Obiektywna ocena traktu słuchowego oparta na analizie falkowej potencjałów wywołanych i sieci wektorów nośnych

• Autorzy: Suchocki M. , Dobrowolski A.P.

Warianty tytułu

EN

Objective assessment of auditory pathway on the basis of evoked potentials wavelet analysis and support vector machine

• Języki publikacji: PL

Abstrakty

PL

W artykule opisano problematykę związaną z elektroencefalograficznym badaniem słuchu. Ze względu na to, że obecne metody opierają się głównie na interpretacji przebiegów czasowych elektroencefalogramów i wymagają od badającego neurologa dużego doświadczenia, podjęto się zadania, które ma na celu eliminację subiektywnej oceny wyników oraz zautomatyzowanie badania. Autorzy korzystając z metod CPS wyodrębnili cechy dystynktywne potencjałów wywołanych dobrze różnicujące przypadki prawidłowe od patologicznych.

EN

The paper describes the problems associated with electroencephalographic examination hearing. Due to the fact that the current methods are mainly based on the interpretation of the timing electroencephalograms and require a large experience of examining neurologist, it was a task that aims to eliminate the subjective evaluation of results, and test automation. The authors use the CPS methods have identified distinctive features of evoked potentials well differentiating normal form pathological cases.

Słowa kluczowe

PL

analiza falkowa; dekompozycja falkowa; badanie słuchu; sieć wektorów podtrzymujących

EN

wavelet decomposition; support vector machine (SVM); hearing

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2013
• Tom: R. 89, nr 9
• Strony: 160--165
• Opis fizyczny: Bibliogr. 18 poz., rys., tab.

Twórcy

autor

Suchocki M.

• Wydział Elektroniki Wojskowej Akademii Technicznej w Warszawie

autor

Dobrowolski A.P.

• Wydział Elektroniki Wojskowej Akademii Technicznej w Warszawie

Bibliografia

• [1] Szabela D., Potencjały wywołane w praktyce lekarskiej, Łódzkie Towarzystwo Naukowe, Łódź 1999, wydanie 2, 83-87749-09-5
• [2] Keith H. Chiappa, Evoked Potentials in Clinical Medicine, Reven Press, New York 1990, 0-88167-569-5
• [3] Colin D.,MD.,FRPC, Clinical Neurophysiology, Volume 1, Elsevier B.V, 2nd Edition (2004), 0-444-517252-7
• [4] J. Szabatin, Podstawy teorii sygnałów, Wydawnictwo Komunikacji i Łączności, Warszawa 2003,wydanie 4, 83-206-1331-0
• [5] Steven W. Smith, Cyfrowe przetwarzanie sygnałów, Wydawnictwo BTC, Warszawa 2007, wydanie 1, 83-60233-18-4
• [6] Andrzej P. Dobrowolski, Obiektywna metoda diagnozowania schorzeń nerwowo-mięśniowych oparta na analizie falkowej potencjałów czynnościowych jednostek ruchowych, Wydawnictwo WAT, Warszawa 2009, 83-61486-38-1
• [7] Jan T. Białasiewicz, Falki i aproksymacje, Wydawnictwo Naukowo-Techniczne, Warszawa 2004, wydanie 2, 83-204-2971-4
• [8] Tomasz P. Zieliński, Cyfrowe przetwarzanie sygnałów, Wydawnictwo Komunikacji i Łączności, Warszawa 2005, wydanie 1, 83-206-1596-8
• [9] Daubechies I., Ten Lectures on Wavelets, CBMS-NSF Lecture Notes nr. 61, SIAM, (1994)
• [10] Mallat S.G., A Theory for Multiresolution Signal Decomposition: the Wavelet Representation, IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 11, no. 7, (1989), 674-693
• [11] Mallat S.G., A Wavelet Tour of Signal Processing, Academic Press, (1999)
• [12] A. Dobrowolski, M. Wierzbowski, K. Tomczykiewicz, Analiza wielorozdzielcza i sieć SVM w zastosowaniu do klasyfikacji potencjałów czynnościowych, Biuletyn WAT, vol. LVIII, nr 3 (655), 2009, s. 275-302
• [13] V. Vapnik, Estimation of dependences based on empirical data, Springer, 2006
• [14] S. Osowski, Sieci neuronowe do przetwarzania informacji, Oficyna Wydawnicza PW, Warszawa, 2006
• [15] V. Vapnik, Statistical Learning Theory, John Wiley & Sons, 1998
• [16] C. Cortes, V. Vapnik, Support-vector networks, Machine Learning, 20, s. 273-297, 1995
• [17] C. J. C. Burges, A tutorial on support vector machines for pattern recognition, Data mining and knowledge discovery, vol. 2, 1998, s. 121-167
• [18] J. C. Platt, Fast training of support vector machines using sequential minimal optimization, in B. Schölkopf, C. J. C. Burges, and A. J. Smola, Advances in kernel methods – support vector learning, MIT Press, 1999, s. 185-208