EEG-pohjaisen anestesiasyvyysmonitoroinnin EMG-toleranssin parannus

General anesthesia is used to induce a state of unconsciousness and analgesia to perform surgical operations safely. The effects of general anesthesia can be detected by electroencephalogram (EEG), which measures the electrical activity of the brain. Anesthetics produce distinct patterns on the EEG, introducing the possibility of measuring the state of anesthesia based on EEG measurements. EEG-based depth of anesthesia monitors measure the adequacy of anesthesia as an index calculated from the EEG measured from the forehead of the patient. One of these monitors is Entropy, which measures the depth of anesthesia as two different indices, State Entropy (SE) and Response Entropy (RE), based on the spectral entropy of the EEG. SE indicates the cortical state of the patient, while RE includes EMG activity also. Electromyographic (EMG) activity has been reported to affect SE values, making them unnecessarily high. These incidents can influence the interpretation of the state of anesthesia. In this master's thesis, the methods of reducing the effect of EMG activity on the rise and fluctuation of SE were studied. A dataset of EEG registrations was used from patients under anesthesia to find parameters capable of fixing EMG-related problems of SE. Regression models were constructed using a set of different parameters, including relative EEG band power and spectral entropy parameters of varying frequency bands. The predictions of the regression models were compared to the original Entropy indices and EEG spectrograms. Relative EEG power of the alpha frequency band (BP Alpha) and the ratio of alpha and theta frequency band powers (ThetaAlphaRatio) were good parameters for fixing EMG-related problems. All models were able to fix 92% of EMG-related problems, having only a small effect on the accuracy of predicting awake state and recovery from anesthesia.Yleisanestesian avulla potilas saatetaan tajuttomaan ja tunnottomaan tilaan, jotta leikkauksia voitaisiin tehdä turvallisesti. Yleisanestesian vaikutukset voidaan havaita aivosähkökäyrän (EEG) avulla, mikä mittaa aivojen sähköistä toimintaa. Anestesia-aineet tuottavat selviä merkkejä EEG:ssä, mahdollistaen anestesian syvyyden monitoroinnin EEG-mittauksen perusteella. Anestesiatasoa mittaavat EEG-monitorit osoittavat anestesian riittävyyttä indeksinä potilaan otsasta mitatusta EEG-signaalista. Yksi tämmöisistä monitoreista on Entropia-monitori, joka tuottaa State Entropy (SE) ja Response Entropy -indeksit (RE), laskettuna EEG:n spektraalientropian perusteella. SE kuvastaa potilaan kortikaalista tilaa, kun taas RE sisältää myös elektromyografista (EMG) signaalia. EMG-aktiivisuustason nousu voi häiritä anestesiasyvyysmonitorien tulkintaa, vaikuttaen indeksien arvoihin ja täten anestesian riittävyyttä voidaan tulkita väärin. Tässä diplomityössä selvitetään menetelmiä vähentämään EMG-aktiivisuustason noususta johtuvia SE-arvojen nousua ja vaihtelua pyritään vähentämään. Työssä käytettiin EEG-dataa anestesiassa olevista potilaista löytämään parametreja korjaamaan näitä vaikutuksia. Sopivia parametreja käytettiin regressiomalleihin, joihin lukeutui EEG:n spektraalientropia- ja suhteellisia kaistatehoparametreja. Näiden mallien tuottamia ennustuksia verrattiin nykyisiin Entropy-arvoihin. Suhteellinen alfataajuuden kaistateho (BP Alpha) sekä theta- ja alfataajuuksien kaistatehojen suhde (AlphaThetaRatio) osoittautuivat hyviksi parametreiksi korjaamaan EMG-ongelmia. Kaikki mallit onnistuivat korjaamaan 92% EMG:stä johtuvista ongelmista, vaikuttaen vain vähän hereillä olon ja heräämisen ennustamiseen