méthodes d'analyse Wavelet pour évaluer les potentiels liés à l'événement, par exemple dans une étude sur des enfants hyperkinétiques
Hartmut Heinrich
Je vous en prie, monsieur le docteur. Les méthodes d'analyse Wavelet pour évaluer les potentiels liés à l'événement à l'exemple d'une étude sur des enfants hyperkinétiques nés le 28. 05. 1966 in Heilbronn-Sontheim Reifeprüfung am 23. 05 1985 à Heilbronn cours d'informatique médicale de la WS 1985/86 à la WS 1990/91 09. 1987 à l'université de Heidelberg/université d'enseignement supérieur Heilbronn diplôme le 29. 10. 1990 à l'Université de Heidelberg/Hochschule Heilbronn Docteur: Biométrie médicale et informatique Docteur: Prof. Dr.-Ing. H. Dickhaus Introduction / Question Les potentiels liés aux événements (ERP) représentent la réponse électrique du cerveau à un événement externe.
Les composants ERP endogènes, c'est-à-dire les composants de signaux tardifs présentant des latences de 100 ms ou plus, peuvent être affectés par des processus intrapsychiques. Ils sont considérés comme des corrélates entre différents aspects de l'attention et du traitement cognitif de l'information. Les variations de latence et d'amplitude sont considérées comme une mesure de l'énergie, de l'efficacité et de la vitesse de ces processus. Ainsi, par exemple, les ERP permettent de déterminer si certains groupes de patients psychiatriques présentent des déficits fonctionnels.
La détermination de la latence et de l'amplitude de ces composants (semi-ondes) se fait dans la plupart des études en ERP moyen. Cependant, ce point de vue est également critiqué dans la littérature comme étant un point de vue simplifié ou il est souligné les problèmes qui rendent difficile la détermination exacte des dimensions de latence et d'amplitude. En outre, le processus de médiation lui-même a un effet négatif, qui est implicitement basé sur l'hypothèse d'une réponse à l'incitation constante. Cependant, il faut supposer qu'une variation des réponses stimulantes est due à des effets tels que l'habituation ou l'attention fluctuante. Ces variables perdues par la médiation peuvent être utiles dans l'interprétation d'une question clinique.
Le présent travail devrait explorer les possibilités des réseaux d'onde (WNs) pour l'évaluation des potentiels liés à l'événement, en particulier pour une analyse individuelle de l'ERP. Par exemple, les WNs ont été utilisés dans une étude comparative de l'ERP entre enfants en bonne santé et enfants atteints de troubles hyperkinétiques ( troubles hyperkinétiques).
Methode
Les WN représentent une approche hybride à partir de réseaux neuronaux artificiels et de la transformation continue des ondes. La structure des réseaux d'onde peut être interprétée comme une perceptrone multicouche. Les nœuds des WN possèdent des propriétés connues sous le nom de transformation d'onde. Il existe une distinction entre les réseaux d'onde pour la classification et les réseaux d'onde pour la représentation, selon le but de leur utilisation.
WNs zur Klassifikation
Ils sont constitués d'un composant d'extraction de caractéristiques et d'un composant de classification.
Les nœuds des composants d'extraction des caractéristiques sont des versions modifiées d'un wavellet de base.
Le composant de classification est formé par un perceptrone multicouche.
les approches classiques de la reconnaissance des échantillons ne fonctionnent pas à la recherche de caractéristiques et le processus de classification lui-même ne fonctionne pas
Ils se déroulent séquentiellement à des niveaux distincts, mais sont liés entre eux par l'algorithme d'apprentissage, c'est-à-dire qu'au cours de l'entraînement, en plus des zones décisionnelles appropriées pour les classes existantes, des caractéristiques appropriées pour des taux de classification aussi élevés que possible sont trouvées.
La version de base, connue dans la littérature, a été développée dans le cadre de cet ouvrage sur plusieurs points essentiels: les nœuds à ondes multidimensionnelles permettent de traiter simultanément plusieurs signaux. En particulier pour les projets ERDF qui présentent des aspects topographiques d'intérêt, le traitement simultané de plusieurs dérivés est indispensable.
ii. L'utilisation du Wavelet Morlet en tant que Wavelet de base permet de distinguer les nœuds de quantité et de phase, ce qui accroît la flexibilité du réseau Wavelet. iii. Les WNs de classification peuvent être étendus à des nœuds d'entrée qui traitent des caractéristiques continues (par exemple, l'âge d'un patient/problème) ou catégoriques (par exemple, le sexe).
