การชักเป็นความผิดปกติที่หากเกิดขึ้นเป็นระยะเวลานานอย่างต่อเนื่องจะสามารถส่งผลเสียต่อสมองและร่างกายได้ การใช้ amplitude-integrated EEG (aEEG) ช่วยให้การวินิจฉัยของแพทย์มีความสะดวกรวดเร็วมากยิ่งขึ้น ในวิทยานิพนธ์นี้มีเป้าหมายในการพัฒนาขั้นตอนวิธีการตรวจจับการชักแบบอัตโนมัติโดยใช้ aEEG เป็นพื้นฐาน ทำการศึกษาแบบออฟไลน์ (off-line) กับฐานข้อมูล CHB-MIT Scalp EEG Database ที่มีแฟ้มข้อมูลหมายเหตุระบุช่วงชัก การพัฒนาขั้นตอนวิธีการตรวจจับการชักเริ่มจากการเลือกช่องสัญญาณ โดยแต่ละแฟ้มข้อมูลจะถูกเลือกออกมาเพียงหนึ่งช่องสัญญาณที่มีแอมพลิจูดในช่วงชักที่สูงที่สุด จากนั้นคลื่นไฟฟ้าสมองช่องสัญญาณเดียวนี้จะถูกแปลงเป็นสัญญาณ aEEG โดยผ่านการกรองแถบความถี่ผ่าน การเรียงกระแสสัญญาณระหว่างจุดยอด การปรับเรียบสัญญาณ และการบีบอัดสัญญาณทั้งในเชิงแอมพลิจูดและเวลา สัญญาณ aEEG ที่ได้จะเข้าสู่ขั้นตอนวิธีการตรวจจับการชักที่ใช้วิธีทางสถิติอย่างง่าย มีกระบวนการหาค่าพารามิเตอร์ที่เหมาะสมเพื่อนำไปใช้ทดสอบตรวจจับการชักจากคลื่นไฟฟ้าสมองแบบหลายช่องสัญญาณ ค่าสมรรถนะในการตรวจจับแสดงออกในค่าของความไว (sensitivity; SE) จำนวนการตรวจพบลวงต่อชั่วโมง (false detection per hour; FDh) และเปอร์เซ็นต์ของระยะเวลาการตรวจพบลวง (percentage of false detection duration; FDD) โดยสมรรถนะการตรวจจับการชักขั้นต่ำที่ 40 วินาทีจากการเฉลี่ยของสัญญาณ aEEG มีค่า SE อยู่ที่ 97.96% ค่า FDh 1.11 ครั้งต่อชั่วโมง และ FDD 2.05% ส่วนการตรวจจับจากช่องสัญญาณ F3-P3 และ F4-P4 มีค่า SE 93.88% ค่า FDh 0.35 ครั้งต่อชั่วโมง และFDD 0.66% โดยสรุปแล้วขั้นตอนวิธีการตรวจจับการชักที่พัฒนาขึ้นนั้น มีสมรรถนะอยู่ในเกณฑ์ที่ใช้ได้ มีค่าความไวที่สูง ในขณะที่ค่าความผิดพลาดอยู่ในระดับต่ำ และสามารถนำองค์ความรู้ที่ได้นี้ไปพัฒนาต่อยอดเป็นซอฟต์แวร์ที่ใช้ได้ในการตรวจจับการชักแบบเวลาจริงต่อไป

วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2557