Komputerowa analiza słuchowych potencjałów wywołanych pnia mózgu

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

Warianty tytułu

EN

Computer analysis of auditory brainstem evoked potentials

• Języki publikacji: PL

Abstrakty

PL

W referacie przedstawiono problematykę związaną z badaniem słuchu metodą potencjałów wywołanych pnia mózgu (SPWPM). Ze względu na to, że obecne metody opierają się głównie na interpretacji przebiegów czasowych potencjałów 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 cyfrowego przetwarzania sygnałów wyodrębnili cechy dystynktywne SPWPM dobrze różnicujące przypadki prawidłowe od patologicznych. Wykorzystanie dekompozycji falkowej i liniowej sieci SVM zapewniło prawidłową klasyfikację 40 różnych przypadków klinicznych, w tym 20 przypadków prawidłowych i 20 patologicznych.

EN

The paper presents problems which are connected with the examinations of auditory evoked potentials. Due to the fact that current method are mainly based on timing interpretation of potentials waveform and that require a lot of experience from examining neurologist, authors have undertaken the task, which will main goal is elimination of subjective assessment results and automation of examinations. The authors use the methods of digital signal processing isolated the distinctive features of evoked potentials, which truly differentiate the correct from pathological cases. The use of wavelet decomposition and linear SVM network provide the correct classification of 40 different clinical cases, including 20 normal and 20 pathological cases.

Słowa kluczowe

PL

pień mózgu; dekompozycja falkowa; sieć wektorów podtrzymujących; elektrotechnika

EN

brainstem auditory evoked potentials; wavelet decomposition; support vector machine (SVM); electrical engineering; electrotechnics

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2011
• Tom: R. 87, nr 9a
• Strony: 145--150
• Opis fizyczny: Bibliogr. 18 poz., rys., tab., wykr.

Twórcy

autor

Dobrowolski A.P.

autor

Suchocki M.

autor

Tomczykiewicz K.

• Wojskowa Akademia Techniczna, Wydział Elektroniki ul. gen. S. Kaliskiego 2, 00-908 Warszawa

Bibliografia

• [1] Szabela D. , Potencja!y wywo!ane 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. Szabat in, 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] Dobrowolski A. P., Obiektywna metoda diagnozowania schorzeń nerwowo-mięśniowych oparta na analizie falkowej potencjałów czynnościowych jednostek ruchowych, Wydawnictwo WAT, Warszawa 2009,83-61486-38-1
• [7] Białasiewicz J . T., Falki i aproksymacje, Wydawnictwo Naukowo-Techniczne, Warszawa 2004, wydanie 2, 83-204- 2971-4
• [8] Zieliński T.P., Cyfrowe przetwarzanie sygna!ów, 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] Dobrowolski A., Wierzbowski M., Tomczykiewicz K., Analiza wielorozdzielcza i sieć SVM w zastosowaniu do klasyfikacji potencjałów czynnościowych, Biuletyn WAT, vol. LVIII, nr 3 (655), 2009, s. 275-302
• [13] Vapnik V. , Estimation of dependences based on empirical data, Springer, 2006
• [14] Osowski S. , Sieci neuronowe do przetwarzania informacji, Oficyna Wydawnicza PW, Warszawa, 2006
• [15] Vapnik V. , Statistical Learning Theory, John Wiley & Sons, 1998
• [16] Cortes C, Vapnik V. , Support-vector networks, Machine Learning, 20, s. 273-297, 1995
• [17] Burges C.J.C., A tutorial on support vector machines for pattern recognition, Data mining and knowledge discovery, vol. 2, 1998, s. 121-167
• [18] Plat t J.C., Fast training of support vector machines using sequential minimal optimization, in Schölkopf B., Burges C. J. C., and Smola A. J., Advances in kernel methods - support vector learning, MIT Press, 1999, s. 185-208