Diagnozowanie schorzeń nerwowo-mięśniowych za pomocą sieci neuronowych w oparciu o skalogramy potencjałów czynnościowych

• Autorzy: Dobrowolski A. , Wierzbowski M. , Tomczykiewicz K.

Warianty tytułu

EN

Diagnosis of neural-muscle disorders using neural networks based on scalograms of action potentials

• Konferencja: Krajowa Konferencja "Diagnostyka techniczna urządzeń i systemów" - DIAG'2009 (7 ; 19-23.10.2009 ; Ustroń, Polska)
• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono nową metodę diagnozowania chorób nerwowo-mięśniowych opartą na analizie skalogramów wyznaczonych za pomocą falek Symlet 4. Z otrzymanych skalogramów wyekstrahowano 5 cech, umożliwiających klasyfikację do grupy miogennej, neurogennej lub prawidłowej za pomocą sztucznych sieci neuronowych różnych typów. Zastosowano perceptron progowy, perceptron wielowarstwowy oraz sieć SVM w wersji liniowej.

EN

The paper presents a new method of diagnosis of neural-muscle disorders based on analysis of scalograms of action potentials determined by using the ‘Symlet 4’ wavelet technique. The scalograms provide 5 features that allow artificial neural network classifier to distinguish between three classes: myogenic, neurogenic or normal. The neural networks utilized were single-layer perceptron, multilayer perceptron and linear support vector machine.

Słowa kluczowe

PL

jednostka ruchowa; transformata falkowa; skalogram; sieć neuronowa

EN

wavelet transform; scalogram; neural network; motor unit

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2009
• Tom: R. 85, nr 11
• Strony: 99--104
• Opis fizyczny: Bibliogr. 21 poz., rys., tab., wykr.

Twórcy

autor

Dobrowolski A.

autor

Wierzbowski M.

autor

Tomczykiewicz K.

• Wojskowa Akademia Techniczna, Instytut Systemów Elektronicznych, ul. Kaliskiego 2, 00-908 Warszawa,

Bibliografia

• [1] Stalberg E., Nandedkar S.D., Sanders D.B., Falck ., Quantitative motor unit potential analysis, J. Clinical Neurophysiology, vol. 13(5), (1996), 401-422
• [2] Zalewska E., Hausmanowa-Petrusewicz I., Effectiveness of motor unit potentials classification using various parameters and indexes, J. Clinical Neurophysiology, vol. 111(8), (2000), 1380-1387
• [3] Bischoff Ch., Stalberg E. , Falck B., Edebol Eeg- Olof sson K., Reference values of motor unit action potentials obtained with multi-MUAP analysis, Muscle & Nerve, vol. 17, (1994), 842-851
• [4] Shahid S., Walker J., Lyons G.M., Byrne C.A., Nene A.V., Application of higher order statistics techniques to EMG signals to characterize the motor unit action potential, IEEE Transactions on Biomedical Engineering, vol. 52, (2005), 1195-1209
• [5] Christodoulou C.I., Pattichis C.S., Unsupervided pattern recognition for the classification of EMG signals, IEEE Trans. on Biomedical Engineering, vol. 46, (1999), 169-178
• [6] Pattichis C.S, Elia A.G. , Autoregressive and cepstral analyses of motor unit action potentials, Medical Engineering & Physics, vol. 21, (1999), 405-419
• [7] Dobrowolski A., Tomczykiewicz K., Komur P., Spectral analysis of motor unit action potentials, IEEE Transactions on Biomedical Engineering, vol. 54, no. 12, (2007), 2300-2302
• [8] Dobrowolski A., Tomczykiewicz K., Komur P., Fourier analysis of motor unit action potentials, Electronics and Telecommunications Quarterly, vol. 53, no. 2, (2007), 127-141
• [9] Dobrowolski A., Komur P., Tomczykiewicz K., Diagnosis of Muscle Condition on the Basis of MUP Spectral Analysis, IEEE Instrumentation and Measurement Technology Conference (IMTC’07), Warsaw 2007
• [10] Tomczykiewicz K., Dobrowolski A., Komur P., Application of Fourier assessment in analysis of electromyography - an initial report, 13th European Congress of Clinical Neurophysiology (ECCN 2008), Istanbul, (2008)
• [11] Komur P. , Dobrowolski A., Dąbrowski T., Tomcz ykiewicz K., Automated diagnostic method supporting EMG examination, 30th Annual Int. IEEE EMBS Conference, Vancouver, (2008) , 1116-1119
• [12] Pattichis C.S., Pattichis M.S.,Time-scale analysis of motor unit action potentials, IEEE Transactions on Biomedical Engineering, vol. 46, (1999), 1320-1329
• [13] Dobrowolski A., Jakubows k i J., Tomczykiewicz K., Linear discriminant analysis of MUAP scalograms, 30th Annual Int. IEEE EMBS Conference, Vancouver, (2008), 1100-1103
• [14] Rodriguez-Carreno I., Malanda-Trigueros A. , Gila -Useros L., Navallas-Irujo J ., Rodriguez-Falces J . , Filter design for cancellation of baseline-fluctuation in needle EMG recordings, Computer methods and programs in biomedicine, vol. 81, (2006), 79-93
• [15] Zalewska E., Hausmanowa-Petrusewicz I., Stalberg E. , Modeling studies on irregular motor unit potentials, J. C. Neurophysiology, vol. 115(3), (2004), 543-556
• [16] Daubechies I., Ten Lectures on Wavelets, CBMS-NSF Lecture Notes nr. 61, SIAM, (1994)
• [17] 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
• [18] Mallat S.G., A Wavelet Tour of Signal Processing, Academic Press, (1999)
• [19] Osowski S., Sieci neuronowe do przetwarzania informacji, Oficyna Wydawnicza PW, Warszawa, (2006)
• [20] Novikof f A., On convergence proofs for perceptrons, Proc. Sympos. Math. Theory of Automata (New York, 1962), Polytechnic Press of Polytechnic Inst. of Brooklyn, Brooklyn, N.Y., (1963), 615-622
• [21] Platt J .C., Fast training of support vector machines using sequential minimal optimization, MIT Press, Cambridge, (1999), 185-208 Autorzy: dr inż. Andrzej P. Dobrowolski, Wojskowa Akademia Techniczna, Instytut Systemów Elektronicznych, ul. S. Kaliskiego 2, 00-908 Warszawa, E-mail: [e-mail];