monitoring depth of anesthesia with electroencephalogram

120 Pages·2008·1.23 MB·English

TKK Dissertations 114
Espoo 2008
MONITORING DEPTH OF ANESTHESIA WITH
ELECTROENCEPHALOGRAM: METHODS AND
PERFORMANCE EVALUATION
Doctoral Dissertation
Mika Särkelä
Helsinki University of Technology
Faculty of Information and Natural Sciences
Department of Biomedical Engineering and Computational Science
TKK Dissertations 114
Espoo 2008
MONITORING DEPTH OF ANESTHESIA WITH
ELECTROENCEPHALOGRAM: METHODS AND
PERFORMANCE EVALUATION
Doctoral Dissertation
Mika Särkelä
Dissertation for the degree of Doctor of Science in Technology to be presented with due permission
of the Faculty of Information and Natural Sciences for public examination and debate in Auditorium
TU1 at Helsinki University of Technology (Espoo, Finland) on the 18th of April, 2008, at 12 noon.
Helsinki University of Technology
Faculty of Information and Natural Sciences
Department of Biomedical Engineering and Computational Science
Teknillinen korkeakoulu
Informaatio- ja luonnontieteiden tiedekunta
Lääketieteellisen tekniikan ja laskennallisen tieteen laitos
Distribution:
Helsinki University of Technology
Faculty of Information and Natural Sciences
Department of Biomedical Engineering and Computational Science
P.O. Box 3310
FI - 02015 TKK
FINLAND
URL: http://www.becs.tkk.fi/
Tel. [phone]
Fax [phone]
E-mail: [email protected]
© 2008 Mika Särkelä
ISBN 978-951-22-9288-2
ISBN 978-951-22-9289-9 (PDF)
ISSN 1795-2239
ISSN 1795-4584 (PDF)
URL: http://lib.tkk.fi/Diss/2008/isbn9789512292899/
TKK-DISS-2451
Picaset Oy
Helsinki 2008
AB
ABSTRACTOFDOCTORALDISSERTATION HELSINKI UNIVERSITY OF TECHNOLOGY
P.O.BOX1000,FI-02015TKK
http://www.tkk.fi
Author MikaSärkelä
Nameofthedissertation
Monitoringdepthofanesthesiawithelectroencephalogram: Methodsandperformanceevaluation
Manuscriptsubmitted Dec. 11,2007 Manuscriptrevised Mar. 10,2008
Dateofthedefence Apr. 18,2008
Monograph X Articledissertation(summary+originalarticles)
Faculty FacultyofInformationandNaturalSciences
Department DepartmentofBiomedicalEngineeringandComputationalScience
Fieldofresearch BiomedicalEngineering
Opponent(s) ProfessorGuyDumont,UniversityofBritishColumbia
Supervisor ProfessorPekkaMeriläinen
Instructor HannaViertiö-Oja,D.Sc. (Tech.)
Abstract
Inmonitoringdepthofanesthesia,useofelectroencephalogram(EEG)signaldatahelpstopreventintraoperative
awarenessandreducesthecostsofanesthesia. Moderndepth-of-anesthesiamonitorsusefrontalEEGsignaltoderive
anindexvalue,whichdecreasesmonotonicallywithincreasinganestheticdruglevels. Inthisstudy,
electroencephalogramsignalprocessingmethodsfordepth-of-anesthesiamonitoringweredeveloped.
Thefirstaimwastodevelopamethodforburstsuppressiondetectionandintegrateitintotheanestheticdepthmonitor.
Accuratedetectionofburstsuppressionimprovestheaccuracyofdepth-of-anesthesiamonitoringatdeeplevelsof
anesthesia. Themethoddevelopedutilizesanonlinearenergyoperatorandisbasedonadaptivesegmentation. The
developedmonitorhasbeenprovenaccurateinseveralscientificstudies.
Asecondaimwastodevelopadepth-of-anesthesiamonitorthatutilizesbothcorticalandsubcorticalinformationand
isapplicablewithmostcommonlyusedanesthetics. ThemethoddevelopedisbasedonthespectralentropyofEEG
andfacialelectromyogram(EMG)signals. Inthemethod,twospectralentropyvariablesarederived,aimingto
differentiatethecorticalstateofthepatientandsubcorticalresponsesduringsurgery. Theconcepthasbeenconfirmed
inthescientificstudiesconductedduringsurgery.
Anotheraimwastodevelopamethodformonitoringepileptiformactivityduringanesthesia. Themethoddevelopedis
basedonanovelEEG-derivedquantity,waveletsubbandentropy(WSE),whichfollowedthetimeevolutionof
epileptiformactivityinanesthesiawithpredictionprobabilityof0.8andrecognizedmisleadingreadingsofthe
depth-of-anesthesiamonitorduringepileptiformactivitywithevent-sensitivityof97%.
Thefourthaimwastoinvestigatethemonitoringtechniquedeveloped,calledEntropy,inS-ketamineanesthesiaandin
dexmedetomidinesedation. InS-ketamineanesthesia,high-frequencyEEGoscillationsturnedouttobethereasonfor
thehighentropyvaluesseendespitedeepanesthesia. Indexmedetomidinesedation,Entropyprovedarapidindicator
oftransitionphasesfromconsciousandunconsciousstates.
