Studi Pola Tingkat Keparahan Stroke Menggunakan Sinyal EEG Berdasarkan Fitur Time-Domain Analysis

Kusumastuti, Rosita Devi (2021) Studi Pola Tingkat Keparahan Stroke Menggunakan Sinyal EEG Berdasarkan Fitur Time-Domain Analysis. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 07111950065002-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2023. Download (3MB) | Request a copy

Abstract

Stroke adalah salah satu penyebab kematian tertinggi dan kecacatan pada orang dewasa di Indonesia bahkan di dunia. Oleh karena itu, diperlukan diagnosis stroke sejak dini dan memberikan penilaian yang akurat untuk meningkatkan manajemen stroke. Menilai fungsi saraf pada pasien stroke akut secara tepat waktu adalah salah satu cara untuk meminimalkan kemungkinan terburuk. Umumnya, Acute Ischaemic Stroke (AIS) didiagnosis menggunakan MRI (Magnetic Resonance Imaging), CT (Computed Tomography) atau fMRI (FRI MRI). Namun, MRI, fMRI, dan CT tidak tersedia di rumah sakit umum cabang kecil dan terpencil. Selain itu, MRI, fMRI, dan CT tidak dapat mengukur dalam waktu lama atau tidak mungkin untuk melakukan pemindaian berkelanjutan. Di sebagian besar rumah sakit komunitas, mereka memiliki mesin EEG (Electroencephalogram) untuk merekam gelombang otak.
Penelitian ini mencoba untuk secara otomatis mengklasifikasikan keparahan AIS berdasarkan sinyal EEG dengan menggunakan parameter statistik fitur domain waktu. Dalam penelitian ini, data EEG diperoleh dari pengukuran langsung pada pasien stroke di RSUD Kota Kediri. Dari EEG, berbagai fitur berbasis domain waktu termasuk Mean Absolute Value (MAV), Standard Deviation (STD) dan Varian telah dihitung. Hasil penelitian ini diharapkan dapat membantu mendiagnosis keparahan stroke dari parameter yang digunakan dalam domain waktu dan mengambil keputusan tentang langkah pengobatan selanjutnya yang dibutuhkan oleh setiap pasien oleh tim medis. Kelas keparahan stroke didefinisikan sebagai berat, sedang, dan ringan. Sub-band frekuensi EEG yang dianalisis adalah Alpha Low (8-9 Hz), Alpha High (9-13 Hz), Beta Low (13-17), dan Beta High (17-30 Hz). Label untuk klasifikasi keparahan stroke sebagai kebenaran dasar menggunakan skala NIHSS yang dinilai oleh dokter berdasarkan pengamatan visual. Hasil penelitian menunjukkan bahwa klasifikasi tingkat keparahan stroke dapat diidentifikasi dengan menggunakan fitur statistik seperti sebagai berikut MAV, STD dan Varian, dengan frekuensi sub-band EEG adalah Alpha Low dan Alpha High untuk gerakan menggenggam, Beta Low dan Beta High untuk gerakan Siku, dan Alpha High dan Beta High untuk gerakan bahu. Hasil ini menunjukkan potensi menggunakan ini informasi sebagai dasar untuk menentukan pasien-spesifik program rehabilitasi di masa yang akan datang.
================================================================================================
Stroke is one of the leading causes of death and disability in adults in Indonesia, even in the world. Therefore, it is necessary to diagnose stroke at an early stage and provide an accurate assessment to improve stroke management. Assessing nerve function in acute stroke patients in a timely manner is one way to minimize the worst. Generally, acute ischemic stroke (AIS) is diagnosed using MRI (Magnetic Resonance Imaging), CT (Computed Tomography) or fMRI (FRI MRI). However, MRI, fMRI, and CT are not available in small and remote branch of public hospitals (community hospital). In addition, MRI, fMRI, and CT cannot measure for a long time or it is impossible to carry out continuous scanning. In most community hospitals, they have an EEG (Electroencephalogram) machine to record brain waves. This study attempts to automatically classify the severity of AIS based on EEG signals by using statistical parameters of time domain features. The results of this study are expected to help diagnose the severity of stroke from the parameters used in the time domain and make decisions about the next treatment steps needed by each patient by the medical team.
In this study, the EEG data was obtained from direct measurement to stroke patients in public hospital in the city of Kediri. From the EEG, 3 statistical features such as Mean Absolute Value (MAV), Standard Deviation (STD) and Variance were calculated. Stroke severity classes were defined as severe, moderate, and mild. The analyzed EEG frequency sub-bands were Alpha Low (8-9 Hz), Alpha High (9-13 Hz), Beta Low (13-17), and Beta High (17-30 Hz). The label for stroke severity classification as a ground truth uses the NIHSS scale which is assessed by doctors based on visual observations. The results showed that stroke severity classification can be identified by using statistical feature such as MAV, STD and Variance, with EEG sub-band frequency are Alpha Low and Alpha High for grasp motion, Beta Low and Beta High for Elbow motion, and Alpha High and Beta High for shoulder motion. This result showed the potential of using this information as a basic for determining the patient-specific rehabilitation program in the future.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Electroencephalogram, Stroke Severity Level, Time Domain Features, Electroencephalogram, Tingkat Keparahan Stroke, Fitur Domain Waktu
Subjects:	T Technology > T Technology (General) T Technology > T Technology (General) > T385 Visualization--Technique T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User:	Rosita Devi Kusumastuti
Date Deposited:	16 Aug 2021 18:32
Last Modified:	16 Aug 2021 18:32
URI:	http://repository.its.ac.id/id/eprint/87265

Actions (login required)

View Item