CC BY
26
DOI 10.36622/VSTU.2022.18.2.011 УДК 519.6
АВТОНОМНЫЙ ПОРТАТИВНЫЙ ЭЛЕКТРОЭНЦЕФАЛОГРАФ НА БАЗЕ ОДНОПЛАТНОГО КОМПЬЮТЕРА NVIDIA JETSON
А.Б. Степанов1, Д.В. Козлов2, А.В. Запайщиков1
1Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича, г. Санкт-Петербург, Россия 2Московский физико-технический институт, г. Долгопрудный, Россия
Аннотация: данная работа посвящена реализации автономного портативного электроэнцефалографа на базе одноплатного компьютера Nvidia Jetson Nano и аналогово-цифрового преобразователя ADS1299 фирмы Texas Instruments. Электроэнцефалограф позволяет в реальном времени регистрировать и обрабатывать 8 физических каналов с частотами дискретизации от 250 Гц до 16 кГц. Предложена концепция данного устройства, которое состоит из 3 основных функциональных блоков: блока регистрации данных, блока обработки данных и блока визуализации данных. Разработан модифицированный алгоритм работы портативного электроэнцефалографа на основе расчёта вейвлет-коэффициентов и периодограмм Уэлча, который позволяет определять графоэлементы определённой формы, соответствующие артефактам и патологическим состояниям мозга, а также оценивать энергетические соотношения основных ритмов в электроэнцефалограмме. Разработанный алгоритм использует графический процессор одноплатного компьютера Nvidia Jetson Nano, что позволяет задействовать параллельные вычисления и увеличить скорость выполнения предложенного алгоритма. Обоснован выбор элементной базы, представлены ее преимущества. Разработаны блок-схема, 3D-модель и выполнена сборка портативного электроэнцефалографа. Габариты электроэнцефалографа составили: ширина — 250 мм, высота — 72 мм, глубина — 111 мм. Приведена подробная схема соединений элементной базы электроэнцефалографа. Разработанный электроэнцефалограф обладает блоком питания, который позволяет функционировать электроэнцефалографу в течение длительного времени автономно. Разработан графический интерфейс пользователя, производящий управление электроэнцефалографом с помощью сенсорного экрана. Предложена методика исследования автономного портативного электроэнцефалографа. Проведены испытания прототипа, в ходе которых исследовались сигналы с глазными артефактами, которые имеют характерный вид. В ходе испытаний все глазные артефакты были однозначно определены в анализируемых сигналах. Практическим путем получено, что предложенный алгоритм работы электроэнцефалографа выполняется за 100 мс при длительности восьмиканальной ЭЭГ 1 с и частоте дискретизации 250 Гц. Полученные результаты длительности выполнения алгоритма показывают, что имеется значительный запас по вычислительной мощности устройства, что позволит в дальнейшем производить более сложную обработку ЭЭГ
Ключевые слова: портативный электроэнцефалограф, графический процессор, Nvidia Jetson, аналогово-цифровой преобразователь, вейвлет, частотно-временной анализ
Введение
В настоящее время в связи с пандемией SARS-CoV-2 наблюдается рост заболеваемости центральной нервной системы (ЦНС). Как известно, одной из основных частей ЦНС человека является его головной мозг. В связи с этим для функциональной диагностики головного мозга могут быть использованы методы, основанные на анализе электроэнцефалограммы.
Электроэнцефалограмма (ЭЭГ) - это сигнал, который может быть зарегистрирован с поверхности головы человека и является результатом суммации и фильтрации электрической активности отдельных групп нейронов [1]. При регистрации ЭЭГ важно выделять её основные ритмы, а также выявлять графоэле-менты особой формы, соответствующие пато-
логическим состояниям мозга и артефактам (явлениям, не связанным с деятельностью мозга).