Keywords anesthesia,burstsuppression,EEG,entropy,wavelet
ISBN(printed) 978-951-22-9288-2 ISSN(printed) 1795-2239
ISBN(pdf) 978-951-22-9289-9 ISSN(pdf) 1795-4584
Language English Numberofpages 118+57(app)
Publisher DepartmentofBiomedicalEngineeringandComputationalScience,HelsinkiUniversityofTechnology
Printdistribution DepartmentofBiomedicalEngineeringandComputationalScience
X Thedissertationcanbereadathttp://lib.tkk.fi/Diss/2008/isbn9789512292899/

AB
VÄITÖSKIRJANTIIVISTELMÄ TEKNILLINENKORKEAKOULU
PL1000,02015TKK
http://www.tkk.fi
Tekijä MikaSärkelä
Väitöskirjannimi
Anestesiansyvyydenmonitoroiminenaivosähkökäyränavulla: Menetelmätsekämenetelmiensuorituskyvynarviointi
Käsikirjoituksenpäivämäärä 11.12.2007 Korjatunkäsikirjoituksenpäivämäärä 10.3.2008
Väitöstilaisuudenajankohta 18.4.2008
Monografia X Yhdistelmäväitöskirja(yhteenveto+erillisartikkelit)
Tiedekunta Informaatio-jaluonnontieteidentiedekunta
Laitos Lääketieteellisentekniikanjalaskennallisentieteenlaitos
Tutkimusala Lääketieteellinentekniikka
Vastaväittäjä(t) ProfessoriGuyDumont,UniversityofBritishColumbia
Työnvalvoja ProfessoriPekkaMeriläinen
Työnohjaaja TkTHannaViertiö-Oja
Tiivistelmä
Anestesiansyvyyttämonitoroitaessaaivosähkökäyrä(EEG)auttaavälttämäänpotilaankirurgianaikaisentietoisuuden
tunteensekäpienentämäänanestesiankustannuksia. Anestesiansyvyydenmonitoritlaskevatotsaltamitatusta
EEG-signaalistanumeroarvon,jokapieneneemonotonisestianestesialääkityksenkasvaessa. Tässätyössäkehitettiin
EEG-signaalinkäsittelymenetelmiäanestesiansyvyydenmonitorointiin.
Työnensimmäinentavoiteolikehittäämenetelmäpurskevaimentumanilmaisemiseksijayhdistäätämäosaksi
anestesiansyvyydenmonitoria,parantaenmonitoroinnintarkkuuttasyvässäanestesiassa. Kehitettymenetelmä
perustuuadaptiiviseensegmentointiin,jossahyödynnetäänepälineaaristaenergiaoperaattoria. Kehitettymonitorion
osoittautunuttarkaksimenetelmäksilukuisissatieteellisissätutkimuksissa.
Toinentavoiteolikehittäämenetelmäanestesiansyvyydenmonitorointiin,jokahyödyntääsekäaivokuoreltaperäisin
olevaaEEG-signaalia,ettäosittainaivorungostaperäisinolevaakasvolihastenlihassähkökäyrää(EMG).Kehitetty
menetelmäperustuuEEG-jaEMG-signaaleistalaskettavaanspektraaliseenentropiaan. Menetelmätuottaakaksi
muuttujaa,joidenavullapyritäänerottamaanpotilaanaivokuorentilasekäkirurgianaiheuttamataivorunkovasteet.
Tieteelisettutkimuksetovatosoittaneetkonseptintoimivuudenkirurgianaikaiseenmonitorointiin.
Kolmastavoiteolikehittäämenetelmäanestesianaikaisenepileptiformisenaivotoiminnanmonitorointiin. Työssä
kehitettiintäysinuusiEEG-signaalistajohdettusuure;aallokemuunnoksenosakaistanentropia(WSE).WSEkykeni
seuraamanepileptiformisentoiminnankehitystäennustetodennäköisyydellä0,8sekätunnisti97%:stitämän
aiheuttamatharhaanjohtavattapauksetanestesiansyvyydenmonitorinlukemissa.
LisäksityössäarvioitiinkehitetynEntropia-monitorinsuorituskykyäS-ketamiinianestesiassasekä
deksmedetomidiinisedaatiossa. S-ketamiinianestesiassakorkeataajuisetEEG-oskillaatiotolivatsyynäkorkeille
Entropia-arvoillehuolimattasyvästäanestesiasta. DeksmedetomidiinisedaatiossaEntropia-monitorikykeni
seuraamaannopeitamuutoksiatajuisuudenjatajuttomuudenvälillä.
