Aufgrund von Vorbereitungen auf eine neue Version von KOPS, können kommenden Montag und Dienstag keine Publikationen eingereicht werden. (Due to preparations for a new version of KOPS, no publications can be submitted next Monday and Tuesday.)
Type of Publication: | Dissertation |
URI (citable link): | http://nbn-resolving.de/urn:nbn:de:bsz:352-opus-10424 |
Author: | Arnold, Thomas |
Year of publication: | 2003 |
ISBN: | 3-936816-10-7 |
Title in another language: | Computer-aided diagnosis of Clinical Electroencephalograms |
Summary: |
Die Elektroenzephalographie wird in der Medizin als Routineuntersuchung beim Verdacht auf eine neurologische Erkrankung eingesetzt. Ziel der Arbeit war es, die Befundung von EEGs aus der klinischen Praxis computergestützt durchzuführen. Die Befundung soll dabei weitgehend automatisiert ablaufen und dem Neurologen die wesentlichen Merkmale eines EEG in kompakter und anschaulicher Form zur Verfügung stellen. Dieses Ziel konnte durch einen hybriden Ansatz erreicht werden, bei dem verschiedene Methoden kombiniert wurden. Um die Informationen über rhythmische Aktivitäten aus den EEG-Signalen zu extrahieren, wurde ein Verfahren entwickelt, das auf der autoregressiven Spektralschätzung kurzer Signalabschnitte basiert. Ein wichtiger Aspekt der Methode besteht in ihrer gezielt mimetischen Informationsreduktion. Eine zentrale Bedeutung besitzt das EEG in der Diagnose und der Verlaufskontrolle von Epilepsie. Für die Detektion epilepsietyischer Spike-Wave-Komplexe wurde die Methode der Active Shape Models zur Mustererkennung in EEG-Signalen adaptiert. Ein Vorteil gegenüber anderen parametrischen Verfahren liegt in der für alle Modelle identischen Zielfunktion beim Durchsuchen der Signale. EEG-Aktivität wird immer im spatio-temporalen Kontext der gesamten Aufzeichnung analysiert. Als natürliche Modellierung dieses Vorgangs wurde ein regelbasiertes Expertensystem ausgewählt. Das System schlußfolgert aus den Ergebnissen der beiden vorher genannten Verfahren verschiedene physiologische und pathologische Merkmale des EEG. Dabei werden für die Klassifizierung der numerischen Parameter fuzzifizierte Prädikate verwendet, die ein stetiges Systemverhalten garantieren. Die Ergebnisse des Inferenzprozesses werden dem Benutzer als pseudo-verbale Aussagen zur Verfügung gestellt. Farbliche Markierungen relevanter EEG-Abschnitte und 3D-Karten dominanter Aktivitäten erleichtern die Formulierung des schriftlichen Befundes.
|
Summary in another language: |
Electroencephalograms are used as routine examination in the diagnosis of neurological diseases. The aim of this work was to create a computer-aided diagnostic system for clinical EEGs. This was achieved by a hybrid combination of different methods. First, spectral properties of the EEG signals are extracted by a new method based on autoregressive spectra of short time intervals. EEGs are particularly important for the diagnosis and control of epilepsy. To detect spike-wave complexes which are typical for epilepsy, a pattern recognition method known as Active Shape Models was adapted to EEG signals. Finally, a rule-based expert system gathers all pieces of information computed by the former methods and infers facts about physiological and pathological properties of the EEG. The output comprises pseudo-verbal phrases, colored markers of the ongoing EEG and 3D maps, both highlighting important spatio-temporal activities.