Для регистрации электроэнцефалограммы используются специальные устройства, которые называются электроэнцефалографами. Они подразделяются на стационарные и портативные. Как правило, стационарные электроэнцефалографы устанавливаются в специально оборудованных помещениях и функционируют на базе стационарного компьютера. Портативные электроэнцефалографы подразделяются на устройства на базе передвижных компьютеров и на устройства в виде самостоятельных модулей. В ряде случаев может отсутствовать возможность проведения электроэнцефалографического исследования в специально подготовленном помещении, а также возможность привлечения для анализа ЭЭГ врача-физиолога. В этом случае необходимо исполь-
© Степанов А.Б., Козлов Д.В., Запайщиков A.B., 2022
зовать устройства, позволяющие проводить электроэнцефалографические исследования в любых условиях и не требующие специальной квалификации медицинского персонала.
Целью данной работы является разработка автономного портативного электроэнцефалографа, позволяющего выполнять регистрацию электроэнцефалограммы, а также пригодного для последующей её обработки в реальном времени с помощью специальных алгоритмов. Поставленная цель достигается путем последовательного решения следующих задач:
1. Разработка концепции автономного портативного электроэнцефалографа и его структуры.
2. Выбор элементной базы для реализации электроэнцефалографа.
3. Разработка блок-схемы создаваемого устройства.
4. Создание алгоритма работы электроэнцефалографа с использованием методов частотно-временного анализа сигналов.
5. Разработка 3D-модели корпуса для портативного электроэнцефалографа и непосредственное его изготовление.
6. Разработка графического приложения пользователя для управления электроэнцефалографом.
7. Реализация портативного электроэнцефалографа.
8. Разработка методики испытаний.
9. Проведение испытаний.
Актуальность данной работы заключается
в обеспечении возможности создания портативного электроэнцефалографа, обладающего компактными размерами, способного работать длительное время автономно и позволяющего выполнять обработку сигналов в реальном времени.
Разработка прототипа
Авторами данной статьи предлагается следующая концепция портативного электроэнцефалографа. В общем случае портативный электроэнцефалограф состоит из блока регистрации данных, блока обработки данных и блока визуализации данных (рис. 1).
Рис. 1. Блок-схема концепции электроэнцефалографа
К блоку регистрации данных предъявляются следующие требования: многоканаль-ность, низкий уровень собственных шумов, высокое разрешение. Проведённые исследования показали [2], что при регистрации электроэнцефалограммы может быть использован аналого-цифровой преобразователь (АЦП) ADS1299 фирмы Texas Instruments. Он относится к типу сигма-дельта АЦП и обладает следующими основными характеристиками [2]:
• Разрядность 24 бита;
• Низкий собственный уровень шума (коэффициент собственного шума не более -115 дБ);
• Наличие встроенного усилителя с программируемым коэффициентом усиления (PGA);
• Частота дискретизации от 250 Гц до 16 кГц.
Разрабатываемый вычислитель должен производить обработку многоканальных сигналов в реальном времени. Поставленные задачи требуют высокой производительности элементной базы. При обработке многоканальных данных целесообразно использовать параллельные вычисления. В связи с этим в качестве вычислителя может быть выбрана система, содержащая в себе графический процессор и обладающая возможностью параллельного распределения вычислительных потоков, в том числе с использованием технологии CUDA [3].
Среди современных систем на базе графического процессора можно выделить дискретные и встроенные в процессор видеокарты, а также одноплатные компьютеры. Дискретные видеокарты отличаются высокой производительностью, но обладают большими размерами и требуют наличия компьютера. Интегрированные видеокарты обладают низкой производительностью. Одноплатные компьютеры обладают малыми габаритами, высокой производительностью и низкой стоимостью.
В качестве вычислительного устройства был выбран одноплатный компьютер Nvidia Jetson Nano. Его выбор был связан с тем, что в отличие от аналогов (Raspberry Pi, Orange Pi, ASUS TinkerBoard, Google Coral.ai), он обладает высокой производительностью и малыми габаритами.