Asiasanat aalloke,anestesia,EEG,entropia,purskevaimentuma
ISBN(painettu) 978-951-22-9288-2 ISSN(painettu) 1795-2239
ISBN(pdf) 978-951-22-9289-9 ISSN(pdf) 1795-4584
Kieli englanti Sivumäärä 118+57(liitteet)
Julkaisija Lääketieteellisentekniikanjalaskennallisentieteenlaitos,Teknillinenkorkeakoulu
Painetunväitöskirjanjakelu Lääketieteellisentekniikanjalaskennallisentieteenlaitos
X Luettavissaverkossaosoitteessahttp://lib.tkk.fi/Diss//2008/isbn9789512292899/

7
Preface
This thesis is a result of a long journey. The work has been mostly carried out in
Research Unit of GE Healthcare Finland Oy during 2000-07. The first steps of this
work was already taken in Department of Anesthesiology, Oulu University Hospital,
Finland in 1999-2000.
I wish to express my gratitude to professor Pekka Meril¨ainen for providing me the
opportunityforthisthesisworkandforhissupportduringalltheseyears. Pekkahas
been acting as my manager in GE Healthcare as well as my supervisor in Helsinki
University of Technology. Hanna Vierti¨o-Oja, D.Sc. (Tech.), is appreciated of in-
struction she has offered in the scientific field of anesthetic depth monitoring as
well as significant help in the final steps of this thesis. Pre-examiners professor Pasi
KarjalainenanddocentIlkkaKorhonenareappreciatedfortheirvaluablecomments.
From the years in Oulu, professor Tapio Sepp¨anen is acknowledged for introducing
me the interesting world of signal processing and docent Ville J¨antti for familiarizing
me with the odd-looking waveforms called EEG. I am grateful to professor Seppo
Alahuhta, head of Department of Anesthesiology for his positive attitude toward
this thesis project.
Anne Vakkuri, M.D., Ph.D., is appreciated for her significant role in the develop-
ment of Entropy monitor as well as scientific advises considering the publication
of wavelet subband entropy. Professor Arvi Yli-Hankala is acknowledged for his
pioneering work in the field of anesthesia EEG that, among others results, led to
the development of Entropy monitor and wavelet subband entropy. Docent Mark
van Gils and mr. Miikka Ermes, M.Sc. (Tech.), both from VTT Technical Research
Centre of Finlandare appreciatedfor the co-operation inthe development of wavelet
subband entropy.
Part of this thesis work has been conducted in collaboration with Turku PET Cen-
tre and Turku University Hospital, Finland. It was pleasure to work with this
enthusiastic research group that has offered in-depth understanding of anesthesia
mechanisms. Especially, I wish to express my gratitude to professor Harry Scheinin,
docent Satu J¨a¨askel¨ainen, and mrs. Anu Maksimow, M.D., Ph.D. Anu has a major
contribution for this thesis as being the first author of two publications.
8
I express my special gratitude to all 30 co-authors of the five publications consti-
tuting this thesis. This work is a result of several projects carried out in industry,
research institutes, central hospital, and in four of the total five university hospitals
in Finland. It has been a rewarding experience to work with all these people each
representing top knowledge in their own speciality.
My colleagues in GE Healthcare and Oulu University Hospital are appreciated for
their support during this almost endless thesis project. Especially, I wish to thank
mr. Matti Huiku, D.Sc. (Tech.), for his guidance and encouragement during the
last few years. Mr. Petteri Lapinlampi, M.Sc. (Tech.), is acknowledged for guiding
me in the practicality of Helsinki University of Technology and support with LATEX
typesetting.
I wish to thank my parents, Anja and Sakari S¨arkel¨a for their support. Finally, I
would like to thank my dear Sirkku for her love, patience, and understanding.
Helsinki, 10th of March, 2008
9
Contents
Preface 7
Contents 9
List of Publications 11
Author’s contribution 13
List of Abbreviations 15
List of Symbols 17
List of Figures 19
List of Tables 21
1 Introduction 23
1.1 Burst suppression . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
1.2 Facial electromyographic activity . . . . . . . . . . . . . . . . . . . 26
1.3 Epileptiform activity . . . . . . . . . . . . . . . . . . . . . . . . . . 27
1.4 Anesthetic drugs . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.5 Aims of the thesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2 Electroencephalogram signal processing in anesthesia 33
2.1 Time-domain analysis . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.1.1 Nonlinear energy operator . . . . . . . . . . . . . . . . . . . 34
2.1.2 Burst suppression detection (I, II) . . . . . . . . . . . . . . 35
2.2 Frequency-domain analysis . . . . . . . . . . . . . . . . . . . . . . . 40
2.2.1 Spectrum estimation . . . . . . . . . . . . . . . . . . . . . . 40
2.2.2 Classical spectral band powers . . . . . . . . . . . . . . . . . 42
2.2.3 Spectral edge frequencies . . . . . . . . . . . . . . . . . . . . 43
2.2.4 Canonical univariate parameter . . . . . . . . . . . . . . . . 44
2.2.5 Spectral entropy . . . . . . . . . . . . . . . . . . . . . . . . 46
2.2.6 Time-frequency balanced spectral entropy (II) . . . . . . . . 47
2.2.7 Bispectral analysis . . . . . . . . . . . . . . . . . . . . . . . 49
2.2.8 Bispectral Index . . . . . . . . . . . . . . . . . . . . . . . . 51