INSTITUT FÃR INFORMATIK Entwurf und Implementierung - Ludwig ...
INSTITUT FÃR INFORMATIK Entwurf und Implementierung - Ludwig ...
INSTITUT FÃR INFORMATIK Entwurf und Implementierung - Ludwig ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Kapitel 2 Gr<strong>und</strong>lagen<br />
für die Analyse der Anfallsvorhersage wichtigsten Informationen sind die Start- <strong>und</strong><br />
Endzeitpunkte der Anfälle, welche bei den Patienten im Aufnahmezeitraum eingetreten<br />
sind. Diese werden von einem erfahrenen Epileptologen anhand des Elektroenzephalogramms<br />
<strong>und</strong> bestimmter klinischer Symptome festgelegt. Mit Hilfe der Marker<br />
werden auÿerdem die Zeitpunkte von Elektrostimulationen <strong>und</strong> Veränderungen in der<br />
Medikation notiert, sowie weitere, klinisch interessante Ereignisse.<br />
Bei den Patienten, deren EEG-Aufzeichnungen auch für die Anfallsvorhersage verwendet<br />
werden, konnte im Laufe dieser prächirurgischen Diagnostik der epileptische<br />
Fokus bestimmt werden. Da auÿerdem die exakte Lage der Elektroden zu rekonstruieren<br />
ist [16], kann auch ermittelt werden, ob die einzelnen Kontakte der Elektroden im<br />
Gebiet des Fokus liegen. All diese Informationen ermöglichen bei später entdeckten<br />
Auälligkeiten, unter anderem in den EEG-Daten, eine Nachforschung ihrer Ursachen.<br />
2.3 Ermittlung charakteristischer Zeitreihen aus dem<br />
EEG<br />
Die traditionelle Inspektion <strong>und</strong> Analyse vom EEG oder von anderen physiologischen<br />
Daten ergab keine ausreichenden Hinweise auf nahende epileptische Anfälle. Für verschiedene<br />
Methoden der Zeitreihenanalyse wurden in den vergangenen Jahren erste<br />
Erfolge für die Erkennung von Veränderungen in der Dynamik von EEG-Signalen vor<br />
Anfällen berichtet [1, 17]. Als zwei erfolgversprechende Methoden wurden im Rahmen<br />
dieser Diplomarbeit der Phasensynchronisationsindex [18, 19] <strong>und</strong> der Dynamical<br />
Similarity Index [20, 21] verwendet.<br />
Für beide Methoden wird das EEG als Zeitreihe aufgefaÿt, d. h. als zeitlich diskrete<br />
Folge von einzelnen Datenpunkten. Es wird jeweils ein Fenster fester Länge analysiert,<br />
für welches ein charakteristischer Wert berechnet wird, wie es in Abbildung 2.3 dargestellt<br />
ist. Die Fenster werden dabei in jedem Schritt überlappend <strong>und</strong> um ein Zeitfenster<br />
∆t verschoben angesetzt. Das Ergebnis ist eine neue Zeitreihe, das Feature,<br />
welches zum Zwecke der Anfallsvorhersage verwendet werden kann.<br />
2.3.1 Phasensynchronisationsindex<br />
Aufgr<strong>und</strong> der weit verzweigten Interaktionen von Nervenzellen können Kopplungseekte<br />
auch in den gemessenen EEG-Signalen beobachtet werden. Eine Methode zur<br />
10