Get 20M+ Full-Text Papers For Less Than $1.50/day. Start a 14-Day Trial for You or Your Team.

Learn More →

Bearbeitung von evozierten Potentialen und Epilepsie-EEG/MEG mit unüberwacht lernenden Klassifikatoren

Bearbeitung von evozierten Potentialen und Epilepsie-EEG/MEG mit unüberwacht lernenden... Bearbeitung von evozierten Potentialen und EpilepsieEEG/MEG mit unüberwacht lernenden Klassifikatoren Spreng, M.; Hellmann, G.; Kühn, M.; Reinartz, K.-D.; Stefan, H. Institut für Physiologie u. Biokybernetik, IMMD VII, Neurol. Klinik Universität Erlangen-Nürnberg, D-91054 Erlangen EINLEITUNG: In der präoperativen Epilepsiediagnostik als auch bei der multisensorischen Funktionsdiagnostik haben die neuronalen Biosignale des EEG/MEG und der ereigniskorrelierten Potentiale bzw. Felder (EP/EF) einen großen Stellenwert neben bildgebenden Verfahren. Einem sinnvollen, wenig zeitaufwendigen klinischen Einsatz stehen neben anderem folgende Probleme in Wege: EEG/EMG: Sehr lange, meistens noch visuell auszuwertende Zeitreihen. Hier ist eine Reduzierung der Zeit für das Auffinden diagnostisch wichtiger Signalpassagen dringend notwendig. EP/EF:Form- und latenzverändernde Vigilanzeinflüsse im Verlauf der Mittelungzeit. Hier gibt bereits ein Vergleich klassifizierter Teilmittelungen mit der Gesamtmittelung wichtige Anhaltspunkte für die Validität der Messung bzw. kann zusätzliche diagnostische Erkenntnisse bringen. Für die Identifikation "interessanter" Signalpassagen in derartigen Meßreihen bietet sich die unüberwachte Klassifikation an, wobei das System selbsttätig die präsentierten Daten in Abhängigkeit von ihren statistischen Eigenschaften bzw. gewissen Parametern bestimmten Klassen oder Kategorien zuordnet Die Zweckmäßigkeit, dadurch individuelle, patientenspezrfische Informationen zu erhalten, die a priori nicht durch Vorgaben (überwachte Klassifikation) eingrenzbar sind, übertrifft die hier denkbare Gefahr, "völlig irrelevante" Klassenzuordnungen (3-dimensionale Validierung graphisch möglich) zu erhalten. Die relativ http://www.deepdyve.com/assets/images/DeepDyve-Logo-lg.png Biomedizinische Technik / Biomedical Engineering de Gruyter

Bearbeitung von evozierten Potentialen und Epilepsie-EEG/MEG mit unüberwacht lernenden Klassifikatoren

Loading next page...
 
/lp/de-gruyter/bearbeitung-von-evozierten-potentialen-und-epilepsie-eeg-meg-mit-un-UytMnI6Yap

References

References for this paper are not available at this time. We will be adding them shortly, thank you for your patience.

Publisher
de Gruyter
Copyright
Copyright © 2009 Walter de Gruyter
ISSN
0013-5585
eISSN
1862-278X
DOI
10.1515/bmte.1993.38.s1.91
Publisher site
See Article on Publisher Site

Abstract

Bearbeitung von evozierten Potentialen und EpilepsieEEG/MEG mit unüberwacht lernenden Klassifikatoren Spreng, M.; Hellmann, G.; Kühn, M.; Reinartz, K.-D.; Stefan, H. Institut für Physiologie u. Biokybernetik, IMMD VII, Neurol. Klinik Universität Erlangen-Nürnberg, D-91054 Erlangen EINLEITUNG: In der präoperativen Epilepsiediagnostik als auch bei der multisensorischen Funktionsdiagnostik haben die neuronalen Biosignale des EEG/MEG und der ereigniskorrelierten Potentiale bzw. Felder (EP/EF) einen großen Stellenwert neben bildgebenden Verfahren. Einem sinnvollen, wenig zeitaufwendigen klinischen Einsatz stehen neben anderem folgende Probleme in Wege: EEG/EMG: Sehr lange, meistens noch visuell auszuwertende Zeitreihen. Hier ist eine Reduzierung der Zeit für das Auffinden diagnostisch wichtiger Signalpassagen dringend notwendig. EP/EF:Form- und latenzverändernde Vigilanzeinflüsse im Verlauf der Mittelungzeit. Hier gibt bereits ein Vergleich klassifizierter Teilmittelungen mit der Gesamtmittelung wichtige Anhaltspunkte für die Validität der Messung bzw. kann zusätzliche diagnostische Erkenntnisse bringen. Für die Identifikation "interessanter" Signalpassagen in derartigen Meßreihen bietet sich die unüberwachte Klassifikation an, wobei das System selbsttätig die präsentierten Daten in Abhängigkeit von ihren statistischen Eigenschaften bzw. gewissen Parametern bestimmten Klassen oder Kategorien zuordnet Die Zweckmäßigkeit, dadurch individuelle, patientenspezrfische Informationen zu erhalten, die a priori nicht durch Vorgaben (überwachte Klassifikation) eingrenzbar sind, übertrifft die hier denkbare Gefahr, "völlig irrelevante" Klassenzuordnungen (3-dimensionale Validierung graphisch möglich) zu erhalten. Die relativ

Journal

Biomedizinische Technik / Biomedical Engineeringde Gruyter

Published: Jan 1, 1993

There are no references for this article.