Digital signal processing in the diagnosis of brainstem auditory evoked potentials

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

Warianty tytułu

PL

Cyfrowe przetwarzanie sygnałów w diagnostyce słuchowych potencjałów wywołanych pnia mózgu

• Języki publikacji: EN

Abstrakty

EN

The article presents issues related with examination of auditory evoked potentials. The current methods are mainly based on timing interpretation of waveform potentials. Such method requires significant experience from examining neurologist. From this reason the authors have undertaken the task aimed at elimination of subjective assessment of results and automation of the tests. To isolate distinctive features of evoked potentials and differentiate the normal results from pathological cases, authors used methods of digital signal processing. The use of wavelet decomposition and linear SVM network has ensured correct classification of 40 different clinical cases, including 20 normal and 20 pathological cases.

PL

Artykuł przedstawia problemy związane z badaniem słuchowych potencjałów wywołanych. Obecne metody bazują głównie na czasowej interpretacji przebiegów potencjałów. Metody te wymagają dużego doświadczenia ze strony neurologa przeprowadzającego badanie. Uwzględniając powyższe, autorzy podjęli się zadania wyeliminowania subiektywnej oceny wyników oraz zautomatyzowania badania. W celu wyodrębnienia cech dystynktywnych z potencjałów wywołanych oraz rozróżnienia przypadków poprawnych i patologicznych, autorzy użyli metod cyfrowego przetwarzania sygnałów. Użycie dekompozycji falkowej oraz liniowych sieci SVM dało w rezultacie poprawną klasyfikację 40 przypadków klinicznych, zawierających 20 poprawnych i 20 patologicznych przebiegów.

Słowa kluczowe

EN

auditory evoked potentials; wavelet decomposition; support vector machine (SVM)

PL

słuchowe potencjały wywołane; dekompozycja falkowa; sieć wektorów podtrzymujących

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2012
• Tom: Vol. 53, nr 5
• Strony: 26--29
• Opis fizyczny: Bibliogr. 11 poz., wykr.

Twórcy

autor

Dobrowolski A. P.

autor

Suchocki M.

autor

Tomczykiewicz K.

• Military University of technology, Faculty of Electronics, Warsaw

Bibliografia

• [1] Kunka B., Czyzewski A., Kostek B.: Concentration tests: an application of gaze tracker to concentration exercises, 1st International Conference on Computer Supported Education, Lisbon, 2009.
• [2] Kunka B., Kostek B.: A new method of audio-visual correlation analysis, International Multiconference on Computer Science and Information Technology, vol. 4, 497-502, Mrągowo, Poland, October 2009.
• [3] Yoo D. H., Chung M. J.: Non-intrusive eye gaze estimation without knowledge of eye pose, Proc. VI IEEE Int. Conf. on Automatic Face and Gesture Recognition, Seoul, Korea, 17-19 May 2004.
• [4] Yoo D. H., Kim J. H., Lee B. R., Chung M. J.: Non-contact eye gaze tracking system by mapping of corneal reflections, Proc. V IEEE Int. Conf. on Automatic Face and Gesture Recognition, Washington, USA, 20-21 May 2002.
• [5] Zhu Z., Ji Q.: Eye gaze tracking under natural head movements, Proc. 2005 IEEE Comp. Soc. Conf. on Computer Vision and Pattern Recognition (CVPR'05), pp. 918-923, vol. 1, 2005.
• [6] Medelec, Clinical Applications: The electro-oculogram E.O.G. Vickers Medical Division, Medelec Limited, 1995.
• [7] Starlab Enobio System http://starlab.es/products/enobio – accessed December 10 '2010.
• [8] Emotiv Systems: http://www.emotiv.com/ - accessed March 10 '2011.
• [9] Kaufman A. E., Bandopadhay A., Shaviv B. D.: An Eye Tracking Computer User Interface, Computer Science Department, State University of New York at Stony Brook, 1991.
• [10] Sanei S., Chambers J. A.: EEC Signal Processing, Centre of Digital Processing, Cardiff University, UK, 2008.
• [11] Stastny J., Sovka P., Stancak A.: EEC Signal classification, Proc. 23rd Annual EMBS International Conference, Prague, Czech Republic, 2001.
• [12] Leshem G., Ritov Y.: Traffic Flow Prediction using Adaboost Algorithm with Random Forests as a Weak Learner, World Academy of Science, Engineering and Technology 25, 193-198, 2007.
• [13] Tian O., Hong-Tao L., Bao-Liang L.: Vigilance Analysis Based On EEG Signals: Seeking For Suitable Features, Journal of Biological Systems, 18, Special Issue, pp. 81-99, 2010.
• [14] http://www.cs.waikato.ac.nz/ml/weka/ - accessed March 1 '2011.