electroencephalographically recorded features of the K-complex. Respectively, the interruption of the oscillation of the pre-K-complex spindles cannot be credited to the K-complex with certainty. During the course of the K-complex a rhythmic activity of the upper theta band appears with high probability. This activity is independent from the K-complex as, in majority, it exhibits a antero-posterior profile of displacement when the slow wave of the K-complex has a frontal localization. This high-theta rhythm, the more oscillation peaks it achieves during the K-complex, the more it tends to enter the alpha band, from which, in majority, it returns to the initial frequency levels during the last oscillation; a spectral breaking profile that, in the absence of other visually evaluated elements, we credit to the late action of the K-complex.
This study showed that: a) the K-complex and the sleep spindle are sleep-promoting elements of the cortex and the thalamus, respectively, that represent independent but cooperative processes that aim in preserving the continuity of sleep, and b) that the interactions of the K-complex with the rhythms around it reveal the existence of an even briefer dynamic process of the micro-architecture of sleep.
At the same time, this study led to the development of a novel tool for concurrent visualization of the macro-architecture and the micro-architecture of sleep: the hypnospectrogram, the time-frequency plot of the whole-night sleep electroencephalogram.
|
3 |
Σχεδίαση και υλοποίηση εργαλείου ανίχνευσης ρυθμών και κυμάτων σε ηλεκτροεγκεφαλογράφημα / Design and develop an EEG rythm and wave detection toolΑλεξόπουλος, Άγγελος 10 August 2011 (has links)
Ο ύπνος αποτελεί ένα από τα πιο μυστήρια φαινόμενα της ανθρώπινης ζωής. Η επεξεργασία και ανάλυση του εγκεφαλογραφήματος με τη χρήση υπολογιστικών μεθόδων και αλγορίθμων μπορεί να δώσει μεγάλη ώθηση στην διερεύνηση της εγκεφαλικής δραστηριότητας. Στην παρούσα εργασία υλοποιήθηκε ένα γραφικό εργαλείο για την ανίχνευση ρυθμών και κυμάτων που εμφανίζονται στο εγκεφαλογράφημα ύπνου. Το εργαλείο συνδέεται με το πρόγραμμα καταγραφής Neuroscan του εργαστηρίου Νευροφυσιολογίας της Ιατρικής Σχολής του Πανεπιστημίου Πατρών. Το περιβάλλον περιλαμβάνει αλγορίθμους για την αυτόματη ανάλυση του σήματος και την ανίχνευση επιλεγμένων κυμάτων και ρυθμών. Σκοπός του εργαλείου είναι η αποστολή ακουστικού ερεθισμού στην περίπτωση ανίχνευσης του επιλεγμένου κύματος ή ρυθμού. Το εργαλείο περιλαμβάνει γραφικό περιβάλλον για την εύκολη χρήση και παραμετροποίηση των διαθέσιμων επιλογών. Το πρόγραμμα αναπτύχθηκε εξ ολοκλήρου πρωτότυπα με γνώμονα την ταχύτητα ανίχνευσης και επεξεργασίας του ΗΕΓ. Τελικός στόχος του προγράμματος είναι η χρήση του σε πειράματα διερεύνησης της απαντητικότητας του εγκεφάλου σε ερεθισμούς που συμβαίνουν σε συγκεκριμένες χρονικές στιγμές μετά από την στιγμή ανίχνευσης επιλεγμένου κύματος ή ρυθμού. Με αυτό τον τρόπο μπορεί να εξερευνηθεί ο ρόλος διαφόρων καταστάσεων του εγκεφάλου (π.χ. αφυπνιστικός ή υπναγωγικός κατά τον ύπνο) χαρακτηριζόμενων από τα επιλεγόμενα ΗΕΓ κύματα και ρυθμούς. / One of the greatest human mysteries is the phenomenon of sleep. The use of computing methods and algorithms in the analysis and processing of electroencephalogram can boost the research of brain activity. The present work presents the graphical program that was developed and used at the Neurophysiology Unit of the University of Patras’ Medical School for the support of EEG studies. The program detects specific rythms and waves during the sleep EEG (online). The tool connects with the Neuroscan Systems that the lab uses for the sleep experiments. The program supports several algorithms for the automatic signal analysis and the specific rythms’ and waves’ detection. The target of the tool is to send sound stimulus in the case of rhythm or wave detection. The user-friendly graphical interface of the tool includes all the parameters for the experiments. The program was developed originally from scratch, aiming to make signal processing as fast as possible. The final goal of the program is to explore the nature of specific brain states i.e. in sleep, by probing brain reactivity at precise times after EEG signs characterizing this brain state.
|
Page generated in 0.0265 seconds