Для вывода графика электроэнцефалограммы и управления электроэнцефалографом был использован дисплей с сенсорным экраном, так как он позволяет исключить исполь-
зование других элементов управления (клавиатуры, компьютерной мыши, джойстика). Размер и разрешение экрана были выбраны исходя из возможности отображения электроэнцефалограммы в удобном для визуального анализа виде, вывода результатов обработки ЭЭГ, а также необходимостью соблюдения небольших габаритов электроэнцефалографа.
Для обработки электроэнцефалограммы может быть использован алгоритм на основе непрерывного вейвлет-преобразования и периодограмм Уэлча [4, 5]. Преобразования на основе вейвлетов позволяют производить частотно-временной анализ сигналов.
Вейвлеты - это обобщённое название особых функций с нулевым интегральным значением, локализованных по оси времени и способных к сдвигу и масштабированию [6-8].
Формула непрерывного вейвлет преобразования (НВП) сигнала s(t) имеет вид:
Ш(а,Ь)
-П-Ь^
где - вейвлет, а - масштаб, Ь - временной сдвиг, горизонтальной чертой над вейвлетной функцией обозначено комплексное сопряжение.
В данной работе использовался метод вычисления НВП на основе быстрого преобразования Фурье [9, 10].
Таким образом, научная новизна данной работы заключается в разработке электроэнцефалографа на базе графического процессора, реализующего алгоритм обработки ЭЭГ с использованием математического аппарата вейвлетов и метода периодограмм Уэлча.
На рис. 2 представлен модифицированный алгоритм на основе непрерывного вейвлет-преобразования и метода периодограмм Уэлча, предложенный авторами [4].
Рис. 2. Блок-схема модифицированного алгоритма обработки ЭЭГ
Приведенная на рис. 2 блок-схема включает в себя следующие элементы:
1. Блок управления.
2. Аналого-цифровой преобразователь (АЦП).
3. Блок чтения/записи данных и формирование метаданных.
4. Блок вычисления непрерывного вейвлет-преобразования (НВП).
5. Блок вычисления периодограммы.
6. Блок визуализации данных.
7. Блок передачи данных (на выделенный сервер и/или на физический носитель).
8. Блок обработки вейвлет-коэффициентов и периодограммы.
9. Блок формирования клинического заключения.
Блок управления обеспечивает конфигурацию большей части элементов схемы. Анало-гово-цифровой преобразователь предназначен для дискретизации и квантования биомеди-
цинского аналогового сигнала, регистрируемого на электродах. В некоторых случаях сигнал ЭЭГ может быть загружен в память электроэнцефалографа, кроме того, сигнал ЭЭГ может содержать метаданные о пациенте (ФИО, год рождения, пол, дата проведения электроэнцефалографического исследования, адрес проживания пациента, ФИО и должность врача, тип проводимого исследования, конфигурацию отведений и пр.). Эти данные могут быть использованы при обработке ЭЭГ и формировании клинического заключения. Блок вычисления НВП предназначен для выполнения непрерывного вейвлет-преобразования с заданным вейвлетом и коэффициентами масштаба с целью определения основных информационных признаков в сигнале. Блок вычисления периодограммы использует метод Уэлча для оценки спектральной плотности мощности с целью выделения энергии основных ритмов ЭЭГ. Блок синхронизации обеспечивает совместную работу блоков вычисления НВП и периодограмм Уэлча. Данный блок является необходимым, так как вычисление матрицы вейвлет-коэффициентов требует значительно больше времени по сравнению с вычислением периодограммы Уэлча. Блок визуализации данных позволяет визуализировать регистрируемый или записанный сигнал, результаты вычисления НВП, периодограмму Уэлча и клиническое заключение. Блок записи и передачи данных позволяет сохранять и/или передавать не только зарегистрированные данные, но также и результат их обработки. Блок формирования клинического заключения производит анализ полученных данных и формирует заключение о состоянии пациента.