WNs zur Repräsentation
approximation d'un signal par la superposition linéaire d'ondes modifiées
Les fonctions permettent ainsi une description claire d'un signal avec peu de caractéristiques. Afin d'obtenir une paramétrisation comparable (nœuds d'onde comparables) pour les ERP d'un échantillon, trois variantes d'un algorithme d'optimisation ont été développées qui peuvent être appliquées en fonction de la distance de perturbation du signal (SNR). La variante I est adaptée aux signaux non perturbés, tels que: Grand mean ERPs, Variante II avec un SNR relativement élevé, comme pour les ERP moyennés d'une échantillon, et Variante III avec un SNR faible, comme pour l'estimation de la composante événementielle d'une réponse individuelle. Les trois variantes utilisent une stratégie récursive, c'est-à-dire que les nœuds sont introduits successivement dans le réseau et entraînés sur le reste des erreurs des nœuds déjà intégrés. Dans le cas des variantes II et III, des étapes de prétraitement supplémentaires (fenêtre de temps, filtrage) sont effectuées pour projeter chaque nœud sur une section spécifique du niveau de fréquence temporelle. Les fonctions de fenêtre et de filtre sont définies par une approximation WN d'un signal représentatif d'un échantillon.
De nombreuses mesures ont été définies pour analyser les variables dans les réponses individuelles ERP.
Il s'agit d'un système qui permet de paramétrer ou de quantifier les données.
WN-Korrelationsfeature
Cette mesure de similitude détectable pour chaque nœud d'onde décrit la stabilité d'un nœud sur plusieurs passages d'une tâche, en calculant la position de phase, la fréquence et l'apparition temporelle du nœud.
Ergebnisse
Il s'agit d'exemples simulés et réels d'ERP (VEP, AEP d'un système sélectif).
Les caractéristiques suivantes du WN ont été mises en évidence:
Le modèle WN offre une paramétrisation plus uniforme et plus détaillée que les modèles conventionnels.
La latence et l'amplitude des sommets les plus célèbres. ii. L'approche WN permet une estimation fiable de la composante liée à l'événement dans la réponse individuelle ER, qui, contrairement à la plupart des estimations individuelles existantes, n'est pas basée sur l'hypothèse que les caractéristiques de l'activité spontanée ne changent pas de la période de pré-incitation à la période de post-incitation.
iii. Les WN peuvent généralement être utilisés pour soutenir le modèle basé sur la conception d'un ERP comme une superposition de l'activité EEG liée à l'événement dans différentes bandes de fréquences EEG; les nœuds de WN résultant d'un ERP ont pu être associés aux bandes de fréquences EEG traditionnelles.
Dans une étude ERP comparative menée entre 25 enfants en bonne santé et 25 enfants hyperkinétiques, ces avantages méthodiques des réseaux d'onde ou de l'analyse individuelle basée sur WN ont été particulièrement remarquables. Bien qu'aucune différence n'ait été trouvée entre les enfants en bonne santé et les enfants en SST lors de l'évaluation ERP conventionnelle, l'évaluation WN, en particulier l'analyse de l'individualisation/variabilité, a révélé des différences de groupe significatives.
Par exemple, il a été démontré que les enfants en bonne santé et les enfants en bonne santé ont des dépendances opposées à l'hygiène.
Ce phénomène a été associé à l'hypothèse des déficits.
Il a également été possible d'interpréter les processus de réglementation plus centralisés et d'obtenir des indications d'effets antérieurs.
En ce qui concerne les enfants atteints d'hypertension cardiaque, il est important de noter que les enfants atteints d'hypertension cardiaque cardiaque sont exposés à des problèmes liés à l'attention continue des enfants atteints d'hypertension cardiaque cardiaque cardiaque.
Les résultats de la fonction de corrélation de ce que l'on appelle le "nœud" ont permis de conclure que, dans certaines conditions, les enfants de la bande inférieure peuvent synchroniser moins uniformément et moins focalisés.
Klassifikationsexperimenten
Il a été examiné si les caractéristiques de WN possèdent également les points de séparation nécessaires.
Les enfants en bonne santé et en bonne santé peuvent être répartis de manière fiable dans leurs groupes. D'une part, une approche conventionnelle a été choisie: des paramètres obtenus à partir de WNs pour la représentation ont été utilisés comme caractéristiques d'entrée d'un classifiateur. D'autre part, dans certains cas, les WN ont également été utilisés pour la classification. Avec deux caractéristiques, un taux de reclassification de 84% et avec trois caractéristiques de 90% a été atteint.
Conclusion
Wavelet-Netze zur Klassifikation
constituent un nouvel outil pour les tâches de détection des échantillons dans lesquelles
Les caractéristiques des signaux de changement de temps (bios) (par exemple ERP, ECG) peuvent être utilisées de manière discriminatoire.