Electromyographic Artefacts in Electroencephalographic Measurements

Abstract

Recording electroencephalogram (EEG) is a common medical examination, which is commonly used in the diagnosis of epilepsy. Movements or tension of muscles, especially in the facial area, create electromyographic (EMG) signals, which often appear in EEG recordings. EMG artefacts hinder the interpretation of EEG, and because they are often located in the same frequency band as the actual EEG, they cannot be simply filtered away.

In this Master’s thesis, completed at the Department of Clinical Neurophysiology at Seinäjoki Central Hospital, and at the Department of Electronics and Communications Engineering at Tampere University of Technology, the aforementioned EMG artefacts were investigated. The ultimate objective was to identify the frequency bands from the measured EEG signal where the actual EEG data and EMG artefacts are located and if occurring at the same frequency range identify and separate the EMG artefact from the EEG signal. One of the objectives was also to determine the muscular origin of EMG artefacts. Within the framework of this Master’s thesis, EEG and facial EMG from several muscles (frontalis, temporalis and masseter) were recorded simultaneously, under the condition of tensed muscles. Using these signals, frequency responses were calculated maintaining the tissues between EMG and EEG channels as a digital filter. A simulated facial EMG was utilized with a measured frequency response to simulate an EMG artefact. The simulated artefact was applied to EEG channels. The conduction of facial EMG signal to EEG channels was then analyzed using a simple spherically symmetric volume conductor model. Results obtained from the model were compared to results obtained from recordings.

A comprehensive solution to the objective of separating EMG artefacts from the EEG signal was not directly achieved in the current project. Based on the calculated frequency responses, results suggest that a peak occurs at frequencies below 100 Hz, where signal between EMG and EEG channels attenuates least. Simulated signals are not necessarily the most informative result of the current project, but they could become a future focus area for separating EMG artefacts. The spherical model used for modeling of the head proved to be insufficiently precise for the description of signal conduction in tissues. Thus, in the future it would be worthwhile to obtain a more complete head model, e.g. produced from an MRI image. With the help of an accurate model, the inverse problem (resolving the EMG source computationally when the EMG artefact is known) could also be addressed.

EEG:n eli aivosähkökäyrän rekisteröinti on yleinen lääketieteellinen tutkimus, jota käytetään erityisesti epilepsian diagnosoimiseen. Usein käyrässä esiintyy lihas- eli EMG-artefaktoja, jotka johtuvat siitä että potilas liikuttaa tai jännittää lihaksiaan, erityisesti kasvojen alueella. EMG-artefaktat haittaavat EEG:n tulkitsemista, ja koska ne usein esiintyvät samalla taajuusalueella varsinaisen aivosähkökäyrän kanssa, niitä ei pystytä yksinkertaisesti suodattamaan pois.

Tässä Seinäjoen keskussairaalan kliinisen neurofysiologian osastolla ja Tampereen teknillisen yliopiston Elektroniikan ja tietoliikennetekniikan laitoksella tehdyssä diplomityössä tutkittiin mainittuja EMG-artefaktoja. Pohjimmainen tavoite olisi selvittää, millä taajuusalueilla mitatussa EEG-signaalissa esiintyy varsinaista EEG:tä ja millä EMG-artefaktaa, ja pystyä erottamaan EEG ja EMG jos ne esiintyvät samalla taajuusalueella. Kiinnostavaa olisi myös tietää, mistä lihaksesta EMG-artefakta on lähtöisin. Diplomityön puitteissa ongelmaa lähestyttiin niin että rekisteröitiin samanaikaisesti EEG ja kasvo-EMG muutamasta lihaksesta (frontalis, temporalis ja masseter) silloin, kun niitä jännitettiin. Näitä signaaleja käyttäen laskettiin taajuusvasteet pitäen kudoksia EMG- ja EEG-kanavien välillä digitaalisena suotimena. Kasvo-EMG:tä myös simuloitiin, ja simuloidun EMG:n ja taajuusvasteiden avulla muodostettiin simuloitua EMG-artefaktaa EEG-kanaviin. Lisäksi kasvo-EMG:n leviämistä EEG-kanaviin tutkittiin yksinkertaisen pallosymmetrisen tilavuusjohdemallin avulla. Mallin antamia tuloksia verrattiin rekisteröinnin antamiin tuloksiin.

Työssä ei suoraan onnistuttu vastaamaan kysymykseen EMG-artefaktan erottamisesta EEG-signaalista. Lasketuista taajuusvasteista voidaan kuitenkin lähes varmuudella sanoa, että alle 100 Hz taajuudella esiintyy huippu, jossa signaali vaimenee EMG- ja EEG-kanavien välillä vähiten. Simuloidut signaalit eivät sinällään ole tutkimustulos, mutta niitä voitaisiin hyödyntää jatkossa EMG-artefaktan erottamiseen. Pään mallinnukseen käytetty pallomalli osoittautui liian epätarkaksi kuvaamaan signaalin johtumista kudoksissa. Tämän vuoksi kannattaisikin jatkossa käyttää realistista, esimerkiksi MRI-kuvasta saatua pään mallia. Sen avulla voitaisiin suoran ongelman lisäksi tutkia myös käänteistä ongelmaa, toisinsanoen tilannetta jossa EMG-artefakta EEG-kanavassa tunnetaan, ja EMG-lähde pyritään laskennallisesti selvittämään.