На рис. 3 приведена схема устройства, которая включает в себя следующие элементы:
1. Одноплатный компьютер Nvidia Jetson Nano. Является основным управляющим и вычислительным устройством для всех составляющих схемы, содержит в себе графический процессор, который позволяет проводить параллельные вычисления.
2. Модуль электроснабжения. Используется для обеспечения бесперебойного питания всех элементов схемы. Общая емкость элементов питания равна 3400x4 мАч. Данный мо-
дуль позволяет обеспечивать автономную работу устройства в течение 7 часов при постоянно работающем дисплее. В состоянии выключенного дисплея время работы устройства в автономном режиме составляет 9 часов. В режиме энергосбережения (отсутствует обработка получаемого сигнала) устройство способно работать непрерывно 11 часов. Модуль электроснабжения постоянно передает данные о состоянии заряда элементов питания на Nvidia Jetson Nano. При подключении внешнего зарядного устройства электроэнцефалограф выдает сообщение о невозможности регистрации ЭЭГ с поверхности головы пациента в целях обеспечения безопасности и для исключения возможности его поражения электрическим током.
3. Аналогово-цифровой преобразователь TI ADS1299 EEGFE-PDK позволяет производить дискретизацию и квантование сигнала, регистрируемого электродами. Кроме того, АЦП содержит в себе программируемый усилитель с максимальным усилением в 24 раза. Передача данных АЦП производится с помощью интерфейса SPI.
4. Данные с АЦП через интерфейс SPI передаются на микроконтроллер Arduino Nano, который производит первичную обработку сигнала ЭЭГ (режекторный БИХ-фильтр 2 порядка для исключения частоты 50 Гц тока промышленной частоты). Кроме того, микроконтроллер осуществляет непосредственное управление параметрами АЦП (частота дискретизации, усиление и пр.). С помощью интерфейса UART микроконтроллер Arduino Nano передает данные для последующей обработки на одноплатный компьютер Nvidia Jet-son Nano.
5. Блок преобразования логических уровней служит для согласования напряжений микроконтроллера Arduino Nano, рабочее напряжение которого составляет 5В, с рабочим напряжением 3,3В интерфейса UART на Nvidia Jetson Nano.
6. Дисплей с диагональю 7,9 дюймов и разрешением 400х1280 точек. Дисплей обладает сенсорным экраном. Взаимодействие дисплея с одноплатным компьютером производится через интерфейсы HDMI и USB.
Рис. 3. Схема устройства
Для данного устройства также требуется разработка корпуса. С этой целью были разработаны две 3D-модели корпусов электроэнцефалографов ("Катюша-01" и "Катюша-02") (рис. 4). Электроэнцефалографы названы в честь студенки 5 курса СПбГУТ Караченковой Екатерины Борисовны.
У разработаных электроэнцефалографов следующие габариты:
• Электроэцнцефалограф "Катюша-01", (рис. 4, а): ширина 252 мм, высота 63 мм, глубина 191 мм.
• Электроэцнцефалограф "Катюша-02" (рис. 4, б): ширина 250 мм, высота 72 мм, глубина 111 мм.
Рис. 4. 3D-модели разработанных корпусов электроэцефалографов
По разработанным 3D-моделям на лазерном станке были изготовлены корпуса из по-лиметилакрилата (оргстекло). Первая версия электроэнцефалографа "Катюша-01" (рис. 5, а) не содержала в себе дисплея и поэтому требовала отдельного устройства вывода изображения (монитор). Также устройство требовало внешних устройств управления (компьютерной мыши и клавиатуры). Вторая версия электроэнцефалографа "Катюша-02" (рис. 5, б) уже содержит в себе дисплей со встроенным ёмкостным сенсорным экраном, позволяющим
производить управление электроэнцефалографом.
