Novitasari, Made Dwi (2020) Pola Sinyal EEG Dalam Gerakan Tangan Pada Fitur Domain Waktu Untuk Monitoring Rehabilitasi Pasien Pasca-Stroke. Masters thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
07111850067016 -Master_Thesis.pdf - Accepted Version Download (2MB) | Preview |
Abstract
Stroke adalah penyakit katastropik dengan angka kematian tertinggi kedua di dunia. Prevalensi dan beban biaya yang diakibatkan stroke juga meningkat dari tahun ke tahun. Bahkan angka resiko stroke saat ini telah mencapai 1 dari 4 orang. Program rehabilitasi stroke sangat penting dalam proses pemulihan pasien pasca-stroke. Dimana program ini harus didukung oleh pemantauan yang terukur. Monitoring rehabilitasi saat ini masih dilakukan menggunakan skala klinis standar dan pengamatan visual, sehingga hasil pengukuran belum tersaji secara nyata dan subyektif. Monitoring menggunakan EEG dapat memberikan solusi untuk permasalahan tersebut. Dalam proses monitoring, dibutuhkan ekplorasi terhadap parameter EEG yang signifikan. Penelitian ini bertujuan untuk menemukan parameter paling stabil yang dapat digunakan sebagai dasar untuk mengukur kemajuan dalam monitoring rehabilitasi stroke. Parameter dicari dengan menghitung selisih antara nilai fitur gerakan tangan sehat dengan gerakan tangan terefek stroke pada individu yang sama. Hipotesis dalam penelitian ini adalah bahwa selisih antara nilai fitur tangan sehat dan tangan terefek stroke bernilai positif, karena gerakan sisi sehat memiliki nilai amplitudo yang lebih tinggi daripada gerakan sisi terefek stroke. Data dalam penelitian ini diperoleh dari hasil pengukuran EEG pada 10 orang pasien stroke selama melakuan tugas gerakan di channel C3 dan C4. Partisipan melakukan tiga gerakan, yaitu fleksi-ekstensi bahu, fleksi-ekstensi siku, dan fleksi-ekstensi genggaman. Gerakan dilakukan di kedua sisi tangan, baik yang sehat maupun yang terefek stroke. Untuk preprocessing sinyal EEG, penelitian ini menerapkan IIR pada tahap filter bandpass. Diikuti oleh algoritma ASR dan ICA untuk menghapus artefak. EEG bersih disegmentasi menjadi 20 ms sebelum menghitung fitur Mean, Mav, STD dan Var. Selisih antara nilai fitur sisi sehat (FS) dan fitur sisi terefek stroke (FE) kemudian dihitung dan dianalisis. Hasil menunjukkan bahwa STD, selama gerakan bahu, dan dalam frekuensi alpha low adalah fitur terbaik dengan perbedaan FS dan FE paling stabil. Dari penelitian ini, dapat disimpulkan bahwa fitur STD, selama gerakan bahu, dan dalam frekuensi alpha low menunjukkan potensi tinggi untuk digunakan sebagai parameter penting dalam monitoring kemajuan rehabilitasi stroke.
==================================================================================================================================
Stroke is a catastrophic disease with the second-highest mortality rate and the third cause of disability in the world. The prevalence and burden of costs caused by stroke increase from year to year. Even the current risk of stroke has reached 1 in 4 people. A stroke rehabilitation program is crucial for the recovery process of post-stroke patients. It must be supported by measurable monitoring. Rehabilitation monitoring is currently still carried out through visual and manual observation, so the measurement results have not been well presented and subjective. Monitoring using EEG can provide solutions to these needs. During the monitoring process, significant parameters of EEG need to be explored. This study aims to find the most stable parameters that could be applied as a basis for measuring progress in stroke rehabilitation monitoring. The parameters are searched by calculating the difference between the value of the features of healthy hand movements with affected hand movements in the same individual stroke patients. The hypothesis in this study is that the difference between the healthy hand and the affected hand in stroke patients is positive because the healthy side movement has a higher amplitude value than the affected side movement. The data in this study is obtained from the EEG of 10 stroke patients during a designed task motion on C3 and C4 channels. Participants performed three movements, namely shoulder flexion-extension, elbow flexion-extension, and grasping. Motions are carried out on both sides of the hand, both the healthy and the affected side. For preprocessing the EEG, this study applies IIR at the bandpass filter stages. Followed by ASR and ICA algorithm to remove the artifact. The clean EEG is segmented into 20 ms before calculating the Mean, Mav, and STD features. The difference between the healthy side feature (FS) and the stroke side feature (FE) then will be calculated and analyzed. The results show that STD, during shoulder movements, and in low alpha frequencies is the best feature with the most positive FS and FE differences. From this study, it can be concluded that the STD feature, during shoulder movements, and in low alpha frequency band showed a high potential to be used as a crucial parameter to monitor the stroke rehabilitation progress.
Item Type: | Thesis (Masters) |
---|---|
Additional Information: | RTE 621.398 1 Nov p-1 |
Uncontrolled Keywords: | Analisa Sinyal EEG, Fitur Domain Waktu, Monitoring Rehabilitasi Stroke, Rehabilitiasi, Stroke, EEG Analysis, Monitoring Stroke Rehabilitation, Time Domain Feature, Rehabilitation, Stroke |
Subjects: | T Technology > TA Engineering (General). Civil engineering (General) |
Divisions: | Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20101-(S2) Master Thesis |
Depositing User: | Made Dwi Novitasari |
Date Deposited: | 18 Mar 2025 07:09 |
Last Modified: | 18 Mar 2025 07:09 |
URI: | http://repository.its.ac.id/id/eprint/76593 |
Actions (login required)
![]() |
View Item |