Klasyfikacja wzrokowych potencjałów wywołanych w oparciu o dekompozycję wielorozdzielczą i sieć SVM

• Autorzy: Dobrowolski A. P.

Identyfikatory

DOI

10.15199/13.2016.2.8

Warianty tytułu

EN

Classification of visual evoked potentials based on the multiresolution decomposition and SVM network

• Języki publikacji: PL

Abstrakty

PL

W elektrofizjologicznym badaniu wzroku najczęściej wykorzystuje się wzrokowe potencjały wywołane, które charakteryzują się kolejno ułożonymi w funkcji czasu ekstremami, zwanymi falami lub załamkami. Morfologia przebiegu, a w szczególności zależności czasowe i amplitudowe poszczególnych fal, umożliwiają neurologowi postawienie diagnozy, co nie jest zadaniem prostym. Wymaga od neurologa doświadczenia, skupienia uwagi i bardzo dobrej percepcji. W celu wsparcia procesu diagnostycznego autor opracował algorytm realizujący zautomatyzowaną klasyfikację słuchowych potencjałów wywołanych do grupy przypadków patologicznych lub prawidłowych. Czułość metody w 100 osobowym zbiorze przypadków określono na 94%, przy 16% prawdopodobieństwie fałszywego alarmu, co z medycznego punktu widzenia jest wynikiem satysfakcjonującym.

EN

In electrophysiological examination of sight are most often used visual evoked potentials which are characterized by extremes, called waves, successively arranged on timeline. Morphology of the waveforms, in particular, the timing and amplitude of each wave, allow neurologist diagnosis, which is not an easy task. Neurologist requires experience, attention and very good perception. In order to support the diagnostic process, the author have developed an algorithm implementing the automated classification of visual evoked potentials to the group of pathological or physiological cases. For a set of cases numbering 100 people, the sensitivity of the method is 94%, with 16% probability of false alarm. The obtained result is satisfactory from a medical point of view.

Słowa kluczowe

PL

inżynieria biomedyczna; wzrokowe potencjały wywołane; dekompozycja falkowa; sieć wektorów nośnych

EN

biomedical engineering; visual evoked potentials; wavelet decomposition; support vector machine (SVM)

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2016
• Tom: Vol. 57, nr 2
• Strony: 42--46
• Opis fizyczny: Bibliogr. 14 poz., wykr.

Twórcy

autor

Dobrowolski A. P.

• Wojskowa Akademia Techniczna, Wydział Elektroniki, Warszawa

Bibliografia

• [1] Jaroszyk F. (red.), Biofizyka, Wydawnictwo Lekarskie PZWL, Warszawa 2011.
• [2] Szabela D. A., Potencjały wywołane w praktyce lekarskiej, Łódzkie Towarzystwo Naukowe, 1999.
• [3] Zielińska M., Potencjały wywołane w diagnostyce stwardnienia rozsianego, Polski Przegląd Neurologiczny, vol. 1(3), 2005, s. 106–113.
• [4] Dobrowolski A., Suchocki M., Tomczykiewicz K., Komputerowa analiza słuchowych potencjałów wywołanych pnia mózgu, Przegląd Elektrotechniczny, R. 87 NR 9a/2011, pp. 145–150.
• [5] Dobrowolski A., Suchocki M., Tomczykiewicz K., Digital signal processing in the diagnosis of brainstem auditory evoked potentials, Elektronika: konstrukcje, technologie, zastosowania, vol. 53, nr 5, 2012, s. 26–29.
• [6] Dobrowolski A., Okoń M., Spectral analysis of visual evoked potentials, Signal Processing Symposium „SPSympo-2015”, Dębe, 10–12.06.2015.
• [7] Suchocki M., Dobrowolski A., Obiektywna ocena traktu słuchowego oparta na analizie falkowej potencjałów wywołanych i sieci wektorów nośnych, Przegląd Elektrotechniczny, r. 89 nr 9/2013, s. 160–164.
• [8] Dobrowolski A., Wierzbowski M., Tomczykiewicz K., Multiresolution MUAPs decomposition and SVM-based analysis in the classification of neuromuscular disorders, Computer Methods and Programs in Biomedicine, vol. 107, no. 3, 2012, pp. 393–403.
• [9] Dobrowolski A., Suchocki M., Tomczykiewicz K., Majda-Zdancewicz E., Classification of auditory brainstem response using wavelet decomposition and SVM network, Biocybernetics and Biomedical Engineering, 2016, DOI: 10.1016/j.bbe.2016.01.003 (Article in press).
• [10] Daubechies I., The wavelet transform, time-frequency localizations and signal analysis, IEEE Trans. on Information Theory, vol. 36, no. 5, 1990, pp. 961–1005.
• [11] Burges C. J. C., A tutorial on support vector machines for pattern recognition, Data mining and knowledge discovery, vol. 2, 1998, pp. 121–167.
• [12] Mallat S. G., A Wavelet Tour of Signal Processing, Academic Press, 1999.
• [13] Osowski S., Metody i narzędzia eksploracji danych, Wydawnictwo BTC 2013. Wyd. 1.
• [14] Li H., Jiang T., A class of edit kernels for SVMs to predict translation initiation sites in eukaryotic mRNAs, J. of Computational Biology, vol. 12(6), 2005, pp. 702–718.

Uwagi

PL

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.