Рис. 5. Внешний вид электроэцефалографов
(б)
Рис. 5. Внешний вид электроэцефалографов (продолжение)
Для обеспечения визуализации данных и управления электроэнцефалографом был разработан графический интерфейс пользователя. В качестве языка программирования использовался Python с библиотеками pyQt и pyQtGraph. На рис. 6 приведен внешний вид интерфейса пользователя в различных режимах его работы:
• В режиме отображения сигнала ЭЭГ (рис. 6, а).
• В режиме отображения ЭЭГ для двух выделенных каналов (рис. 6, б).
• В режиме отображения периодограммы Уэлча (рис. 6, в).
CHI CMS
СН2 CH6
CHi CH7
CH4 CHS
TIME/PSD
RUN/STOP
Cm
Ч «
190
160 _______________— СН5
(a)
(6)
(в)
Рис. 6. Графический интерфейс пользователя 82
Испытание прототипа
Для проведения испытаний портативного электроэнцефалографа "Катюша-02" была разработана следующая методика испытаний:
1. Конфигурация устройства, в том числе выбор источника сигналов: с физического носителя или регистрируемый с поверхности головы человека.
2. Визуальный анализ электроэнцефалограммы с привлечением физиолога.
3. Получение вейвлет-спектрограммы и периодограммы Уэлча.
4. Визуальный анализ полученных графиков.
5. Обработка вейвлет-коэффициентов и значений периодограммы.
6. Формирование клинического заключения.
7. Сравнение результатов анализа, полученных врачом-физиологом и при обработке сигналов.
Приведем результаты испытаний.
1. Выполнена конфигурация устройства. На АЦП была установлена частота дискретизации 250 Гц и коэффициент усиления в 24 раза. Количество активных каналов 8. Проверка работы устройства на тестовом сигнале, генерируемом АЦП. Проверка уровней шумов.
2. Выполнен визуальный анализ с привлечением врача-физиолога. В качестве искомого графоэлемента было предложено выделять фрагмент сигнала, содержащего глазной артефакт. Он обладает определенной формой, амплитудой и основной частотой. Было отобрано 12 сигналов, 3 из которых содержат глазные артефакты. При этом глазные артефакты, содержащиеся в сигнале, были типовой формы.
3. Получены вейвлет-спектрограммы с использованием вейвлета «мексиканская шляпа». Как показали исследования [11], проведённые одним из авторов данной работы, данный вейвлет наиболее пригоден для анализа ЭЭГ. При построении периодограммы Уэлча использовались следующие параметры:
• Количество сегментов 256;
• Процент перекрытия сегментов 50%;
• Окно Ханна.
4. Проведённый визуальный анализ полученных вейвлет-спектрограмм и периодограмм Уэлча показал:
• Глазные артефакты получили локализованные отображения на вейвлет-спектрограмме в виде светлых областей
(большие значения вейвлет-коэффициентов для масштаба, соответствующего основной частоте глазных артефактов).
• Определены энергетические соотношения основных ритмов ЭЭГ.
5. В качестве способа обработки была использована пороговая обработка вейвлет-коэффициентов и периодограммы Уэлча.
6. В качестве клинического заключения было сформировано сообщение о количестве глазных артефактов в исследуемых ЭЭГ, а также доминирующий ритм сигнала ЭЭГ.
7. Сравнение полученных результатов визуального анализа и результатов обработки показало, что во всех 3 электроэнцефалограммах были выделены глазные артефакты.
Полученные результаты требуют пояснения. Предложенный подход был заведомо простым. При анализе исследовались отведения ЭЭГ, соответствующие лобным долям, где глазные артефакты наиболее выражены. Анализ других отведений не производился, так как для выявления глазных артефактов в них требуется более сложный алгоритм обработки, поскольку графоэлементы, соответствующие глазным артефактам, по мере распространения от лобных отведений к затылочным претерпевают значительные искажения. Также анализу подвергались сигналы с глазными артефактами характерного вида. В связи с этим использование пороговой обработки вейвлет-коэффициентов оказалось достаточным для выявления глазных артефактов. Для определения других графоэлементов сигнала ЭЭГ требуется более сложная обработка вейвлет-коэффициентов, в том числе с применением искусственных нейронных сетей.