|
Examination date (for dissertations): | Jun 13, 2003 |
Dissertation note: | Doctoral dissertation, University of Konstanz |
CCS Classification: | J.3 |
Subject (DDC): | 004 Computer Science |
Controlled Keywords (GND): | Medizinische Informatik, Neurologie, Biosignalverarbeitung, Mustererkennung, Expertensystem |
Keywords: | EEG, computer-aided diagnostic system, EEG, signal analysis, pattern recognition, expert system |
Link to License: | In Copyright |
ARNOLD, Thomas, 2003. Computergestützte Befundung klinischer Elektroenzephalogramme [Dissertation]. Konstanz: University of Konstanz. ISBN 3-936816-10-7
@phdthesis{Arnold2003Compu-6080, title={Computergestützte Befundung klinischer Elektroenzephalogramme}, year={2003}, author={Arnold, Thomas}, address={Konstanz}, school={Universität Konstanz} }
<rdf:RDF xmlns:dcterms="http://purl.org/dc/terms/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#" xmlns:bibo="http://purl.org/ontology/bibo/" xmlns:dspace="http://digital-repositories.org/ontologies/dspace/0.1.0#" xmlns:foaf="http://xmlns.com/foaf/0.1/" xmlns:void="http://rdfs.org/ns/void#" xmlns:xsd="http://www.w3.org/2001/XMLSchema#" > <rdf:Description rdf:about="https://kops.uni-konstanz.de/rdf/resource/123456789/6080"> <bibo:issn>3-936816-10-7</bibo:issn> <dcterms:isPartOf rdf:resource="https://kops.uni-konstanz.de/rdf/resource/123456789/36"/> <dcterms:available rdf:datatype="http://www.w3.org/2001/XMLSchema#dateTime">2011-03-24T16:09:26Z</dcterms:available> <dc:rights>terms-of-use</dc:rights> <dc:contributor>Arnold, Thomas</dc:contributor> <dcterms:abstract xml:lang="deu">Die Elektroenzephalographie wird in der Medizin als Routineuntersuchung beim Verdacht auf eine neurologische Erkrankung eingesetzt. Ziel der Arbeit war es, die Befundung von EEGs aus der klinischen Praxis computergestützt durchzuführen. Die Befundung soll dabei weitgehend automatisiert ablaufen und dem Neurologen die wesentlichen Merkmale eines EEG in kompakter und anschaulicher Form zur Verfügung stellen. Dieses Ziel konnte durch einen hybriden Ansatz erreicht werden, bei dem verschiedene Methoden kombiniert wurden. Um die Informationen über rhythmische Aktivitäten aus den EEG-Signalen zu extrahieren, wurde ein Verfahren entwickelt, das auf der autoregressiven Spektralschätzung kurzer Signalabschnitte basiert. Ein wichtiger Aspekt der Methode besteht in ihrer gezielt mimetischen Informationsreduktion. Eine zentrale Bedeutung besitzt das EEG in der Diagnose und der Verlaufskontrolle von Epilepsie. Für die Detektion epilepsietyischer Spike-Wave-Komplexe wurde die Methode der Active Shape Models zur Mustererkennung in EEG-Signalen adaptiert. Ein Vorteil gegenüber anderen parametrischen Verfahren liegt in der für alle Modelle identischen Zielfunktion beim Durchsuchen der Signale. EEG-Aktivität wird immer im spatio-temporalen Kontext der gesamten Aufzeichnung analysiert. Als natürliche Modellierung dieses Vorgangs wurde ein regelbasiertes Expertensystem ausgewählt. Das System schlußfolgert aus den Ergebnissen der beiden vorher genannten Verfahren verschiedene physiologische und pathologische Merkmale des EEG. Dabei werden für die Klassifizierung der numerischen Parameter fuzzifizierte Prädikate verwendet, die ein stetiges Systemverhalten garantieren. Die Ergebnisse des Inferenzprozesses werden dem Benutzer als pseudo-verbale Aussagen zur Verfügung gestellt. Farbliche Markierungen relevanter EEG-Abschnitte und 3D-Karten dominanter Aktivitäten erleichtern die Formulierung des schriftlichen Befundes.</dcterms:abstract> <dcterms:rights rdf:resource="https://rightsstatements.org/page/InC/1.0/"/> <void:sparqlEndpoint rdf:resource="http://localhost/fuseki/dspace/sparql"/> <dc:date rdf:datatype="http://www.w3.org/2001/XMLSchema#dateTime">2011-03-24T16:09:26Z</dc:date> <dspace:isPartOfCollection rdf:resource="https://kops.uni-konstanz.de/rdf/resource/123456789/36"/> <bibo:uri rdf:resource="http://kops.uni-konstanz.de/handle/123456789/6080"/> <dc:format>application/pdf</dc:format> <dspace:hasBitstream rdf:resource="https://kops.uni-konstanz.de/bitstream/123456789/6080/1/DissertationArnold.pdf"/> <dcterms:alternative>Computer-aided diagnosis of Clinical Electroencephalograms</dcterms:alternative> <dcterms:title>Computergestützte Befundung klinischer Elektroenzephalogramme</dcterms:title> <foaf:homepage rdf:resource="http://localhost:8080/jspui"/> <dcterms:issued>2003</dcterms:issued> <dc:language>deu</dc:language> <dc:creator>Arnold, Thomas</dc:creator> <dcterms:hasPart rdf:resource="https://kops.uni-konstanz.de/bitstream/123456789/6080/1/DissertationArnold.pdf"/> </rdf:Description> </rdf:RDF>
DissertationArnold.pdf | 2018 |