Computer-aided diagnosis of Clinical Electroencephalograms

Die Elektroenzephalographie wird in der Medizin als Routineuntersuchung beim Verdacht auf eine neurologische Erkrankung eingesetzt. Ziel der Arbeit war es, die Befundung von EEGs aus der klinischen Praxis computergestützt durchzuführen. Die Befundung soll dabei weitgehend automatisiert ablaufen und dem Neurologen die wesentlichen Merkmale eines EEG in kompakter und anschaulicher Form zur Verfügung stellen. Dieses Ziel konnte durch einen hybriden Ansatz erreicht werden, bei dem verschiedene Methoden kombiniert wurden. Um die Informationen über rhythmische Aktivitäten aus den EEG-Signalen zu extrahieren, wurde ein Verfahren entwickelt, das auf der autoregressiven Spektralschätzung kurzer Signalabschnitte basiert. Ein wichtiger Aspekt der Methode besteht in ihrer gezielt mimetischen Informationsreduktion. Eine zentrale Bedeutung besitzt das EEG in der Diagnose und der Verlaufskontrolle von Epilepsie. Für die Detektion epilepsietyischer Spike-Wave-Komplexe wurde die Methode der Active Shape Models zur Mustererkennung in EEG-Signalen adaptiert. Ein Vorteil gegenüber anderen parametrischen Verfahren liegt in der für alle Modelle identischen Zielfunktion beim Durchsuchen der Signale. EEG-Aktivität wird immer im spatio-temporalen Kontext der gesamten Aufzeichnung analysiert. Als natürliche Modellierung dieses Vorgangs wurde ein regelbasiertes Expertensystem ausgewählt. Das System schlußfolgert aus den Ergebnissen der beiden vorher genannten Verfahren verschiedene physiologische und pathologische Merkmale des EEG. Dabei werden für die Klassifizierung der numerischen Parameter fuzzifizierte Prädikate verwendet, die ein stetiges Systemverhalten garantieren. Die Ergebnisse des Inferenzprozesses werden dem Benutzer als pseudo-verbale Aussagen zur Verfügung gestellt. Farbliche Markierungen relevanter EEG-Abschnitte und 3D-Karten dominanter Aktivitäten erleichtern die Formulierung des schriftlichen Befundes