Данный алгоритм позволил выполнять анализ ЭЭГ в реальном времени. При этом имеется запас вычислительных ресурсов для использования более сложных алгоритмов анализа ЭЭГ. Проведенная оценка вычислительных затрат на реализованную обработку составила около 10% от общей вычислительной мощности устройства. Данный алгоритм был выполнен за 100 мс при длительности многоканального сигнала в 1 с.
Заключение
В качестве основных результатов данной работы можно отметить следующее:
1. Предложена концепция автономного портативного электроэнцефалографа на базе графического процессора.
2. Разработан модифицированный алгоритм функционирования устройства.
3. Изготовлен прототип устройства.
4. Разработана методика испытания автономного портативного электроэнцефалографа.
5. Произведены испытания прототипа предложенного устройства.
При анализе 12 записей электроэнцефалограммы, в трех из которых содержались глазные артефакты, точность выявления глазных артефактов с использованием пороговой обработки вейвлет-коэффициентов и значений периодограммы Уэлча составила 100%. При этом данный алгоритм был выполнен за 100 мс, что позволяет использовать выбранную элементную базу при дальнейшей обработке вейвлет-коэффициентов с целью выявления других видов особенностей в сигнале.
Дальнейшее развитие проекта предполагает разработку на базе предложенного портативного электроэнцефалографа устройства, работающего в полностью автоматическом режиме и способного анализировать ЭЭГ без участия врача-физиолога (автоматического портативного электроэнцефалографа) [12].
Литература
1. Зенков Л.Р., Ронкин М.А. Функциональная диагностика нервных болезней: руководство для врачей. М.: МЕДпресс-информ, 2011. 448 с.
2. Запайщиков А.В., Козлов Д.В., Степанов А.Б. Разработка портативного электроэнцефалографа на базе
графического процессора. // Подготовка профессиональных кадров в магистратуре для цифровой экономики (ПКМ-2021): Всерос. науч.-метод. конф. магистрантов и их руководителей. СПб.: СПбГУТ, 2022. С. 73-76.
3. Nvidia corp. The API reference guide for CUDA.
4. Козлов Д.В., Степанов А.Б. Алгоритм выполнения частотно-временного анализа сигналов с применением непрерывного вейвлет-преобразования и метода периодограмм и его реализация на графическом процессоре // Вестник Воронежского государственного технического университета. 2021. Т. 17. №3. С. 85-93.
5. Welch P. The use of fast Fourier transform for the estimation of power spectra: A method based on time averaging over short, modified periodograms// IEEE Transactions on Audio and Electroacoustics. 1967. Vol. 15. No. 2. pp. 7073. DOI: 10.1109/TAU.1967.1161901.
6. Витязев В.В. Вейвлет-анализ временных рядов. СПб.: Изд-во С.-Петерб. ун-та, 2001. 58 с.
7. Stark H.-G. Wavelets and Signal Processing. Berlin: Springer, 2005. 158 р.
8. Смоленцев Н.К. Основы теории вейвлетов. Вейвлеты в MATLAB. М.: ДМК-Пресс, 2005, 304 с.
9. Zhuravov D.V., Stepanov A.B. Application of Sim-ulink in the Implementation of Calculation Algorithms for Continuous Wavelet Transform on a Digital Signal Processor // Journal of Radio Electronics. 2019. Vol. 5. Pp. 12.
10. Kozlov D.V. and Stepanov A.B. The Main Features of a Multichannel Continuous Wavelet Transform Implementation on the Nvidia Jetson Single Board Computers// 2021 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (ElConRus). St. Petersburg, Moscow, Russia, 2021. pp. 1632-1636. DOI: 10.1109/ElConRus51938.2021.9396291.
