Desenvolvimento de uma plataforma de aquisição de EEG wearable sem fios

Abstract

A monitorização de pacientes com epilepsia, ou outras patologias paroxísticas, através da eletroencefalografia (EEG), tem sido considerada como uma ferramenta importante tanto para o diagnóstico e classificação como para o tratamento destas condições. Nesta Tese é apresentado um sistema de aquisição de EEG sem-fios wearable com a capacidade de monitorizar pacientes com epilepsia de forma prolongada. O sistema é composto por 32 elétrodos passivos secos, sinais com 24 bits de resolução, frequência de amostragem variável de 250 a 1000 amostras/s. Cada elétrodo é constituído por 32 pinos compressíveis para permitir uma melhor adaptação a superfícies irregulares (escalpe). Os elétrodos não utilizam gel eletrolítico, para favorecer a manutenção das suas características eletrónicas ao longo do tempo (importante em monitorizações prolongadas), proporcionando também uma montagem do sistema mais rápida e eficiente. Apresenta ainda a capacidade de dois modos de funcionamento. O primeiro designado de modo streaming, os sinais são adquiridos e imediatamente enviados para uma unidade de visualização (PC). O segundo modo designado de modo de deteção, os sinais são adquiridos, processados por um algoritmo de deteção de convulsões epiléticas, e quando é sinalizado um evento, este é comunicado para um servidor para imediata ou posterior visualização por parte dos profissionais de saúde. O sistema de hardware é composto por um system-on-module (SOM) embebido que utiliza um sistema operativo Linux para o seu funcionamento. O sistema operativo foi configurado para controlar a interface entre duas estruturas de software que interagem para a manutenção da performance em tempo-real da leitura dos sinais de EEG, paralelamente à gravação, processamento e transmissão dos dados adquiridos. O sistema foi montado numa peça de vestuário (chapéu) que contem uma touca interna onde estão dispostos os elétrodos de aquisição de sinais, uma camada têxtil intermédia onde está acoplada a eletrónica e baterias, e uma camada têxtil mais superficial constituída por tecido eletricamente condutor que é ligada ao neutro do dispositivo de aquisição funcionando assim como um shield para isolamento dos sinais de ruido eletromagnético. Em modo de deteção, o sistema aqui apresentado utiliza um algoritmo (também desenvolvido) de deteção de eventos epiléticos, baseado na morfologia e forma de onda. O algoritmo é personalizável e não necessita de pré-treino para detetar eventos patológicos. O sistema foi testado em todas as suas partes constituintes. Os elétrodos foram caracterizados do ponto de vista eletroquímico e foi monitorizado o comportamento da impedância ao longo do tempo. Na perspetiva da qualidade dos sinais adquiridos, foram medidas características como o input-refered-noise e o common-mode-rejection-ration. Em relação à capacidade de adquirir sinais de EEG, o sistema foi testado através de uma técnica de playback, e foi também comparado a outro sistema num paradigma de potenciais evocados e na geração do ritmo alfa. O sistema foi ainda testado em relação à temporização das tarefas do sistema operativo no que diz respeito ao cumprimento do tempo-real para a aquisição paralela às outras tarefas com menos restrições temporais, como a gravação, processamento e envio de dados. O algoritmo foi testado numa base de dados publica de pacientes com epilepsia, e obtiveram-se resultados comparáveis a outros algoritmos já descritos. O sistema aqui proposto demostrou vários argumentos para a possível monitorização de pacientes com epilepsia tanto em regime de ambulatório como de avaliação presencial. Este estudo tentou demostrar não só a possibilidade de monitorizar pacientes com epilepsia através de sistemas autónomos, como abre novas possibilidades para a monitorização de pacientes com desordens paroxísticas.

The monitorization of patients with epilepsy or other paroxysmal diseases, through electroencephalography (EEG), has been pointed out as an important tool for both diagnosis and treatment of those conditions. In this work it is presented a wireless and wearable EEG acquisition system with the ability to monitor patients with epilepsy on a long-term basis. The system consists of 32 passive dry electrodes, 24-bit signals resolution and configurable sampling frequency from 250 to 1000 samples/s. Each electrode consists of 32 compressible pins to allow better adaptation to irregular surfaces (scalp). The electrodes do not use electrolytic gel to favor the maintenance of their electronic characteristics over time (important in prolonged monitoring), also providing faster and more efficient system assembly. It also features the ability to operate in two modes. The first designated streaming mode, the signals are acquired and immediately sent to a display unit (PC). In the second mode, the detection mode, signals are acquired, processed by an algorithm for detecting epileptic seizures, and when an event is signaled, it is reported to a server for immediate or later analysis by health professionals. The hardware system consists of an embedded system-on-module (SOM) that uses a Linux operating system for its operation. The operating system has been configured to control the interface between two interacting software structures to maintain the real-time performance of EEG signals readings in parallel with the recording, processing and transmission of the acquired data. The system was mounted on a hat containing an inner cap where the signal acquisition electrodes are disposed, an intermediate textile layer where it is coupled to electronics and batteries, and a more superficial textile layer consisting of electrically conductive tissue which is connected to the neutral of the acquisition device operating as a shield for isolation of the electromagnetic noise signals. In detection mode, the herein presented system uses an algorithm (also developed) for detecting epileptic events, based on morphology and waveform. The algorithm is customizable and does not require pre-training to detect pathological events. The system has been tested in all its constituent parts. The electrodes were characterized with the electrochemical impedance spectroscopy and also the impedance was monitored over time. From the perspective of the quality of acquired signals, characteristics such as input-referred-noise and common-mode-rejection-ration were measured. Regarding the ability to acquire EEG signals, the system was tested through a playback technique, and was also compared to another system in a paradigm of evoked potentials and in the generation of the alpha rhythm. The system was also accessed on the timing of the operating system tasks with respect to the real-time acquisition in parallel with the other tasks with less temporal restrictions (save, process and send data). The algorithm was tested in a public database of patients with epilepsy, and results were comparable to other algorithms already described. The system proposed here has shown several arguments for the possible monitoring of patients with epilepsy both in the outpatient and faceto- face evaluation. This study attempted to demonstrate not only the possibility of monitoring patients with epilepsy through more autonomous systems, but also opened new possibilities for the monitoring of patients with paroxysmal disorders.