Komparace metod k-means a k-means++ při použití na reálném EEG záznamu

Abstract

Tato práce je zaměřena na oblast elektroencefalografie neboli EEG. Měření EEG spočívá ve snímání elektrické aktivity mozku z povrchu hlavy. Naměřený EEG signál má stochastickou povahu a jeho vyhodnocování je obtížné. Metody založené na matematickém principu klasifikace je nutno stochastické povaze přizpůsobit. Jedním hojně využívaným algoritmem v klasifikaci EEG signálu je algoritmus k-means. Tento algoritmus v případě složitějších úloh chybuje, a proto byl vytvořen algoritmus k-means++, který chybovosti předchází inicializací dat. Algoritmus k-means++ vychází z původního algoritmu k-means, tedy rozšiřuje původní verzi. Cílem bakalářské práce je porovnat metodu k-mans a k-means++ a metodu k-means++ aplikovat na reálný EEG záznam. Pro ověření správnosti algoritmů a provedení statistického zhodnocení výhod, případně nevýhod algoritmů, byla sestavena simulovaná data. Po statistickém vyhodnocení výstupů algoritmů metoda k-means++ potvrdila menší chybovost a výstupy klasifikace simulovaných dat byly příznivější, než základní metoda k-means. Po tomto zhodnocení byla metoda k-means++ aplikována na reálná data v programu Wave-Finder, kdy výstup byl vyhodnocen expertem. Reálné záznamy byly naměřeny v Nemocnici Na Bulovce na pěti pacientech. Měření bylo schváleno etickou komisí Nemocnice Na Bulovce v roce 2011 a záznamy byly dále anonymizovány. V porovnání s metodou k-means, která je mimo jiné také v programu Wave-Finder již využívána, metoda k-means++ svoji výhodu oproti k-means nepotvrdila. Po statistickém zpracování výstupů algoritmů aplikovaných na reálný záznam, bylo provedeno zhodnocení metod. Dle statistické analýzy bylo zjištěno, že algoritmus k-means detekuje nejlépe v EEG záznamu EMG artefakty, dobře detekuje fyziologickou aktivitu a epileptickou aktivitu. Nicméně hůře detekuje pomalé oční artefakty. Metoda k-means++ nejlépe detekuje v záznamu fyziologickou aktivitu. Epileptická aktivita je lépe detekována metodou k-means, nežli metodou k-means++. Metoda k-means++ epileptickou aktivitu detekovala téměř o 50 % hůře. Mnohem lépe však metoda k-means++ detekovala pomalé oční artefakty, zlepšení oproti metodě k-means je velké. Pro pozitivní výsledky automatické klasifikace EEG záznamu pomocí shlukové analýzy založené na vzdálenosti by bylo vhodné sjednotit vlastnosti algoritmů k-means a k-means++ dohromady a dále studovat možnosti klasifikace dat.

This work is focused on electroencephalography or EEG. EEG measurement consists of sensing electrical activity of the brain from the surface of the head. The measured EEG signal has a stochastic nature and its evaluation is difficult. Methods based on the mathematical principle of classification need to be adapted to the stochastic nature. One commonly used algorithm in the EEG signal classification is the k-means algorithm. This algorithm fails for more complex tasks, so an algorithm k-means++ was created, which prevents the error from initializing the data. The algorithm k-means++ is based on the original k-means algorithm, which extends the original version. The aim of the bachelor thesis is to compare k-means and k-means ++ and apply the method k-means++ on a real EEG record. To verify the accuracy of the algorithms and to perform a statistical evaluation of the advantages, or the disadvantages of the algorithms, simulated data was compiled. After statistical evaluation of the algorithm outputs, the k-means++ method confirmed a smaller error rate and the outputs of the simulated data classification were more favourable than the k-means method. After this evaluation, the method k-means++ was applied to real data in the Wave-Finder program, where the output was evaluated by an expert. Real records were measured at the Hospital Na Bulovce in five patients. The measurement was approved by the Hospital Na Bulovce Ethics Commission in 2011 and the records were further anonymized. Compared with the k-means method, which is also used in the Wave-Finder program, k-means++ has not been able to prove its advantage over k means. After the statistical processing of the outputs of the algorithms applied to the real record, methods were evaluated. According to statistical analysis, it was found that the algorithm to k-means best detects artefacts in the EEG record, well detects physiological activity and epileptic activity. However, it is less likely to detect slow eye artefacts. The method k-means ++ best detects physiological activity in the record. Epileptic activity is better detected by k-means than k-means++. The k-means++ epileptic activity method detected almost 50% worse., However, method k-means++ detected slow eye artefacts much better. For the positive results of the automatic classification of the EEG record using distance-based clustering analysis, it would be appropriate to unify the properties of the k-means and k-means++ algorithms together and further study the data classification abilities.