11. Арбузов С.М., Степанов А.Б. Применение методов вейвлет-анализа в электроэнцефалографии. СПб.: Линк, 2009. 104 с.
12. Степанов А.Б. Автоматический портативный электроэнцефалограф // Подготовка профессиональных кадров в магистратуре для цифровой экономики (ПКМ-2021): Всерос. науч.-метод. конф. магистрантов и их руководителей. СПб.: СПбГУТ, 2022. С. 150-153.
Поступила 07.02.2022; принята к публикации 19.04.2022 Информация об авторах
Степанов Андрей Борисович - канд. техн. наук, заместитель директора института магистратуры по учебной работе, доцент кафедры радиосистем и обработки сигналов, Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича (193232, Россия, г. Санкт-Петербург, пр. Большевиков д. 22, к. 1), e-mail: sabarti-cle@yandex.ru, тел. +7(812)3263161
Козлов Денис Витальевич - магистрант, Московский физико-технический институт (141701, Россия, Московская обл., Долгопрудный, Институтский пер., 9), e-mail: diroges@gmail.com
Запайщиков Александр Викторович - магистрант, Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича (193232, Россия, г. Санкт-Петербург, пр. Большевиков д. 22, к. 1), e-mail: zapaishikov.av1999@gmail.com
AUTONOMOUS PORTABLE ELECTROENCEPHALOGRAPH BASED ON NVIDIA JETSON
SINGLE-BOARD COMPUTER
A.B. Stepanov1, D.V. Kozlov2, A.V. Zapayshchikov1
xBonch-Bruevich St. Petersburg State University of Telecommunications, Saint Petersburg, Russia 2Moscow Institute of Physics and Technology, Dolgoprudniy, Russia
Abstract: the work is devoted to the implementation of an autonomous portable electroencephalograph based on an Nvidia Jetson Nano single-board computer and on an ADS1299 analog-to-digital converter from Texas Instruments. The electroencephalograph allows real-time recording and processing of 8 physical channels with sampling rates from 250 Hz to 16 kHz. The concept of this device is proposed, which consists of 3 main functional blocks: a data recording unit, a data processing unit, and a data visualization unit. We developed a modified algorithm for the operation of a portable electroencephalograph based on the calculation of wavelet coefficients and Welch's periodograms, which allows determining patterns of a certain shape corresponding to artifacts and pathological states of the brain, as well as evaluating the energy ratios of the main rhythms in the electroencephalogram. The developed algorithm uses the graphics processor of the Nvidia Jetson Nano singleboard computer, which makes it possible to use parallel computing and increase the speed of the proposed algorithm. We substantiated the choice of the hardware and presented its advantages. We developed a block diagram, a 3D model and assembled a portable electroencephalograph. The dimensions of the electroencephalograph are as follows: width 250 mm, height 72 mm, depth 111 mm. We give a detailed connection diagram of the hardware of the electroencephalograph. The developed electroen-cephalograph has a power supply unit that allows the electroencephalograph to function autonomously for a long time. We developed a graphical user interface that allows controlling the electroencephalograph using a touch screen. We tested the prototype. During the test, signals with eye artifacts that have a special shape. During the tests, all eye artifacts were unambiguously identified in the analyzed signals. We practically got that the proposed algorithm of the electroencephalograph operation is performed in 100 ms with an eight-channel EEG duration of 1 s and a sampling frequency of 250 Hz. The obtained results of algorithm execution show that there is a significant margin in terms of the computing power of the device, which will allow more complex EEG processing in the future
Key words: portable electroencephalograph, graphical processing unit, Nvidia Jetson, analog-to-digital converter, wavelet, time-frequency analysis
References
1. Zenkov L.R., Ronkin M.A. "Functional diagnostics of nervous diseases: a guide for physicians" ("Funktsional'naya diagnos-tika nervnykh bolezney: rukovodstvo dlya vrachey"), Moscow: MEDpress-inform, 2011, 448 p.
