EEG Analyzer - Tugas Akhir

Deskripsi Proyek

EEG Analyzer adalah aplikasi yang dikembangkan sebagai bagian dari Tugas Akhir di Telkom University. Aplikasi ini dirancang untuk menganalisis sinyal otak (EEG) dengan fitur penginputan biodata responden, pemutaran video stimulus untuk pengambilan data EEG, dan konverter untuk mengubah data dari format CSV ke EDF. Aplikasi ini mendukung pemrosesan sinyal dengan filtering untuk menghilangkan artefak seperti kedipan mata dan noise otot, visualisasi sinyal sebelum dan sesudah filtering, serta integrasi dengan EDF Browser untuk analisis multichannel. Pemrosesan lanjutan dilakukan dengan MATLAB untuk memeriksa artefak menggunakan Independent Component Analysis (ICA) dan ICALabel, memastikan hanya sinyal otak yang terdeteksi.

Fitur Utama

• Penginputan biodata responden untuk personalisasi data EEG.
• Pemutaran video stimulus untuk pengambilan data sinyal otak dengan durasi yang dapat disesuaikan.
• Konverter data untuk mengubah format CSV ke EDF menggunakan pustaka EDFlib.
• Pemfilteran sinyal EEG (band-pass 1-40 Hz dan notch filter 50 Hz) untuk menghilangkan noise dan artefak.
• Download file EDF dalam dua versi: tanpa filter dan dengan filter.
• Visualisasi sinyal EEG sebelum dan sesudah filtering menggunakan pustaka MNE-Python.
• Integrasi dengan EDF Browser untuk navigasi kanal EEG dan anotasi data.
• Analisis ICA di MATLAB dengan ICALabel untuk mengidentifikasi dan menghilangkan artefak, memastikan hanya sinyal otak yang terdeteksi.

Teknologi yang Digunakan

• Python: Untuk pengembangan aplikasi utama, termasuk antarmuka pengguna dan konversi CSV ke EDF.
• MATLAB: Untuk analisis sinyal lanjutan dengan ICA, ICALabel, dan visualisasi spektrum frekuensi.
• Pustaka Python: NumPy, SciPy, MNE-Python untuk visualisasi sinyal, EDFlib untuk konversi data.
• EEGLAB: Untuk pemrosesan ICA di MATLAB.
• ICALabel: Untuk klasifikasi komponen ICA (otak vs. artefak).
• EDF Browser: Untuk memvisualisasikan file EDF dengan antarmuka interaktif.
• PyQt: Untuk antarmuka pengguna grafis (GUI).

Analisis Artefak dengan MATLAB dan ICALabel

Untuk memastikan kualitas data EEG, aplikasi ini menggunakan MATLAB dengan pustaka EEGLAB untuk menerapkan Independent Component Analysis (ICA). Data EDF yang dihasilkan dari konverter (setelah filtering band-pass 1-40 Hz dan notch 50 Hz) diimpor ke MATLAB. ICA memisahkan sinyal EEG menjadi komponen independen, seperti sinyal otak, kedipan mata (EOG), dan noise otot (EMG). ICALabel, sebuah alat berbasis machine learning, digunakan untuk mengklasifikasikan komponen-komponen ini. Hanya komponen berlabel "Brain" yang dipertahankan, sementara artefak seperti EOG dan EMG dihilangkan. Hasilnya divalidasi dengan visualisasi plot waktu (menunjukkan sinyal bersih) dan spektrum frekuensi (menunjukkan distribusi pita delta, theta, alpha, beta). Proses ini memastikan bahwa data EEG yang dianalisis bebas dari artefak, meningkatkan akurasi untuk penelitian neurosains.

Tantangan Teknis

• Sinkronisasi Data: Menyelaraskan data EEG dengan waktu pemutaran video stimulus untuk akurasi temporal.
• Konversi CSV ke EDF: Memastikan kompatibilitas format dengan standar EDF menggunakan EDFlib.
• Optimasi Filtering: Menentukan parameter filter (lowcut 1 Hz, highcut 40 Hz, order 4) untuk menghilangkan noise tanpa kehilangan sinyal otak.
• Analisis ICA: Mengatasi kompleksitas dekomposisi ICA untuk dataset multichannel dengan frekuensi sampling 250 Hz.
• Integrasi ICALabel: Melatih dan mengintegrasikan model ICALabel untuk mengklasifikasikan komponen otak secara akurat.
• Performa MATLAB: Mengoptimalkan pemrosesan untuk dataset besar agar analisis ICA dan visualisasi berjalan cepat.

Hasil dan Dampak

EEG Analyzer menghasilkan file EDF yang kompatibel dengan standar medis, bebas dari artefak setelah filtering dan pembersihan ICA. Visualisasi sinyal bersih di MATLAB menunjukkan hanya aktivitas otak (berlabel "Brain" di ICALabel), dengan distribusi frekuensi yang jelas pada pita delta (0.5-4 Hz), theta (4-8 Hz), alpha (8-12 Hz), dan beta (12-30 Hz). Integrasi dengan EDF Browser mempermudah analisis multichannel, sementara analisis MATLAB memberikan wawasan tentang pola aktivitas otak, seperti respons terhadap stimulus visual. Proyek ini mendukung penelitian neurosains, diagnosis gangguan saraf, dan pengembangan teknologi brain-computer interface (BCI).