2. Zapaishikov A.V., Kozlov D.V., Stepanov A.B. "Development of a portable electroencephalograph based on a GPU", Proc. of the conf.: Training of Professional Personnel in the Magistracy for the Digital Economy (PKM-2021) (Podgotovka profession-al'nykh kadrov v magistrature dlya tsifrovoy ekonomiki (PKM-2021): Vseros. nauch.-metod. konf. magistrantov i ikh rukovoditeley), St. Petersburg: SPbSUT, 2022, pp. 73-76
3. Nvidia corp. The API reference guide for CUDA.
4. Kozlov D.V., Stepanov A.B. "Time-frequency signal analysis algorithm using continuous wavelet transform and Welch's periodogram method with its implementation on graphical processing unit", Bulletin of Voronezh State Technical University (Vestnik Voronezhskogo gosudarstvennogo tekhnicheskogo universiteta), 2021, vol. 17, no. 3, pp. 85-93.
5. Welch P. "The use of fast Fourier transform for the estimation of power spectra: A method based on time averaging over short, modified periodograms", IEEE Transactions on Audio and Electroacoustics, June 1967, vol. 15, no. 2, pp. 70-73, doi: 10.1109/TAU.1967.1161901.
6. Vityazev V.V. "Wavelet time series analysis" ("Veyvlet-analiz vremennykh ryadov"), St. Petersburg, 2001, 58 p.
7. Stark H.-G. "Wavelets and signal processing", Berlin: Springer, 2005, 158 p.
8. Smolentsev N.K. "Fundamentals of wavelet theory. Wavelets in MATLAB" ("Osnovy teorii veyvletov. Veyvlety v MATLAB"), Moscow: DMK-Press, 2005, 304 p.
9. Zhuravov D.V., Stepanov A.B. "Application of simulink in the implementation of calculation algorithms for continuous wavelet transform on a digital signal processor", Journal of Radio Electronics, 2019, vol. 5, pp. 12.
10. Kozlov D.V., Stepanov A.B. "The Main features of a multichannel continuous wavelet transform implementation on the Nvidia Jetson single board computers", 2021 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (ElConRus), St. Petersburg, Moscow, Russia, 2021, pp. 1632-1636, DOI: 10.1109/ElConRus51938.2021.9396291.
11. Arbuzov S.M., Stepanov A.B. "Application of methods of wavelet analysis in electroencephalography" ("Primenenie metodov veyvlet-analiza v elektroentsefalografii"), Saint Petersburg: Link, 2009, 104 p.
12. Stepanov A.B. "Automatic portable electroencephalograph", Proc. of the conf.: Training of Professional Personnel in the Magistracy for the Digital Economy (PKM-2021) (Podgotovka professional'nykh kadrov v magistrature dlya tsifrovoy ekonomiki (PKM-2021): Vseros. nauch.-metod. konf. magistrantov i ikh rukovoditeley), St. Petersburg: SPbSUT, 2022, pp. 150-153.
Submitted 07.02.2022; revised 19.04.2022 Information about the authors
Andrey B. Stepanov, Cand. Sci. (Technical), Deputy Director of Academic Affairs of the Master's degree Institute, Associate Professor, Bonch-Bruevich Saint-Petersburg State University of Telecommunications (22 Bol'shevikov prospekt, St. Petersburg 193232, Russia), e-mail: sabarticle@yandex.ru, tel.: +7(812) 326 31 61, ORCID: https://orcid.org/0000-0001-6876-729X Denis V. Kozlov, student, Moscow Institute of Physics and Technology (9 Institutskiy alley, Dolgoprudny 141701, Moscow Region, Russia), e-mail: diroges@gmail.com
Aleksandr V. Zapayshchikov, student, Bonch-Bruevich Saint-Petersburg State University of Telecommunications (22 Bol'shevikov prospekt, St. Petersburg 193232, Russia), e-mail: zapaishikov.av1999@gmail.com
